网络信贷论文范文

2022-05-10

第一篇：网络信贷论文范文

基于复杂网络的我国信贷风险问题研究

摘要：近年来，我国商业银行不良贷款率升高，信贷投放面临着行业和客户的选择困难。但是，现阶段我国仍缺乏关于行业资金投放的理论和方法。本文利用复杂网络的方法研究经济系统中行业的信贷风险，提出地位系数这一指标来衡量局部行业间投入产出网络的对称性。然后，考察地位系数与KMV模型中行业违约距离之间的负相关性，并根据宏观经济以及国家政策对低风险和高風险行业的地位系数进行对比说明。最终，提出了切实可行的政策建议。

关键词：信贷风险;投入产出网络;行业地位系数;KMV模型

文献标识码：A

一、引言及文献综述

银行信贷是推动地区繁荣和发展的主要力量，银行不合理的信贷配置状况会增加信用风险。近年来我国商业银行不良贷款率上升，商业银行的信贷风险控制问题亟需解决。

李克强总理在2016年人大四次会议中外记者会上表示，通过市场化债转股的方式来逐步降低企业的杠杆率。债转股是消化商业银行不良贷款的一种后发方式，但是要从根本上降低商业银行不良贷款，就应该从贷款投放上人手。在信贷结构调整中，行业是改善商业银行信用风险的一个重要维度。但是，从理论上来看，我国尚未建立有效的信贷风险的计量模型，更缺乏行业层次上的指导性措施;从实践上来看，银行信贷投放的行业是高度相似的。

目前，理论界对商业银行信贷投放是集中还是分散这一问题已经有了比较丰富的研究成果。如现代资产投资组合理论指出“不要把鸡蛋放在一个篮子里”，适度的投资分散化可以有效地降低系统性风险。Douglas w.Diamond指出，贷款分散可以减少银行陷入财务困境的概率。在行业层次上，《巴塞尔协议Ⅲ》指出，由单一风险因子敞口过大而造成的行业集中度风险是造成银行信贷问题的重要原因。国内学者巴曙松等也指出，贷款集中度风险是导致银行发生危机的主要原因之一。

长期以来，国内外的研究成果显示，无论是监管当局还是银行自身的风险管理，都将信贷投放分散化作为完善商业银行信贷结构的重要措施。但是，这一看似完美的逻辑在银行信贷领域却未必是正确的。信贷集中在很大程度上会造成银行的风险聚集，但是信贷分散却并不必然导致银行的风险分散。那商业银行如何选择信贷投放的行业，来达到分散自身风险的目的就成为一个十分有意义的议题。

对于这一问题的研究，李卫东等将价值投资理论引入了商业银行的信贷决策研究中，他使用了“压力测试”的技术分析某行业的信贷投资风险，并结合产业结构的调整政策，结果发现对于某股份制商业银行而言，建筑业和批发零售业是理想的信贷投向目标。聂广礼也提到，我国信贷投向呈现出所属行业高度相似的特点。其中，制造业和交通运输业是最集中的信贷投放行业。

但是，鉴于我国关于行业的某些重要数据的不可得性，以及单一的研究视角，目前众多文献的说法都没有一定的系统性。Daron Acemoglu提出了经济系统波动的网络起源这一说法，即由于金融市场的复杂性，单一机构的金融风险最终可能演变为整个金融市场的系统性风险。简而言之，就是网络的不对称程度越高，这个经济体网络的风险就越大。因此，复杂网络可以作为一个切入点来分析行业在整个经济体中的风险程度。

就经济领域而言，近年来复杂网络理论已经得到了广泛的应用。目前国内外对于复杂网络在信贷方面应用的研究主要在两方面。一方面是采用复杂网络技术或者统计学理论进行推导，探讨信贷风险的传播路径。比如在个体微观层次上，Battiston等构建了“企业——金融机构”的二分网络模型，研究银行合作网络和企业信贷关系网络的各自特征。Augusto Hasman首次利用IMF提出的信用额度方法，通过研究银行间危机的传播路径，提出了预防危机传播的机制。另一方面，应用复杂网络技术着重分析信贷网络的拓扑特征。鉴于数据的可获得性，该领域的研究大多是对银行间市场风险暴露数据的建模分析，并证明金融网络具有典型的复杂网络特征。例如，Giulia Iori等通过研究不同规模银行之间的行为差异，以及它们的结构演变，进而帮助监管机构评估银行市场的效率。然而，这类研究还停留在统计特征的描述阶段，很少关注网络拓扑特征间的关联与拓扑特征对网络功能的影响，没有阐述信贷不合理现状的网络机理，因此未能提出提高信贷系统稳健性的理论措施。

本文致力于解决银行信贷的行业投向问题，从行业波动的网络起源这一角度出发，试图用行业系数来衡量某个行业在整个经济体网络中所处的地位，以便为商业银行的信贷投放及风险规避提供理论依据。

本文的主要贡献体现在：第一，创新性地提出了地位系数这一概念，用以衡量某个行业在整体行业网络中所处的地位，进而判断该行业的风险，并在行业层次上为银行规避信贷风险提供理论指导。第二，从衡量整体网络的对称性过渡到衡量局部网络的对称性，合理推测出局部网络对称性与波动性的关系。第三，利用多阶互联代替一阶互联，更加完善地衡量了投入产出网络中行业之间的级联效应。

本文安排如下：第二部分是行业地位系数的理论概述及数据的选取;第三部分是对地位系数的实证检验以及实际应用;第四部分是本文的结论及政策建议。

二、研究思路与数据

(一)研究的理论基础

1.网络不对称性和总波动的关系

根据Acemoglu的论证，在一个投入产出网络中，网络的波动性可以用如下式子衡量：

公式(1)表明整个网络的不对称性与网络总波动存在着正向关系。同时考虑不同部门之间的一阶、二阶互联关系，不仅表明了一些行业是大的供应商的事实，也蕴含着更加微妙的理念，即存在着一个行业的显著聚集区，这是由它们有共同供应商的事实造成的。

2.聚集系数

这是表示一个网络中节点的聚集程度。假设节点i的度为ki，即它有ki个邻节点(直接有边相连)。如果节点i的ki个邻节点之间也两两相连，那么在这些邻节点中就存在ki(ki-1)/2条边，这是边数最大的情况。在实际情况中，ki个邻节点未必两两相连。于是，我们将网络中的度为ki的节点的聚集系数定义为：

(4)

一个网络的聚集系数C定义为网络中所有n个节点的聚集系数的平均值，即：

(5)

显然有0≤C≤1，当C=0时，网络中所有节点的聚集系数都为0;当C=1时，网络中所有节点的聚集系数都为1，此时网络中任意两个节点都有连线，成为全局耦合网络。

3.网络中的不对称性

对称性的概念来源于自同构，节点集的自同构可以看作节点的一种重新排列，在重新排列的同时保留原来的邻接节点。如果潜在的网络图形仅包括一种排列变换，那么网络是不对称的，反之则是对称的。

普遍意义下的图形对称有连续对称、不连续对称、随机对称等。在很多文献中，对称性被定义为在改变给定的一组顶点集合的条件下，相邻顶点之间关系的不变性。相似的连接模式意味着有相同属性的节点趋于拥有相似的连接目标。以朋友之间的网络为例，有相似属性(教育背景、兴趣、年龄)的人，可能有相同的朋友。但是也有很多文献不拘泥于不对称的原始定义，而是根据需要采用新的方式重新衡量不对称性程度。Acemoglu则将部门间的不对称程度用网络中度序列的变异系数和二阶互联系数来衡量。Ben D.MacArthur认为，网络自同构在变换节点的同时并没有改变邻接节点，所以对称性网络有一定程度的结构冗余度。我们可以用自同构组结构来精确衡量这种冗余度，利用对称性将网络分解成不可约的因素的乘积，然后将其分别对应于对称的子网络进而研究普遍意义下网络的对称性。

(二)对网络节点局部对称度的定义

现有文献大部分都是从整体结构出发，找出某个指标衡量整个网络的对称性。由于本文旨在寻求网络中某个节点在整个网络中的对称性地位，因此本文另辟蹊径，从聚集系数出发，定义节点i的地位系数这一概念。

考虑一个经济体{εn}kn∈R，包含n个行业，行业间投入产出网络(局部图)如图1所示。不同的节点代表不同的行业，行业间的有向线段表示某行业对另一行业的投入，其中双向有向线段表示两者互相投入。

各个行业之间的投入產出关系可以表示为一个n×n的矩阵，矩阵中的单位(i，j)代表第i个行业对第j个行业的投入。为了方便计算，我们用矩阵表示网络中节点和边两个要素。如下所示：

其中，aij为矩阵中的元素，当从节点i到节点j有连线(单向连线)时，aij=1;否则aij=0。

定义：若一个有向网络中的节点i有m个节点与之相邻，则将节点i在此包含m+1个节点的局部网络中的地位系数Si定义为网络中实际与i相连的边数(i的主子式)与全连接情况下边数的比值。记为：

(三)地位系数合理性的理论证明

下面分两步证明地位系数在刻画节点在网络中地位的合理性。

当节点i的相邻节点不变(此时m固定)，增加此子网络的边数，则地位系数Si的分母不变，分子变大。显然此时节点i在子网络中的地位增强，子网络更加对称。

当节点i有(M-m)个新的孤立的相邻节点(即这些新的节点只与节点i相连)时，则此时子网络中的边和节点均会增加，地位系数Si的分子分母都变大。即有：

(8)

易证.S’ii，即节点的地位系数变差。

(四)数据选取

我们需要使用我国投入产出表来计算行业地位系数。投入产出表分为投入产出流量表、投入产出直接消耗系数表，以及投入产出完全消耗系数表。完全消耗系数是生产单位最终产品对某种总产品或中间产品的直接消耗与间接消耗之和，可以由直接消耗系数得到。

由于投入产出网络中存在级联效应，也就是说一个上游行业不仅仅会影响它的下游行业，还有可能通过下游行业影响其它的行业。用另一种说法表述，度较高的部门之间可能有相同的供应商。于是我们认为行业间的高阶互联关系就对应于完全消耗系数表，投入产出完全消耗矩阵计算方法如下所示：

(9)

其中，Bn表示完全消耗系数矩阵，An表示直接消耗系数矩阵。等式右边的第一项代表j部门对i部门的直接消耗量，第二项代表j部门对i部门的第一轮间接消耗量，以此类推，第n+1项代表j部门对i部门的第n轮间接消耗量。

由公式(1)、(2)、(3)可以看到Aeemoglu的相关文章仅仅考虑了一阶互联和二阶互联的情形。其中，式(2)、(3)和投入产出系数表的An，A2n在衡量级联效应的作用上是一致的。而代数形式上的三阶互联是很难给出表达式的，不过我们从投入产出完全消耗系数表的矩阵表达上给出了对应三阶以上的级联表达，即Ain，从而完美衡量了从一阶互联到n阶互联的情形。因此本文采用完全消耗系数表来进行下一步计算。

标准的投入产出表每5年编制一次，我们选取最近的2012年表(2015年下半年公布)。我们选取的是139×139行业的完全消耗系数表，而不去选42×42，是因为42×42划分不够细致，几乎所有的节点都有连线，这样网络呈现高度对称性，遮掩了行业间不对称的特性。

三、实证检验及应用

(一)地位系数与行业信贷风险的相关性分析

1.行业信贷风险的考量

在《巴塞尔资本协议Ⅲ》中，巴塞尔银行监管委员会推荐使用KMV模型进行内部评级。KMV模型是一种利用现代期权定价理论对风险债券和贷款进行估价，从而构建的违约预测模型。它能够充分利用市场信用和历史账面资料在现代公司理财和期权定价理论的基础上进行“移植处理”。并且，我国很多学者的研究表明，KMV模型在衡量我国上市公司的信用风险方面具有较强的适用性。

为进一步论证第一部分提出的地位系数的合理性，我们将利用KMV模型计算网络中每个行业节点中所有企业的违约距离，并通过违约距离与地位系数之间的相关系数分析证明我们提出的行业地位系数——在一定程度上等价于行业因子，可以很好地衡量各个行业在整体网络中所发挥的作用。

关于数据的选取。由于我们选取的是2012年的投入产出数据，考虑到投入产出表每五年编制一次，为了对应每年的数据，我们选取相邻的5年数据。从一定程度上来看，2010、2011年的投资等投入会对2012年有重要影响，而2012年的产出有一部分又会作为对2013、2014年的投入。因此我们选取2010、201l、2012、2013、2014年各个行业所有上市企业作为样本，考察其违约距离。

本文选取Wind数据库中证监会有关分类办法下71个行业中的所有上市企业，并利用Wind数据库沪深证券交易所2010-2014年年报中所提供的总市值、长期负债和短期负债等财务数据，以及通过向前复权处理的2010-2014年股票的日成交收盘价数据进行分析。

由于我国国债市场尚不发达，不存在完全意义上的无风险利率(利率的确定并没有完全的市场化)，本文在借鉴前人研究成果的基础上，选取中国人民银行2010-2014年公布的一年期定期整存整取存款利率作为KMV模型中的无风险利率，由于央行经常对利率进行调整，所以设定无風险利率为按全年天数加权平均后的利率。通过计算可得2010-2014年的一年期定期整存整取的无风险利率，见表1。

由表1可知，2010-2014年年的加权利率为分别为2.3%，3.28%，3.24%，3%，2.97%。

关于KMV违约距离的计算。KMV模型的最终输出结果是预期违约概率EDF，但是我国并没有完整的上市公司数据库。另一方面，在本文的分析中，只需证明地位系数的合理性，所以我们只需要计算出违约距离DD即可。

首先，根据股票价值及其波动性与资产价值及其波动性的函数关系，通过股票的收益率数据计算出股票价值和股票价值波动性，进而反向迭代估计出公司的资产价值和资产价值波动性，具体过程如下所示：

根据Black-Scholes-Merton期权定价模型，构建出股权价值与市场价值之间的函数关系：

(10)

然后，根据伊藤引理：

最后，根据公司负债计算出违约点DPT：

DPT=短期负债+50%长期负债 (13)

用第一步算出的资产价值乘以预期资产价值增长率预测出资产的未来预期价值，从而测算出违约距离DD，如下式：

(14)

其中，DD表示违约距离，E(VA)代表公司未来资产的期望值，DPT代表违约点，σA代表公司资产价值的波动率。本文利用Matlab 2014进行KMV违约距离的计算。

2.秩相关系数分析

我们在证监会行业分类和投入产出表行业分类一致的行业中，剔除上述KMV计算中指标缺失以及仅有少数企业的行业(不具有代表性)，经过数据剔除后剩余38家有效行业，如表2所示：

计算每个行业所有企业的违约距离，然后做行业地位系数与违约距离的散点图，如图2所示。从图2可以看出全样本企业违约距离与所属行业地位系数呈现负相关关系。

由于地位系数是属于行业维度的，又考虑到各行业众多企业参差不齐，我们去掉其中违约距离最大和最小的个别企业，计算每个行业中企业违约距离的期望以代表该行业的违约距离。行业违约距离与行业地位系数分布如图3所示。

求得行业地位系数序列和行业违约距离序列的简单线性相关系数为-0.535。考虑到经济体的非线性，又考虑到等级相关系数可以较好地衡量非线性相关性，我们对两序列进行排序，计算Spearman相关系数，如表3所示。其中违约距离越大，代表该行业风险越高;地位系数越大，代表该行业风险越低。两者在理论上为负相关关系。

由表3可知，两序列的Spearman相关系数约为-0.659。违约距离序列和地位系数序列互不相关的检验值为0.000，否定原假设，认为违约距离序列和地位系数序列是显著相关的，两种方法对行业稳定性的排序存在一致性。

(二)地位系数的实际应用

1.高风险和低风险行业的地位系数

基于本文研究发现的行业地位系数和行业中企业平均违约距离的负相关关系，我们提出将国民经济的139个行业划分为低风险、中度风险、高度风险三个等级。其中，低风险和高风险行业占比各为5%。在此，仅列出2012年前后低风险和高风险的行业名称及其排序，如表4所示：

在表4中，排序越靠前，代表地位系数越高，说明这些行业所处的子网络更加趋近完全对称网络，其稳定性越高，风险越低。其中，低风险的7个行业分别为水的生产和供应业、燃气生产和供应业、视听设备、社会保障、社会工作、租赁业和房屋建筑;高风险的7个行业分别为石油及核燃料加工业、批发和零售、煤炭开采和洗选业、货币金融和其他金融服务、商务服务业、基础化学原料和餐饮业。

2.国家政策层面的原因解读

由表4我们可以看出，低风险行业大都是一些社会福利行业和基础服务行业，由于这些行业和其他行业关联紧密，且国家对其中某几个行业重点扶持，因此这些行业的投入产出较为稳定，波动较小，代表企业的违约风险就小。例如，对于水的生产和供应业，发改委等有关部门在2011年调整和修订的《产业结构调整指导目录(2011年本)》突出了水利设施在农业产业结构中的重要作用，将水的生产和供应业划入了国家鼓励类的行业条目。

而高风险的行业则主要属于金融、煤炭以及石油化工等领域，这些行业多属于国家高度集中管控的行业，投入产出效率低下，受国家政策调节的幅度较大，故而产出波动较大，风险较大，代表性企业的违约风险就较大。例如，《产业结构调整指导目录(2011年本)》大大减少了对有色金属、钢铁、化工等重工业的鼓励类条目。2012年起，由于我国的经济结构转型，导致市场需求不足，而煤炭供应却继续保持增长，开始形成了产能严重过剩的局面。

四、结论与政策建议

利用投入产出网络，本文提出地位系数这一概念用来衡量某行业所处局部网络的对称性，并对其进行理论推导，证明其合理性。然后，选取与KNV模型可比较的38个行业，分别求出这38个行业的地位系数序列和违约距离序列，并且求其秩相关系数。发现秩相关系数高达-0.659并且显著。由此从实证角度说明本文提出的地位系数具有一定的实际意义。为了全面分析投入产出网络中各个行业地位系数与实际情况的差别，本文选取高风险和低风险(各占5%)的行业，并通过国家具体政策、宏观环境等因素分析论证其风险高或低的原因。最后，分别从银行信贷政策、行业自身发展以及投入产出表的角度提出如下具有针对性的政策建议：

第一，银行应将信贷投向行业地位系数较高的行业。本文的主要贡献就是在行业维度为银行的信贷投放提供一定的参考。基于行业不对称性和行业信贷风险的正向对应关系，本文建议商业银行在对不同企业投放信贷时，应该对企业所属的行业进行比较，参考行业地位系数，尽可能多的将信贷资金投向地位系数较高的行业，即低风险行业。同时，合理控制对具有较低地位系数的行业的信贷投放量。

第二，应尽量拓展行业间的业务联系。从行业自身的角度看，鼓励在科学研究的前提下做出一定的创新，探索不同部门间潜在的关系，分散化某行业的供应商以及下游行业，尽可能增加与其他行业的联系。如此，当一个行业受到某种冲击时，其传统的上下游行业因为有了与其他行业的联系，不至于损失过为惨重以至于引发金融危机。以“互联网+”为例，随着时代的进步，互联网与其他诸多行业交叉产生了很多新兴产业。互联网+餐饮产生了外卖，互联网+金融产生了支付宝、微信支付等等。它们结合在一起，把传统的生产消费升级，带给大众更好的體验，也为我国增加了大量的就业机会。同样，2015年“旅游+”战略的提出也将是产业融合发展的有力践行，不仅为旅游业的发展提供更多机会，同时将旅游的创新成果深度融合于经济社会各领域之中，提升其他产业的创新力和生产力，形成更广泛的以“旅游+”为先导的各项经济建设新常态。所以我们应当支持这种行业之间的拓展联系。

第三，参考通用标准制定新的投入产出表。由于我国投入产出表的编制起步较晚，所以相对于发达国家较为完善的投入产出编制表来说还存在诸多缺陷。而且我国政府尚未形成一个完整合理的行业分类表，投入产出表中的行业分类与证监会等权威国家机构的行业划分仍有较大差异。本文在研究过程中遇到的最主要问题就是行业分类过于粗广。根据《国民行业分类注释》(2011年版)，我国在2012年最细的投入产出表划分为139×139，而美国等国家的投入产出数据已经有四位数的行业了。究其原因，我国的投入产出表存在着明显的部门合并现象。例如，在2007年的投入产出表中，房屋建筑业、土木工程建筑业、建筑装饰和其他建筑业被划分为同一部门;批发和零售业划分为同一个部门;银行、证券和其他金融活动被划分为同一部门。2012年的投入产出表已经有了显著进步，建筑业、银行证券和其他金融细分开来，变成需要分别统计的对象。虽然我国投入产出表尚不完善，但是我们可以看到其逐步改进的迹象。在2017年的投入产出表核算中，希望国家统计局能深入研究联合国统计司推荐采用的《主产品分类》和《全部经济活动的国际标准行业分类》，逐步制定出一个较为规范统一的行业分类办法，并把其广泛应用于各部门行业类统计数据的收集工作中。

责任编辑、校对：郑雅妮

作者：张昴　聂广礼

第二篇：网络信贷风险的因应之策

中国网络信贷的兴起源于金融体系的供需错位，它有助于弥补现有金融体系对小微企业支持力度的不足，但金融和互联网的双重基因使其蕴含着更高的潜在风险

网络信贷是借款者和贷款者通过网络平台，实现债权债务合约在线交易的金融业务，既包括传统金融机构的“信贷网络化”(如网上供应链贷款、商户POS机贷款等)，也包括互联网企业的“网络化信贷”(如基于电子商务平台的小额信贷、P2P贷款)。本文重点分析近来迅速发展的网络信贷P2P平台的风险及因应之策。

新常态呼唤金融新业态

中国网络信贷的兴起源于金融体系的供需错位。中国经济要完成增长动力的接续，需要从模仿、追赶阶段，转向创新、引领阶段。在前一阶段，追赶的技术路径相对清晰，基础设施、基础产业等投资失败的概率较小，以间接融资、政府担保为特征的中国金融体系，发挥了大规模、高速度配置金融资源的作用。在新的阶段，全球新技术革命正在酝酿，但尚未形成如当年汽车、个人电脑、手机等那样可大规模商业应用的技术突破，中国技术后发优势已不明显，未来投资路径并不清晰，新兴产业投资失败的风险提高，传统金融结构表现出与实体经济转型的不适应性：

一是杠杆率过高。金融市场发展不足，债务融资远大于股权融资，金融体系的角色更多表现为债务利息的食利者，而非创新收益的分享者。这加剧了实体经济重规模、轻效益的倾向，抑制了创新要素的优化重组。

二是融资成本过高。正规金融对小微企业供给不足，不规范的民间金融又抬高融资成本，在传统产业利润下滑、新兴产业尚未成规模的情况下，实体经济背上高盈利的压力，大量金融资金追逐资产泡沫，投机气氛浓，创新创业者寡。

三是信息不对称严重。信用体系、法治环境、信息披露等制度不健全，金融市场信息不对称程度高，金融体系被迫采用高利率、互保联保等方式缓释风险，但高利率引发逆向选择，互保联保导致担保圈内企业经营脆弱性高。

网络信贷有助于弥补现有金融体系对小微企业支持力度的不足。

(1)网络信贷运用移动互联网、大数据、云计算等新技术，提升了金融服务的可获性、及时性和便利性，压缩了运营成本，推动了利率市场化，降低了小微企业融资成本(见表1)。(2)网络信贷将民间金融中的社会人情网络转移到互联网平台中，不仅有可能增加信息披露的透明度，还有利于调动更广泛的投资者，是民间金融阳光化的一种有益探索。(3)网络信贷小而分散的特质缓解了淤积于传统金融体系的风险集中度;又因其改善了电子商务生态，降低了小微企业资金链断裂风险。(4)网络信贷的开放性，决定了其融资活动本身也是项目市场价值试验的过程，为创新提供更多低成本试错机会，降低了项目失败风险。

中国网络信贷的兴起得益于电子商务的崛起。经过十多年的发展，中国电子商务平台已经成为集信息流、物流、资金流、信用流为一身的综合性平台，不仅交易物品，还以P2P和股权众筹等形式交易着包含创新、创意和创业思想的金融合约，成为大众创业、万众创新的重要动力。

2014年3月，“促进互联网金融健康发展”被写入政府工作报告，开启了互联网金融的“元年”，网络信贷特别是P2P业务爆发性增长。根据零壹财经统计，截至2015年1月末，中国P2P平台已达2035家，比去年同期新增1159家，同比增长132%。

网络信贷进入风险多发期

网络信贷的双重基因使其蕴含着更高的风险。网络信贷首先属于金融业务，具有金融固有的信用风险、操作风险和市场风险。同时，网络信贷又是互联网企业经营的业务，具有明显的互联网行业风险特征。网络信贷大发展的重要推动力是全球风险资本的追逐。为获得资本青睐，互联网金融企业前期更注重获得海量客户与业务，而不是收益和风险。互联网与金融都是高风险高收益行业，两者的叠加将有可能放大风险。

监管真空下的网络信贷风险频发，P2P网络信贷平台的风险尤为突出，迄今累计爆发风险的问题平台高达465家，仅2014年12月和2015年1月份就新增问题平台170家(见图1)。由于信贷业务风险的滞后性，加上某些机构“拆东墙补西墙”来文过饰非，目前暴露出的风险可能只是冰山一角。

从产生的原因来看，网络信贷风险有以下四类。

无序竞争风险。由于相关法律法规尚未到位，处于监管空白的网络信贷，不仅引发了互联网金融机构之间竞相主动降低手续费的价格竞争，也可能依法引发互联网金融机构与传统金融机构间的恶性竞争。

法律风险。司法实践对网络信贷电子签名的有效性、正当性、合规性认识不一。根据我们的调研，在杭州市的司法实践中，当网络信贷出现违约而诉诸司法时，只有一个阿里小贷的案例被法院判定为有效合同。

恶意诈骗风险。一些网络信贷平台以抽资跑路为最终目的，利用庞氏骗局原理，通过高收益率吸引投资者，再利用后续投资者资金偿还之前投资者的本息，最终使得投资者血本无归。

资金池风险。不少P2P平台超越了信息中介的功能，承担信用中介和资金中介的角色。有些网络信贷平台在没有借贷项目时虚构借款信息，先向投资者筹集资金，构建资金池，然后再匹配项目，甚至将投资资金挪为己用。

监管立规是化解

网络信贷风险的根本

监管真空导致网络信贷市场“劣币驱逐良币”。出于保护创新的考虑，全球对网络信贷的监管都处于探索阶段。金融是牌照特许经营的行业，监管部门设置的准入门槛、经营规范、退出机制等产生特许权价值，特许权价值的存在有助于减少金融机构的道德风险。在监管空白下，网络信贷市场将失去特许权价值的约束，优质、理性的互联网金融机构将因恶性竞争而被迫退出。对于中国网络信贷市场而言，当前须从以下几方面完善监管。

变主体监管为行为监管。中国以主体监管为特征的监管框架，与网络信贷跨行业经营、交叉型业务的特点并不相符。应改革现行监管模式，将监管对象从网络信贷参与主体转为参与主体的经营行为，通过部门间的协作配合，促进监管信息交流和资源共享，提高监管透明度和监管效率。

设置准入门槛。网络信贷平台作为应用互联网从事金融业务的机构，具有很强的专业性，应有一定的门槛，对从业机构要有明确的注册资本、高管人员专业背景和从业年限、公司治理等规定，对其风险控制、IT设备、资金托管等也应有合理的资质要求。

强制信息披露。互联网金融机构要向市场披露自身的管理和运营信息，也要向投资者做好风险提示，开展必要的外部审计。要明确投资人的资金来源，落实实名制原则，避免违反反洗钱法规。融资人必须接受债权人的公开监督，定期公布资金使用状况、经营现状等信息。

明确业务边界。P2P机构要遵循信息中介业务的本质，明确其为小额借贷提供信息服务的定位，不能持有投资者的资金，不能建立资金池，不能将信用风险传导到金融主体，防止出现“类银行化”的监管套利。

建立健全退出机制。可考虑通过行业协会建立风险共担基金或投资者保护基金，由互联网金融企业依据业务规模和风险状况，按一定比例缴存，避免因个别互联网金融机构经营失败造成系统性恐慌。

发挥自律规范的作用。行业自律是监管的必要补充。对于创新层出不穷的网络信贷，政府监管的调整往往不能同步适应。而自律相对灵活，对于监管成本过高的领域，通过自律可实现业务自治和规范。

保护投资者，化解风险

为吸引投资者，国内不少网络信贷平台都提供本金担保甚至保息承诺。担保方式有三种，一是平台提供的自担保，二是平台所在集团的子公司提供担保，三是第三方担保机构的担保。应明确禁止第一种担保方式，以免形成“类银行化”的监管套利。对第二种方式也应有所限制，以防止关联企业间的风险传导。第三方担保方式虽可行，但“去担保化”是网络信贷的发展趋势，过分强调担保的作用不利于网络信贷覆盖更广泛借款人的初衷;而且，第三方担保机构资本金存量有一定的杠杆要求，过度依赖第三方担保会限制网络信贷业务的发展。我们必须寻求更法治化、市场化的方式保护投资者利益。

健全网络信贷的法律基础。投资者利益得到保护的一个前提是，法院对网络信贷债权债务关系的确认。法院判断借贷关系是否成立的一个重要依据，是银行交易的流水凭证。但由于运用在线签名技术来规范借贷双方的权利义务，网络信贷在司法实践中的法律有效性不足。司法机构和监管部门应尽快明确现有《电子签名法》在网络信贷业务上的具体司法解释，制定网络信贷电子签名的应用规范，指导各级法院有效应对未来有可能多发的网络信贷法律纠纷。

设置多元化的投资人保护工具。发展多元化的投资人保护工具，能实现市场化的风险分担。例如安全保障基金。可将借款者的手续费以一定比例存入第三方保管的安全保障基金里，用于贷款违约时的本息偿还，网络信贷平台无权使用该基金。再如借款保险。英国Lending Works公司采取了保险政策来防止贷款风险，该保险可对最多10%的借款总额进行违约保护，这一比例远高于其预期1.54%的违约损失率。

防止不知情投资。许多网络信贷平台宣传“低门槛投资”，用“预期高收益”来博眼球、上规模，误导投资者进入高风险项目。应设置一定标准的投资人准入门槛，从资金实力、风险偏好等制定准入标准。在具体实践中，可用投资者偏好程度在线测试，开展投资者风险承诺在线抄写，让投资人充分知悉项目风险。

明确单笔投资限额。小额、分散化投资是降低网络信贷风险的重要手段。然而，国内有些P2P平台并不设置单笔投资限额，鼓励资金雄厚的投资人集中投资，有的单笔投资超过10万元，大大超出了国际同业的标准(美国Kiva与Prosper公司都建议投资者将资金分成25美元)，违背了网络信贷风险分散的原则。

第三方托管体系强监督

目前网络信贷业务尚未出现大范围违约现象，风险更多表现为平台负责人携款“跑路”带来的资金安全问题，而这凸显出网络信贷资产托管体系的隔离度不高、监督作用不足的问题。目前，P2P信贷资产的托管功能主要由第三方支付机构承担。但受业务范围和专业能力制约，第三方支付机构实现的功能主要停留在资金清算结算层次，并不能对交易的有效性、真实性与合法性进行监督和管理，无法有效降低平台负责人挪用资金的风险。

未来，应在网络信贷市场上引入统一的债权登记结算机构，并在此基础上建立起商业银行主导的第三方资产托管体系，发挥托管银行的投资监督和信息披露功能。

引入统一的债权登记结算机构。为避免证券公司虚拟、伪造交易，各国证券市场往往设立了“证券登记结算公司”这样一个第三方机构，为证券交易提供集中的登记、托管与结算服务，以便托管银行对证券公司的证券交易数据进行清算核对。

在网络信贷市场上，也可建立类似的第三方债权登记结算中心，对信贷合同进行独立保存和审查，降低P2P平台公司虚设项目、挪用资金的风险;并为二级市场提供集中的登记、托管与结算服务，便利二级市场交易，提高网络信贷的流动性。

发挥托管银行的投资监督功能。托管银行应对借款人信息真实性进行技术性审核，辨别电子签名的真伪，确认借款行为的有效性和合法性;并根据借款合同及托管协议约定，严格监督信贷资金的用途、关联方交易、反洗钱等。当发现平台公司出现疑似虚设项目、套取资金的行为，托管银行要及时质询平台公司，向投资者发出公告，并报告监管部门。

发挥托管银行的信息披露功能。监管部门应出台网络信贷的信息披露指导标准，让平台和托管银行共同对信息披露的真实性、合理性负责。托管银行应定期(如每月末)制作P2P平台整体的财务报告，收集具体项目的收费标准、资金用途、借款人财务状况等。信息披露报告要及时向相关监管部门上报，并通过P2P平台的网站向投资者公布。

作者为国务院发展研究中心发展部研究室副主任

作者：卓贤

第三篇：大学生网络消费信贷使用意愿研究

摘要：网络消费信贷在大学生群体日益普及。本研究构建由信贷产品属性、经济因素、网站属性和个体因素对大学生网络消费信贷使用意愿模型，提出相应的研究假设，经Amos17计算后的结果表明，研究假设均成立，即个体因素、网站属性、经济因素和产品信贷属性对大学生消费信贷使用意愿的影响程度逐步递减。本研究最后提出建设性的意见。

关键词：网络消费信贷;使用意愿;影响因素

引言

网络消费信贷是电子商务平台(购物平台、支付平台等)推出的面向网上市场的一种信贷产品。以“电商+网贷”为代表的大学生网络消费信贷发展迅猛。虽然大学生资金来源是以家庭资助为主，但是大学生规模大，消费能力可观，是网络消费主力军，所形成的网络消费信贷市场巨大。据腾讯科技《企鹅智酷》调查显示：接近50%的样本大学生愿意尝试网络分期贷款。因此，准确把握网络消费信贷使用意愿的影响因素，有助于帮助大学生树立在能力范围内进行合理、健康和积极的消费观念;有助于网络商家根据这些影响因素制订和调整营销战略，以获得更多的利益;也有助于主管部门制定针对性强的监管措施，保障合法消费信贷产品，打击非法产品扰乱经济秩序、破坏稳定，具有重要的紧迫性、经济意义、社会意义和法律参考价值。

1、文献综述

京东白条和蚂蚁花呗等网络消费信贷产品发展迅速。因传统金融机构对大学生的评估排斥和營销排斥…，使得大学生流向审核门槛较低或不严的网络信贷平台。黄丹妮和王文荣(2017)调查发现，大学生消费信贷用于生活消费超过半数，用于学习仅为14%，娱乐占13%等，说明精神上的愉悦、高品质的生活方式等需求是大学生消费行为驱动力之一[2]。陈璇和熊学萍(2017)的研究结果指出，绩效期望、社会影响、信任因素和消费场景正向影响大学生使用校园互联网消费金融意愿[3]。段海平(2017)实证分析结果表明：表现为融资偏好特征的行为态度、预期未来收入的主观规范和交际圈使用产品及服务情况的感知行为正向影响大学生网络消费信贷意愿[4]。冯辉(2017)从法制层面指出，因主体的民事行为能力与消费认知能力的落差，出于保护目的，适当延长大学生行使合同解除权的时限[5]。目前，大学生网络消费信贷市场快速扩张，但针对大学生的网络消费信贷使用意愿的研究较少。本研究使用结构方程模型探讨影响大学生网络消费信贷使用意愿的影响因素，可作为网络信贷平台和网络商家的营销措施以及监管部门政策制定的参考。

2、研究框架

2.1 研究模型

结合已有文献研究成果和研究目的，本研究模型是由信贷产品属性、经济因素、网站属性和个体因素四个维度构成。

(1)信贷产品属性

产品属性是指产品自身所拥有的特质。网络消费信贷产品不同于传统产品的一种虚拟信用产品。对于大学生们来说，网络消费信贷特质成为他们消费信贷的替代性选择。

①手续简单。网络消费信贷产品依托于电子商务平台，其申请手续只需在相应的平台点击“确认”按钮。前提是获得相应的信用额度，然后进行信息完善便可以使用。

②操作便利。在电商平台购买商品时只要点选相应的网络消费信贷进行付款，操作简单快捷。很多大学生因为操作便利性而选择使用消费信贷进行结算。

③延迟付款。网络消费信贷是一种“先消费后还款”全新的结算方式。在使用网络消费信贷进行付款时，可获得无息延期付款的福利。

④还款时限。众多的网络消费信贷产品中，京东白条和蚂蚁花呗是两款发展比较成熟的信贷产品。京东白条可享受最长30天的还款时限，蚂蚁花呗只需在消费者确认收货的下月10号还款。较长的还款时限缓解了资金紧张的还款压力。

综上所述，本研究提出如下假设：

H1：信贷产品属性显著影响大学生消费信贷使用意愿。

(2)经济因素

①可支配资金。大学生可支配资金来源多数是父母给予的生活费。大学生购物时将充分考虑到自己的生活费有多少能花费在网络购物上或者在下月还款时是否有足够的资金支持还贷。

②价格水平。大学生在购物时往往想用最低的价格来获得最大的使用价值，同一种商品往往会查看不同商家的报价，做出最终消费选择。

③理财收益预期。当余额宝等理财产品收益率较高时，大学生愿意将闲置生活费投入余额宝等，而用消费信贷购买商品，然后下月按时还款。

综上所述，本研究提出以下假设：

H2：大学生的经济因素显著影响大学生使用意愿。

(3)网站属性

①安全认知。网络信贷平台根据大学生消费记录进行信用评级和授信，所绑定的银行卡等信息仅限平台内使用，不对外透露。大学生信赖支付宝等平台安全技术对风险管控，放心使用网络消费信贷。

②商家支持。在电子商务平台上并非所有的商家都支持蚂蚁花呗等消费信贷。大学生购物时或多或少偏向于可以使用网络消费信贷的商家进行购物。

③促销活动。大学生群体很喜欢促销活动。一些商家常常利用这种消费心理采用促销手段，推出满减活动、优惠券活动以及打折等促销活动。大学生购物时会将促销活动作为重要因素进行考量。

④信任水平。当购物平台和商家获得大学生更高的认可度和信任度，大学生愿意在该商家使用网络消费信贷购买自己所需商品。

⑤使用评价。大学生网购时会查看其他购买者的消费信贷评价。他们根据评价内容选择是否购买该商品。

综上所述，本研究提出以下假设：

H3：网站属性显著影响大学生消费信贷使用意愿。

(4)个体因素

①认知水平。大学生对消费信贷了解程度包括消费信贷产品本身、使用方式及还款的手续、方式等，这对大学生选择消费信贷有很大影响。

②关注水平。大学生对网络消费信贷的相关新闻、促销优惠活动和广告关注程度会影响大学生使用意愿。

③消费习惯。大学生已习惯于网上购物，喜欢追求新颖商品。新型付款方式和消费方式符合大学生这一消费习惯。

④消费态度。有的大学生喜欢在自己的能力范围内进行消费，有的大学生喜欢超前消费。这两种消费态度一定程度上影响大学生使用意愿。

⑤从众心理。大学生群落归属感强。当身边人在使用消费信贷时，他们不甘落后而选择消费信贷进行购物。

综上所述，本研究提出以下假设：

H4：大学生个体因素显著影响大学生消费信贷使用意愿。

2.2问卷设计与收集

本问卷采用李克特5级量表，赞成程度从低到高。被调查者选择“非常不同意”赋值为1， “非常同意”赋值为5。本次调查对象主要是在校大学生，包括研究生和专科生。问卷发布在问卷星网站，一共得到227份有效问卷。

3、结果分析

3.1 信度和效度分析

3.1 统计分析

在227个样本中，有102位大学生使用过网络消费信贷进行购物，每个月使用消费信贷进行支付商品价款的次数以“1-3次”人数最多，说明网络消费信贷越来越受到大学生的欢迎。

信贷产品属性、经济因素、网站属性和个体因素对使用意愿的Cronbach's Alpha系数分别为0.654、0.540、0.647、0.512和0.711，属于尚可接受范围。问卷整体信度系数为0.830，信度水平较高。

问卷KMO值为0.823，巴特利特球体检验值为2413.025，显著性概率小于0.01，表明问卷有效性较好。

3.2路径结果分析

经AMOS17.0计算得到的标准化路径系数如图1所示，潜在变量对目标变量和测量变量对潜在变量的假设且均通过570显著性检验。

(1)个体因素

大学生个体因素与网络消费信贷使用意愿路径系数为0.96，是影响大学生网络消费信贷使用意愿的最重要因素。其中消费态度路径系数为0.55，是个体因素中影响最大因素。关注水平路径系数为0.45，说明大学生较为关注网络消费信贷发展状况。认知水平和从众心理对使用意愿的影响程度较低，路径系数分别为0.39和0.40，一定程度上表明一定的外界刺激才能激发大学生使用意愿。大学生消费习惯对使用意愿影响最小，说明在很短的时间内很难改变大学生的消费习惯。

(2)网站属性

网站属性与大学生网络消费信贷使用意愿路径系数为0.86，影响程度仅次于个体因素。使用评价因素的路径系数为0.60，说明大学生使用网络消费信贷时很关注其他用户的使用评价。商家支持路径影响系数为0.58，表明大学生付款时首先会查看此商家是否支持网络消费信贷。安全感知的路径系数为0.48，支付安全是很多大学生考虑使用网络消费信贷时的重要参考因素。促销活动和信任水平对大学生使网络消费信贷用意愿影响程度最小，路径系数都为0.44。

(3)经济因素

大学生网络购物时首先考虑自己的经济水平能否负担起所购物品。经济因素与大学生网络消费信贷使用意愿的路径系数为0.78，影响程度低于网站属性因素。可支配资金与经济因素路径系数为0.65，是影响其最大的一个因素。物价水平在一定程度上影响着大学生的网络消费信贷使用意愿，其路径系数为0.61。当物价降低时会刺激大学生进行消费。投资理财率对大学生的网络消费信贷使用意愿影响程度最小，路径系数仅为0.37，但这种影响不容忽视。

(4)信贷产品属性

信贷产品属性与大学网络消费信貸使用意愿路径系数为0.70，是潜在变量中影响程度最低因素。其中操作便利对信贷产品属性影响程度最大，路径系数达到0.75。申请手续简单也是大学生选择使用网络消费信贷的一个重要因素，路径系数为0.72。因大学生不允许申请信用卡，消费信贷无疑是最好的替代选择。延迟付款和还款时限的影响程度基本相当，其路径分别为0.46和0.44，说明大学生对这两个因素重视程度不够强烈，他们有相当强的自制力控制自己在规定还款时限内还款。

4、建议

(1)鼓励商家支持网络消费信贷

电商平台上的卖家接入蚂蚁花呗、京东白条等合规网络消费信贷，解决大学生网购时信贷资金需求，进而满足其消费需求。

大学生和其他消费者一样注重网上评价。卖家提供优质产品，坚持良好服务态度，提供便捷多样的支付方式，得到消费者好评，赢得大学生前来购买。

(2)优化信贷产品设计

技术无处不在，每时每刻进步，网络消费信贷产品加强风险评价，设计符合大学生实际购买力和承担力的信贷产品，避免大学生违约率增加。

(3)加快制度更新，完善法规

加快完善法规，弥补漏洞，更好地支持和夯实网络消费信贷发展的制度基础。

(4)坚持正确宣传导向

深入了解大学生消费心理，坚持正确消费引导，鼓励正确消费、量力消费和适度消费，重视自身信用积分。

(5)保障网站安全

不断提高网站抵抗(黑客等)技术风险能力、保护注册用户隐私内容，维护网站正常操作。