论文部分内容阅读
【摘 要】 文章由风险因素量化角度入手，对借款利率、借款人信用、信息透明程度、标的期限等风险因素进行处理，基于Logit模型，以网贷平台为例，定量研究互联网金融风险。研究表明：借款利率、标的期限与借款标的风险呈正向关系，借款利率越高、标的期限越长，则借贷标的风险越大；借款人信用评价、信息透明度与借款标的风险呈反向关系，借款人信用评价越好、信息透明度越高，则借贷标的风险越低。最后，立足于研究结论为我国互联网金融风险防范提供可操作的建议。
【关键词】 互联网金融风险； 网贷平台； Logit模型
【中图分类号】 F274 【文献标识码】 A 【文章编号】 1004-5937（2018）16-0104-05
一、引言
2005年，全球第一个网贷平台Zopa起源于英国，之后网贷平台在全球范围内被广泛复制和创新，2007年拍拍贷的出现，标志着网贷平台正式进入中国。随后，我国相继出现了大量的网贷平台，网贷天眼研究院调查数据显示，截至2017年10月，我国共有P2P网贷平台5 306家。网贷平台规模和数量不断扩大，拓宽了中小企业的融资渠道，为我国中小企业提供了有效的项目资金，这对我国GDP的有效增长起到了积极的支撑作用。此外，网贷平台也提供了大量就业岗位，对于缓解我国就业压力也起到了积极作用。但是我国网贷平台发展起步晚，相关网贷体系还有待完善，中小企业和消费者缺乏良好的风险意识，导致我国网络借贷平台风险频发，5 306家网贷平台中，问题网贷平台达3 527家，行业淘汰率高达66.47%。我国政府高度重视网贷平台风险的防范，早在2011年就颁布了《P2P网络借贷平台标准规定》，其中把我国网贷平台分为微型网贷平台、小型网贷平台、中型网贷平台三种，并对网贷平台的从业人员、资产等方面制定了硬性要求[1]，目的是为了规范我国网贷平台的运行。2015年银监部门发布了《网络借贷信息中介机构业务活动管理暂行办法》，严格规定网贷平台应当履行的多种义务。在此背景下，以网贷平台为例探究我国互联网金融风险防范就显得至关重要。本文研究的理论意义在于弥补我国互联网金融风险评估机制研究方面的缺失，为我国金融风险防范研究提供新思路；实践意义在于通过定量研究为网贷平台互联网资金的合理利用提供帮助，以期能够推动我国网贷平台的发展，完善我国互联网金融风险防范体系。
二、文献综述
国内外有关互联金融风险防范以及网贷平台风险的研究可以分为4类。第一，技术风险方面。王云红（2005）研究发现网贷平台主要面临技术风险和业务风险，提出加强对网贷平台的监管，建立国家、行业、企业三方参与的互联网金融技术风险防范体系。第二，风险现状、模式和类型方面。张玉梅（2010）将我国网络借贷平台发展模式分为中介式、复合中介式以及线上与线下结合式三类。Berger等（2009）将网贷平台风险分为内生风险与外生风险，其中内生风险是指技术、运营、合同等，外生风险是指法律、国家政府、交易对手等方面存在的风险。第三，将互联网金融与网贷平台相结合进行研究。刘迎秋（2012）认为我国网络借贷平台迅速发展得益于其通过地缘关系和人缘关系进行发展，也就是说交易双方基本是相互熟悉的群体，这样增强了彼此的信任，因此网络借贷平台数量和规模不断扩大。Weiss（2010）对网贷平台发展研究发现，由于网络借贷的交易是在互联网上进行的，这使得网络借贷的交易风险大大高于传统的商业银行。Chaffe（2012）在Weiss研究的基础上，提出了政府机构应该像监管传统商业银行那样，加强对网络借贷平台的监管，以规避网络借贷平台交易风险。第四，有关网贷交易平台的进一步研究方向。梁笑雨等（2013）认为网贷平台是一种新的互联网金融产品，政府有关部门应该引导其发展，提升网贷平台的风险意识。他指出如何引导网贷平台健康发展以及如何构建规避网络借贷平台风险的机制。Weir（2012）对网贷平台近年的发展进行分析，发现网贷功能稳定性极高，金融机构会随着时代发展发生较大变化，但是这些立足于网贷平台的金融机构基本功能不会发生太大的变化。
国内外有关互联金融风险防范以及网贷平台风险的研究文献多集中于定性分析，缺乏定量分析。基于此，本文以网贷平台为例，立足于构建Logit模型对我国互联网金融中存在的风险进行定量分析，进而为我国互联网金融风险防范提出具体的政策建议，以期能够促进我国网贷平台在更加规范、科学的环境中成长，推动我国互联网金融持续稳定发展。
三、现状分析
（一）网贷平台发展现状
截至2018年6月底，P2P网贷行业正常运营平台数量为1 836家[2]。网贷平台的出现大大缓解了中国社会融资困难问题，不仅为急需资金的消费者提供方便快捷的资金获取渠道，也解决了我国众多的中小企业融资难问题。为社会经济发展带来极大便利性，有利于我国互联网金融事业的发展，为我国经济进入“新常态”提供了一个新的增长点。特别是2014年李克强总理在达沃斯论坛上提出“大众创业，万众创新”之后，我国每天新增企业1万多家，而网贷平台的出现为这些中小企业发展提供项目资金，所以我国网贷平台近年来呈现快速发展趋势。就我国网贷平台而言，其主要有3个特点：首先，我国网贷平台交易主体并不固定，双方交易零散化，难以形成较大规模，参与人群可以是社会中任何一人。其次，我国网贷平台交易方式简单、快捷，满足了人们对于产品灵活性的要求。最后，网贷平台的发展依赖于互联网技术的进步，所以我国网贷平台的蓬勃发展促进了我国科学技术，尤其是互联网技术的进步。但是，我国的网贷平台发展并不健全，在我国现代互联网金融背景下，网贷平台的发展常常出现许多风险。
（二）网贷风险类型
1.内部风险
第一，信贷操作技术风险。由于逆向选择和道德风险的存在，借贷平台不能准确得知借贷者的信用度，同时，市场上借贷平台众多，借贷者也无法准确地判断借贷平台的信用度，很容易导致信贷操作技术风险的发生，造成资金损失[3]。第二，管理风险。由于缺乏有效的监管，国内很多借贷平臺管理混乱，借贷资金的管理只能依靠管理者的自觉性，投资者无法知晓资金去向，加大了资金管理风险。第三，信息披露风险。市场中出现大量的信贷平台，彼此之间的竞争也是异常激烈的，很多借贷平台为了谋求发展，进行虚假的宣传，信息披露不完整，甚至提供虚假信息致使借贷者无法获取真实信息而上当受骗。第四，网络风险。网络风险是指在交易中投资者和借贷者的个人信息可能出现泄露的情况。 2.外部风险
第一，非法集资风险。由于我国互联网金融缺乏必要监管，网贷平台非法集资的情况时有发生，2014年出现的问题借贷平台e租宝就是一个非法集资的例子，造成了大量资金损失[4]。第二，政策限制风险。虽然我国政府相当重视网贷平台的发展，但是政府出台的政策还是过少，对网贷平台的发展扶持不够，难以解决网贷平台发展面临的资金困难、监管困难等难题。第三，地方性约束风险。地方政府的优惠政策致使有些人借机牟利、获得地产产权或者其他产权，而这些优惠政策对于借贷平台的发展是弊大于利的。
四、Logit模型分析
（一）模型设定
此部分主要是定量分析网贷平台的风险存在与否，因此不能利用传统的经典线性回归模型[5]，故此本文选择Logit模型结合安心贷的相关数据对网贷平台的风险进行定量回归分析。Logit模型的构建原理分为Logit模型构建法、EVA法、价值投资模式三种。
1.Logit模型构建法。Logit模型也称为评定模型，是以离散选择法和散点分析法为基础的回归分析方法，其原理如公式1。
其中B是最大似然估计、X是自变量、Y是因变量、P是交易价格。由于网贷交易过程也必定遵守市场交易价格理论，因此Logit模型构建法可以适用评估网贷风险。
2.EVA法。EVA即经济增加值，学术界常用来衡量资本收益，扣除公司成本之后计算获得。从数值的角度看，EVA是借贷平台税后净利润减去全部资本成本的差额。如公式2所示：
其中WACC是指加权平均后的资本成本，由公式2可以计算出借贷平台的经济增加值，进而判断借贷平台的效益，并以借贷平台经济增加值和效益判断其风险。
3.价值投资模式。主要是依靠自由现金流模型对借贷平台的年度现金流量进行分析[6]，如公式3。
通过公式3可以计算出借贷平台每年的自由现金流，由每年自由现金流具体数额分析其借贷风险。本文采用多年借贷平台的平均自由现金流进行定量比较分析，得到的均值作为稳定状态下的自由现金流，然后利用自由现金流量乘数模型，如公式4计算出借贷平台价值，由此对借贷平台的风险进行分析。
其中，r是指无风险利率。
（二）数据选取与变量定义
本文的数据来自安心贷平台数据库，选取其2013—2016年借贷数据，随机选取了7 000条安心贷平台标的借贷数据，然后按照这些借贷发生的时间顺序，从安心贷平台网站上下载这些标的列表，但是有些数据在安心贷平台网站上无法获取，所以最终获取的样本数据总量是6 355条。选取2013—2016年数据是因为2013—2016年我国借贷平台发展迅速，借贷标的数量较多。所以，这个时间段的数据可以很好地说明行业的发展状态。
被解释变量为借款标的风险，表现为存在风险或者不存在风险，本文利用Logit模型分析借款标的风险发生的概率（P）。0≤P≤1，P=1时表示存在风险，P=0时表示不存在风险，P值越趋近于0，表示借贷发生的风险越低，反之越趋近于1，表示借贷发生风险的概率越高。
解释变量为借款利率、借款人信用评价、标的期限、信息透明度、总资产增长率[7]。其中，借款利率、标的期限与借款标的风险呈正向关系。借款利率越高、标的期限越长，则借款标的风险越大。借款人信用评价、信息透明度與借款标的风险呈反向关系。借款人信用评价越好、信息透明度越高、总资产增长率越高，则借款标的风险越低。
（三）Logit模型的构建与回归结果分析
1.Logit模型的构建
本文构建的Logit模型的函数形式如公式5、公式6。
其中P表示借款标的风险发生概率，0≤P≤1；Xi是解释变量，X1表示借款利率，X2表示借款人信用评价，X3表示标的期限，X4信息透明度，X5总资产增长率；C0表示常数项。
2.拟合优度检验
本文利用SPSS对所获得的6 325条样本数据进行Hosmer-Lemeshow拟合优度检验，检验结果如表1所示。
由表1可知，Hosmer-Lemeshow检验将结果分为10类，各类无风险的观测值在5—10之间、期望值在5.51—10之间；有风险的观测值在0—5之间、期望值在0到4.49之间，所以本文所构建的Logit模型可以很好地拟合样本数据。
3.样本数据风险预测
利用SPSS对由安心贷数据库获得的6 355条借贷标的样本数据进行风险预测，SPSS预测输出结果如表2所示。
由表2可知，在5 194条无风险的借贷标的样本数据中，SPSS预测4 706条是无风险的，预测正确率为90.06%，而在1 161条存在风险的借贷标的样本数据中，SPSS预测765条是不存在风险的，预测正确率为65.9%。SPSS预测正确的借贷标的样本数量为5 471，约占总数的86.1%，所以从整体上来看，本文所构建的Logit模型预测正确率为86.1%，此模型的预测达到了理想效果。
4.Logit回归结果分析
利用SPSS对解释变量和被解释变量进行Logit回归分析，得到公式5和公式6中的变量系数，如表3所示。
由公式7可知，借款利率增长1个单位，借贷标的风险概率上升0.37的百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.04个百分点；标的期限上升1个单位，借贷标的风险概率上升0.07个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.02个百分点。
此外，Wald统计量的Sig值在0—0.003之间，说明参数估计都不为0。由此可知，在Logit模型中，借款利率等4个变量对借贷风险的影响是显著的，通过对这四个变量的优化可以在一定程度上达到预测风险、防范风险的效果。 5.Logit模型的应用
为了验证本文所构建的Logit模型的适用性，本文利用互联网爬虫技术抓取了5 433条拍拍贷平台标的借贷数据，6 873条人人贷平台标的借贷数据，把抓取的数据按照上文的方法进行处理后分别带入Logit模型，利用SPSS进行回归分析。
（1）拍拍贷Logit模型结果分析
由公式9可知，借款利率增长1个单位，借贷标的风险概率上升0.77的百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.32个百分点；标的期限上升1个单位，借贷标的风险概率上升0.44个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.13个百分点。
综上可知，本文以解释变量为借款利率、借款人信用评价、标的期限、信息透明度、总资产增长率，被解释变量为借款标的风险，表现为存在风险或者不存在风险，所构建的Logit模型可以较好地反映我国互联网借贷平台借款标的风险发生概率。
五、结论与政策建议
（一）结论
第一，基于上文借款利率等4个解释变量与被解释变量借贷标的风险之间的Logit回归分析可知，借款利率增长1个单位，借贷标的风险概率上升0.37个百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.04个百分点；标的期限上升1个单位，借贷标的风险概率上升0.07个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.02个百分点。第二，我国网贷平台的发展呈现扩张趋势。伴随着我国互联网金融市场的低迷，许多投资者通过网贷平台将资金投向利益较好的产业，为中小企业的发展提供了资金支持，才促使我国网贷平台迅速发展。第三，网贷平台的主体越来越多元化。资金的提供者主要是事业单位、大型企业、私人投资者；借贷者主要为中小企业或个人。
（二）建议
1.加强内部经营管理体系建设，有效调节借贷利率变动
相较于外部因素来说，网贷平台内部因素显得尤为重要，通过有效的内部管理可以显著地改善网贷平台的收益水平[8]。借款利率是影响借贷风险的重要因素，而借贷利率的变动受到多种因素的制约，因此需要政府、企业联合行动来有效调节借贷利率的变动。首先，政府应该通过中央银行针对我国经济运行现实情况调节存款、贷款利率以及法定准备金率，不能盲目地变动利率。其次，各大网贷平台应该规范内部管理，聘请专业人才通过调查研究制定借贷利率。最后，企业要通过有效的内部管理，根据国家政策的变动及时调整平台的借贷利率。
2.完善信用评价体系
逆向选择与道德风险是西方经济学经久不衰的话题，完善的信用体系是规避借贷风险的必要手段。首先，政府要强化我国信用体系建设，加大对失信群体的打击力度，并且通过国民素质教育提升整体国民的思想道德修养[9]。其次，我国网贷平台应该积极构建自身的信用评价体系，并且严厉惩罚恶意违反信用规定的客户。
3.加强监管，提高信息透明程度
近年来，我国网贷平台发展迅速，我国政府也很重视网贷平台的发展，出台了各种政策鼓励网贷平台发展，但是我国政府缺乏对网贷平台的监管，即使有监管也是效率低下，难以起到有效的作用[10]。我国政府应该制定网贷平台运行规范，对从业人员学历、借贷规模等各方面做出严格规定，提高网贷平台的信息透明度，对于违反规定的网贷平台依法严格处理，此外，建立一体化的监督服务体系，至上而下层层监督，严格规范网贷平台行为，可以有效地避免系统风险。网贷平台应该利用互联网技术，提高自身的信息透明度以加强交易双方之间的信任。
【参考文献】
[1] 王保辉.互联网金融行业内部控制问题研究——基于“e租宝”与“支付宝”的对比[J].财会通讯，2017（35）：116-119，129.
[2] 网贷之家.P2P网貸行业2018年6月月报[EB/OL].http：//www.wdzj.com/news/yc/2690686.html.
[3] 杜永红，石买红，史慧敏.大数据环境下P2P网贷平台的风险评估与防范[J].会计之友，2016（22）：90-92.
[4] 李小龙.互联网金融的风险及其防范研究[J].时代金融，2017（6）：30-31.
[5] 陈慧宇，孙，谭中明.我国互联网金融风险分析与防范研究[J].金融经济，2016（10）：13-15.
[6] 梁晨曦.基于风险控制的小微企业互联网金融模式创新研究——以P2P网贷平台为例[J].经济师，2016（1）：84-85.
[7] 尹丽，罗威.互联网金融征信发展的模式选择——基于普惠金融视角[J].会计之友，2016（13）：99-102.
[8] 冯艳丽.基于P2P网络借贷模式的互联网金融风险探讨[J].商业经济研究，2015（11）：83-84.
[9] 翟辉，陈霞.互联网金融企业小额贷款业务会计处理探讨——以阿里小微金融为例[J].财会通讯，2016（19）：62-64.
[10] 童文俊.互联网金融洗钱风险与防范对策研究[J].金融会计，2014（8）：71-76.
【关键词】 互联网金融风险； 网贷平台； Logit模型
【中图分类号】 F274 【文献标识码】 A 【文章编号】 1004-5937（2018）16-0104-05
一、引言
2005年，全球第一个网贷平台Zopa起源于英国，之后网贷平台在全球范围内被广泛复制和创新，2007年拍拍贷的出现，标志着网贷平台正式进入中国。随后，我国相继出现了大量的网贷平台，网贷天眼研究院调查数据显示，截至2017年10月，我国共有P2P网贷平台5 306家。网贷平台规模和数量不断扩大，拓宽了中小企业的融资渠道，为我国中小企业提供了有效的项目资金，这对我国GDP的有效增长起到了积极的支撑作用。此外，网贷平台也提供了大量就业岗位，对于缓解我国就业压力也起到了积极作用。但是我国网贷平台发展起步晚，相关网贷体系还有待完善，中小企业和消费者缺乏良好的风险意识，导致我国网络借贷平台风险频发，5 306家网贷平台中，问题网贷平台达3 527家，行业淘汰率高达66.47%。我国政府高度重视网贷平台风险的防范，早在2011年就颁布了《P2P网络借贷平台标准规定》，其中把我国网贷平台分为微型网贷平台、小型网贷平台、中型网贷平台三种，并对网贷平台的从业人员、资产等方面制定了硬性要求[1]，目的是为了规范我国网贷平台的运行。2015年银监部门发布了《网络借贷信息中介机构业务活动管理暂行办法》，严格规定网贷平台应当履行的多种义务。在此背景下，以网贷平台为例探究我国互联网金融风险防范就显得至关重要。本文研究的理论意义在于弥补我国互联网金融风险评估机制研究方面的缺失，为我国金融风险防范研究提供新思路；实践意义在于通过定量研究为网贷平台互联网资金的合理利用提供帮助，以期能够推动我国网贷平台的发展，完善我国互联网金融风险防范体系。
二、文献综述
国内外有关互联金融风险防范以及网贷平台风险的研究可以分为4类。第一，技术风险方面。王云红（2005）研究发现网贷平台主要面临技术风险和业务风险，提出加强对网贷平台的监管，建立国家、行业、企业三方参与的互联网金融技术风险防范体系。第二，风险现状、模式和类型方面。张玉梅（2010）将我国网络借贷平台发展模式分为中介式、复合中介式以及线上与线下结合式三类。Berger等（2009）将网贷平台风险分为内生风险与外生风险，其中内生风险是指技术、运营、合同等，外生风险是指法律、国家政府、交易对手等方面存在的风险。第三，将互联网金融与网贷平台相结合进行研究。刘迎秋（2012）认为我国网络借贷平台迅速发展得益于其通过地缘关系和人缘关系进行发展，也就是说交易双方基本是相互熟悉的群体，这样增强了彼此的信任，因此网络借贷平台数量和规模不断扩大。Weiss（2010）对网贷平台发展研究发现，由于网络借贷的交易是在互联网上进行的，这使得网络借贷的交易风险大大高于传统的商业银行。Chaffe（2012）在Weiss研究的基础上，提出了政府机构应该像监管传统商业银行那样，加强对网络借贷平台的监管，以规避网络借贷平台交易风险。第四，有关网贷交易平台的进一步研究方向。梁笑雨等（2013）认为网贷平台是一种新的互联网金融产品，政府有关部门应该引导其发展，提升网贷平台的风险意识。他指出如何引导网贷平台健康发展以及如何构建规避网络借贷平台风险的机制。Weir（2012）对网贷平台近年的发展进行分析，发现网贷功能稳定性极高，金融机构会随着时代发展发生较大变化，但是这些立足于网贷平台的金融机构基本功能不会发生太大的变化。
国内外有关互联金融风险防范以及网贷平台风险的研究文献多集中于定性分析，缺乏定量分析。基于此，本文以网贷平台为例，立足于构建Logit模型对我国互联网金融中存在的风险进行定量分析，进而为我国互联网金融风险防范提出具体的政策建议，以期能够促进我国网贷平台在更加规范、科学的环境中成长，推动我国互联网金融持续稳定发展。
三、现状分析
（一）网贷平台发展现状
截至2018年6月底，P2P网贷行业正常运营平台数量为1 836家[2]。网贷平台的出现大大缓解了中国社会融资困难问题，不仅为急需资金的消费者提供方便快捷的资金获取渠道，也解决了我国众多的中小企业融资难问题。为社会经济发展带来极大便利性，有利于我国互联网金融事业的发展，为我国经济进入“新常态”提供了一个新的增长点。特别是2014年李克强总理在达沃斯论坛上提出“大众创业，万众创新”之后，我国每天新增企业1万多家，而网贷平台的出现为这些中小企业发展提供项目资金，所以我国网贷平台近年来呈现快速发展趋势。就我国网贷平台而言，其主要有3个特点：首先，我国网贷平台交易主体并不固定，双方交易零散化，难以形成较大规模，参与人群可以是社会中任何一人。其次，我国网贷平台交易方式简单、快捷，满足了人们对于产品灵活性的要求。最后，网贷平台的发展依赖于互联网技术的进步，所以我国网贷平台的蓬勃发展促进了我国科学技术，尤其是互联网技术的进步。但是，我国的网贷平台发展并不健全，在我国现代互联网金融背景下，网贷平台的发展常常出现许多风险。
（二）网贷风险类型
1.内部风险
第一，信贷操作技术风险。由于逆向选择和道德风险的存在，借贷平台不能准确得知借贷者的信用度，同时，市场上借贷平台众多，借贷者也无法准确地判断借贷平台的信用度，很容易导致信贷操作技术风险的发生，造成资金损失[3]。第二，管理风险。由于缺乏有效的监管，国内很多借贷平臺管理混乱，借贷资金的管理只能依靠管理者的自觉性，投资者无法知晓资金去向，加大了资金管理风险。第三，信息披露风险。市场中出现大量的信贷平台，彼此之间的竞争也是异常激烈的，很多借贷平台为了谋求发展，进行虚假的宣传，信息披露不完整，甚至提供虚假信息致使借贷者无法获取真实信息而上当受骗。第四，网络风险。网络风险是指在交易中投资者和借贷者的个人信息可能出现泄露的情况。 2.外部风险
第一，非法集资风险。由于我国互联网金融缺乏必要监管，网贷平台非法集资的情况时有发生，2014年出现的问题借贷平台e租宝就是一个非法集资的例子，造成了大量资金损失[4]。第二，政策限制风险。虽然我国政府相当重视网贷平台的发展，但是政府出台的政策还是过少，对网贷平台的发展扶持不够，难以解决网贷平台发展面临的资金困难、监管困难等难题。第三，地方性约束风险。地方政府的优惠政策致使有些人借机牟利、获得地产产权或者其他产权，而这些优惠政策对于借贷平台的发展是弊大于利的。
四、Logit模型分析
（一）模型设定
此部分主要是定量分析网贷平台的风险存在与否，因此不能利用传统的经典线性回归模型[5]，故此本文选择Logit模型结合安心贷的相关数据对网贷平台的风险进行定量回归分析。Logit模型的构建原理分为Logit模型构建法、EVA法、价值投资模式三种。
1.Logit模型构建法。Logit模型也称为评定模型，是以离散选择法和散点分析法为基础的回归分析方法，其原理如公式1。
其中B是最大似然估计、X是自变量、Y是因变量、P是交易价格。由于网贷交易过程也必定遵守市场交易价格理论，因此Logit模型构建法可以适用评估网贷风险。
2.EVA法。EVA即经济增加值，学术界常用来衡量资本收益，扣除公司成本之后计算获得。从数值的角度看，EVA是借贷平台税后净利润减去全部资本成本的差额。如公式2所示：
其中WACC是指加权平均后的资本成本，由公式2可以计算出借贷平台的经济增加值，进而判断借贷平台的效益，并以借贷平台经济增加值和效益判断其风险。
3.价值投资模式。主要是依靠自由现金流模型对借贷平台的年度现金流量进行分析[6]，如公式3。
通过公式3可以计算出借贷平台每年的自由现金流，由每年自由现金流具体数额分析其借贷风险。本文采用多年借贷平台的平均自由现金流进行定量比较分析，得到的均值作为稳定状态下的自由现金流，然后利用自由现金流量乘数模型，如公式4计算出借贷平台价值，由此对借贷平台的风险进行分析。
其中，r是指无风险利率。
（二）数据选取与变量定义
本文的数据来自安心贷平台数据库，选取其2013—2016年借贷数据，随机选取了7 000条安心贷平台标的借贷数据，然后按照这些借贷发生的时间顺序，从安心贷平台网站上下载这些标的列表，但是有些数据在安心贷平台网站上无法获取，所以最终获取的样本数据总量是6 355条。选取2013—2016年数据是因为2013—2016年我国借贷平台发展迅速，借贷标的数量较多。所以，这个时间段的数据可以很好地说明行业的发展状态。
被解释变量为借款标的风险，表现为存在风险或者不存在风险，本文利用Logit模型分析借款标的风险发生的概率（P）。0≤P≤1，P=1时表示存在风险，P=0时表示不存在风险，P值越趋近于0，表示借贷发生的风险越低，反之越趋近于1，表示借贷发生风险的概率越高。
解释变量为借款利率、借款人信用评价、标的期限、信息透明度、总资产增长率[7]。其中，借款利率、标的期限与借款标的风险呈正向关系。借款利率越高、标的期限越长，则借款标的风险越大。借款人信用评价、信息透明度與借款标的风险呈反向关系。借款人信用评价越好、信息透明度越高、总资产增长率越高，则借款标的风险越低。
（三）Logit模型的构建与回归结果分析
1.Logit模型的构建
本文构建的Logit模型的函数形式如公式5、公式6。
其中P表示借款标的风险发生概率，0≤P≤1；Xi是解释变量，X1表示借款利率，X2表示借款人信用评价，X3表示标的期限，X4信息透明度，X5总资产增长率；C0表示常数项。
2.拟合优度检验
本文利用SPSS对所获得的6 325条样本数据进行Hosmer-Lemeshow拟合优度检验，检验结果如表1所示。
由表1可知，Hosmer-Lemeshow检验将结果分为10类，各类无风险的观测值在5—10之间、期望值在5.51—10之间；有风险的观测值在0—5之间、期望值在0到4.49之间，所以本文所构建的Logit模型可以很好地拟合样本数据。
3.样本数据风险预测
利用SPSS对由安心贷数据库获得的6 355条借贷标的样本数据进行风险预测，SPSS预测输出结果如表2所示。
由表2可知，在5 194条无风险的借贷标的样本数据中，SPSS预测4 706条是无风险的，预测正确率为90.06%，而在1 161条存在风险的借贷标的样本数据中，SPSS预测765条是不存在风险的，预测正确率为65.9%。SPSS预测正确的借贷标的样本数量为5 471，约占总数的86.1%，所以从整体上来看，本文所构建的Logit模型预测正确率为86.1%，此模型的预测达到了理想效果。
4.Logit回归结果分析
利用SPSS对解释变量和被解释变量进行Logit回归分析，得到公式5和公式6中的变量系数，如表3所示。
由公式7可知，借款利率增长1个单位，借贷标的风险概率上升0.37的百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.04个百分点；标的期限上升1个单位，借贷标的风险概率上升0.07个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.02个百分点。
此外，Wald统计量的Sig值在0—0.003之间，说明参数估计都不为0。由此可知，在Logit模型中，借款利率等4个变量对借贷风险的影响是显著的，通过对这四个变量的优化可以在一定程度上达到预测风险、防范风险的效果。 5.Logit模型的应用
为了验证本文所构建的Logit模型的适用性，本文利用互联网爬虫技术抓取了5 433条拍拍贷平台标的借贷数据，6 873条人人贷平台标的借贷数据，把抓取的数据按照上文的方法进行处理后分别带入Logit模型，利用SPSS进行回归分析。
（1）拍拍贷Logit模型结果分析
由公式9可知，借款利率增长1个单位，借贷标的风险概率上升0.77的百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.32个百分点；标的期限上升1个单位，借贷标的风险概率上升0.44个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.13个百分点。
综上可知，本文以解释变量为借款利率、借款人信用评价、标的期限、信息透明度、总资产增长率，被解释变量为借款标的风险，表现为存在风险或者不存在风险，所构建的Logit模型可以较好地反映我国互联网借贷平台借款标的风险发生概率。
五、结论与政策建议
（一）结论
第一，基于上文借款利率等4个解释变量与被解释变量借贷标的风险之间的Logit回归分析可知，借款利率增长1个单位，借贷标的风险概率上升0.37个百分点；而借款人信用上升1个百分点，借贷标的风险概率下降0.04个百分点；标的期限上升1个单位，借贷标的风险概率上升0.07个百分点；信息透明程度上升1个单位，借贷标的风险概率下降0.02个百分点。第二，我国网贷平台的发展呈现扩张趋势。伴随着我国互联网金融市场的低迷，许多投资者通过网贷平台将资金投向利益较好的产业，为中小企业的发展提供了资金支持，才促使我国网贷平台迅速发展。第三，网贷平台的主体越来越多元化。资金的提供者主要是事业单位、大型企业、私人投资者；借贷者主要为中小企业或个人。
（二）建议
1.加强内部经营管理体系建设，有效调节借贷利率变动
相较于外部因素来说，网贷平台内部因素显得尤为重要，通过有效的内部管理可以显著地改善网贷平台的收益水平[8]。借款利率是影响借贷风险的重要因素，而借贷利率的变动受到多种因素的制约，因此需要政府、企业联合行动来有效调节借贷利率的变动。首先，政府应该通过中央银行针对我国经济运行现实情况调节存款、贷款利率以及法定准备金率，不能盲目地变动利率。其次，各大网贷平台应该规范内部管理，聘请专业人才通过调查研究制定借贷利率。最后，企业要通过有效的内部管理，根据国家政策的变动及时调整平台的借贷利率。
2.完善信用评价体系
逆向选择与道德风险是西方经济学经久不衰的话题，完善的信用体系是规避借贷风险的必要手段。首先，政府要强化我国信用体系建设，加大对失信群体的打击力度，并且通过国民素质教育提升整体国民的思想道德修养[9]。其次，我国网贷平台应该积极构建自身的信用评价体系，并且严厉惩罚恶意违反信用规定的客户。
3.加强监管，提高信息透明程度
近年来，我国网贷平台发展迅速，我国政府也很重视网贷平台的发展，出台了各种政策鼓励网贷平台发展，但是我国政府缺乏对网贷平台的监管，即使有监管也是效率低下，难以起到有效的作用[10]。我国政府应该制定网贷平台运行规范，对从业人员学历、借贷规模等各方面做出严格规定，提高网贷平台的信息透明度，对于违反规定的网贷平台依法严格处理，此外，建立一体化的监督服务体系，至上而下层层监督，严格规范网贷平台行为，可以有效地避免系统风险。网贷平台应该利用互联网技术，提高自身的信息透明度以加强交易双方之间的信任。
【参考文献】
[1] 王保辉.互联网金融行业内部控制问题研究——基于“e租宝”与“支付宝”的对比[J].财会通讯，2017（35）：116-119，129.
[2] 网贷之家.P2P网貸行业2018年6月月报[EB/OL].http：//www.wdzj.com/news/yc/2690686.html.
[3] 杜永红，石买红，史慧敏.大数据环境下P2P网贷平台的风险评估与防范[J].会计之友，2016（22）：90-92.
[4] 李小龙.互联网金融的风险及其防范研究[J].时代金融，2017（6）：30-31.
[5] 陈慧宇，孙，谭中明.我国互联网金融风险分析与防范研究[J].金融经济，2016（10）：13-15.
[6] 梁晨曦.基于风险控制的小微企业互联网金融模式创新研究——以P2P网贷平台为例[J].经济师，2016（1）：84-85.
[7] 尹丽，罗威.互联网金融征信发展的模式选择——基于普惠金融视角[J].会计之友，2016（13）：99-102.
[8] 冯艳丽.基于P2P网络借贷模式的互联网金融风险探讨[J].商业经济研究，2015（11）：83-84.
[9] 翟辉，陈霞.互联网金融企业小额贷款业务会计处理探讨——以阿里小微金融为例[J].财会通讯，2016（19）：62-64.
[10] 童文俊.互联网金融洗钱风险与防范对策研究[J].金融会计，2014（8）：71-76.