基于Logistic回归的P2P平台风险预警研究
贺慧 宋良荣（上海理工大学）
【摘要】 自2007年首家P2P网络借贷平台在我国成立，P2P平台凭借门槛低、效率高、操作便捷等优势迅速受到追捧，此后P2P平台呈现遍地开花之势，但是平台数量激增的背后各种风险问题就暴露出来，特别是2018年6月份以来出现的集中爆雷潮，大量P2P平台出现延期兑付、提现困难，甚至跑路等问题，一时间P2P行业陷入一片混乱，严重危害了金融行业稳定性。本文尝试建立网贷平台风险预警指标体系，通过Logistic回归分析建立P2P网贷平台风险预警模型，并从平台自身角度和外部监管监督提出建议，为P2P企业风险管理提供参考，从而为P2P行业健康持续发展做出贡献。
【关键词】 P2P平台；风险预警；Logistic回归
一、引言
随着互联网金融的兴起，各种模式的新型金融开始出现在大众眼前。2007年6月，中国首家P2P平台拍拍贷在上海成立，作为一种新型金融模式，迅速引起了广泛关注。相对于传统借贷模式，P2P网络借贷打破了地域和空间的限制，随时随地为借款人提供便捷、高效的借款服务，同时为中小企业和个人提供了一种新的投融资渠道。根据网贷之家统计，截止到2018年12月31日，我国P2P网贷平台总数达到6441家，但是问题平台累计2663家，问题平台占平台总数的41.34%。特别是2018年6月以来出现的P2P平台集中爆雷潮，让整个行业陷入了一片灰暗之中，也严重影响了金融行业的稳定性。这不得不引发我们关注到风险的重要性。因此，如何对P2P平台风险状况进行有效预警，并建立相对应的风险预警机制显得十分重要。
基于风景旅游区的旅游小镇不同于新建特色小镇，主要是在原有村庄或场镇的基础上进行优化建设，主要是服务于旅游景区功能的延续，以原有尺度构成进行合理的增设项目，要专注于文化、内涵、特色和旅游服务功能的提升和改善。
本文借鉴业内相关机构所做的网贷机构风险评级体系，然后建立风险预警指标体系，通过Logistic回归建立P2P网贷平台风险预警模型，并从平台角度和外部监管监督提出建议，希望为P2P网贷平台风险预警提供参考。
3)从具体物理量场诊断分析可知,据降水量调整方案构造的集合预报系统一定程度上改进了控制试验对系统预报偏东偏南的不足,水汽输送大值区范围与实况更接近,从而使得暴雨发生区域的模拟相对准确,改善了降水预报效果。
8-2处理（8倍胸径两侧）处理1~5级根的IAA、GA、ZT含量及 IAA/ABA、GA/ABA和 ZT/ABA比值均显著高于对照、6-2（6倍胸径两侧）和10-2（10倍胸径两侧）处理，而ABA含量明显低于其他处理。随根序的升高，各处理细根的IAA含量和IAA/ABA比值逐渐降低，而GA、ZT、ABA含量和GA/ABA、ZT/ABA比值呈递增趋势。同时，不同处理细根的NR、GS、GOGAT和GDH活性随根序的增加而呈递减趋势；8-2处理1~5级根的这4种酶活性均显著高于其他处理，而 1~2级根的GS/GDH比值最低。此外，8-2处理的材积生长率最高，并与其他处理差异达显著水平。
二、文献综述
作为新兴互联网金融的P2P网络借贷平台，发展以来就受到了国内外广大学者的关注，业内人士和专家学者从各个方面展开了对P2P平台风险的研究。
从技术层面，主要从信息输出、加工、使用三个方面来比较BIM与传统项目管理系统的区别。工程项目参与方较多，信息输入多停留在本部门或者单体工程的界面，易形成质量信息孤岛。整个工程的相互传输不及时，阻碍了整个工程的信息统计汇总。建设行业是大数据行业，工程的图纸、文件、资料等质量文档，一般以纸质的形式保存，电子文件格式繁多，没有统一的数据接口，造成无法随时查询工程质量信息，影响了质量管理和信息的使用效率（见图3）。
考虑到指标数据的可得性，借鉴现有评级体系，本文将P2P网贷平台面临的风险分为四大类型，并选择了相应指标来衡量，具体见表1。
现有的对P2P平台风险的研究大部分都是基于理论分析，部分研究也尝试建立模型，但是局限于单一风险。所以本文尝试建立P2P平台风险预警指标体系，并通过Logistic回归建立风险预警模型。
Logistic回归分析前提之一是变量之间不存在多重共线性，所以首先进行多重共线性检验，见表2。
三、风险预警指标体系构建
目前，对网贷平台风险评级的研究比较出名的有以下几个：网贷之家从成交积分（12%）、人气积分（11%）、技术积分（5%）、杠杆积分（6%）、流动性积分（12%）、分散度积分（5%）、透明度积分（11%）、品牌积分（20%）、合规积分（18%）这九个方面进行风险评级，泰格金融和棕榈树策划从背景实力、管理团队、风控能力、合作方担保实力能力、IT系统支持、客户体验、运营能力、重大事项这八个角度进行评级，融360大数据研究院从背景实力（30%）、平台风险控制（25%）、运营能力（20%）、信息披露（15%）、用户体验（10%）进行风险评级，易P2P网贷研究院从安全性（50%）、收益性（35%）、流动性（15%）这三大方面进行风险评级。
王裕锋（2018）在风险管理理论的基础上，分析了P2P网贷平台主要面临两大类型风险，一种是传统风险，另一种是互联网金融的特有风险，综合运用层次分析法和模糊综合评价法对P2P网络借贷平台进行风险管理研究，构建了风险评价模型并运用在人人贷上。孙龙龙（2018）从公司治理角度选取6个指标，从市场运营角度选取9个指标，通过因子分析法根据风险管理水平的高低对选取的100家平台进行排名。武鹏华（2016）主要对P2P平台的信用风险进行实证研究，搜集人人贷借款用户的个人信息资料，然后建立了信用风险评分模型，达到了很好的预测效果。Daniel Felix Ahelegbey（2019）认为P2P平台可以降低成本并提高信用贷款服务水平，但是这些改善可能是以较差的信用风险计量为代价的。Carlos Serrano-Cinca（2016）提出了用利润评分系统来代替P2P平台贷款信用评分系统，用内部收益率来衡量投资于P2P贷款的预期盈利能力，通过分析40901个P2P贷款项目发现了决定贷款盈利能力的因素与决定违约概率的因素不同。
表1 P2P网贷平台风险预警指标体系
四、实证研究与结论
（一）数据来源与数据处理
本文选取了截至2019年2月还在正常运营的160家P2P网贷平台和出现问题的40家风险平台。本文P2P网贷平台的数据主要来源于：（1）通过网贷之家和wind数据库获得定量指标数据；（2）通过所选取的200家网贷平台官方网站和网贷之家获得定性指标信息。
因变量为风险大小，假设正常平台取值0，问题平台取值1。由于不同的指标具有不同的单位和意义，所以要先对这类数据进行标准化处理，消除数据量纲上的差异。本文选择用Z-Score进行标准化处理，基础模型为：
本体的构建是语义网建设的基础性工作，关系语义网使用的好坏。主要涉及3方面内容：本体的描述语言、构建方法和构建工具。
其中，
为定量指标数据，
为平均值，s为标准差。
（二）Logistic回归模型构建
根据表5可得到回归模型为：
对于需求方，在中国经济快速发展这个大环境下，物价也随之提高，各大企业更是坐地起价。而共享经济为需求方提供的服务，往往低于市场企业价格，这时选择共享经济下的商品和服务，对于需求者来说是有利的。以首都北京为例，在非高峰期的时段打车走十公里的路程，需要花费四十分钟的时间成本和34元的人民币资金成本。现在共享经济下推行的滴滴打车却只要二十五元人民币，在这种情况下，共享经济带来的优惠就成为了需求方的额外收益。
(3)政策保障：①学院出台优惠政策，优先保证和鼓励学院“双师型”教师通过选拔流程进入中德培训跨企业培训中心担任培训师，承担职业模块课程教学、培训项目开发与实施、成果转化和对外技术服务等工作；②学院引进德国双元制培训师资质培训(AEVO)认证体系，让每一位培训师获得双元制培训师资质证书。
表2 多重共线性检验结果
一般来讲，容差小于0.1或方差膨胀因子（VIF）大于10，可认为存在多重共线性。从上表可以看出，容差都大于0.1，方差膨胀因子也都小于10，所以可认为变量间不存在多重共线性，可以用这些指标进行Logistic回归分析。
2.Logistic回归结果
表3 模型拟合优度检验
表3中，-2 对数似然值为54.507，数值较小，且大于自由度为14的卡方临界值23.7，说明模型整体拟合优度较好。
表4 霍斯默-莱梅肖检验
表4中，卡方值为5.599，小于自由度为8的卡方临界值15.51，说明通过检验。对应的P为0.692，大于0.05，说明模型拟合效果较好。
1.多重共线性检验
表5 模型回归结果
观察并比较绩效考核对护士工作积极性的影响。在自我管理、护理质量以及考核评分方面采用百分制对各护士进行评分。而护理满意度由各个病房的患者对其评分,总分5分,评分越高,说明满意度越高。
根据结果可知，平均参考收益率、提现费用、待还余额与平台风险发生概率成正相关，资金净流入、成交额与平台风险发生概率呈负相关。具体来看：（1）平均参考收益率越高的平台，往往平台客户资源不足，所以平台想通过高投资回报率来吸引投资者，风险与收益成正比，高回报率也意味着更高风险。（2）提现费用指标与平台发生风险概率成正相关，平台是否对客户提现收取费用一定程度上反映了平台资本实力强弱，提现费用也是平台盈利来源之一，倘若平台不收取提现费用，则一定程度上能吸引更多客户资源，从而增加平台成交量。（3）待还余额与平台发生风险概率成正比，待还余额越多，平台发生风险概率越大。这是因为尚未偿还的借款越多，则客户发生违约的概率越大，也容易导致平台由于流动资金不足而引发流动性风险。（4）资金净流入与平台发生风险概率成反比，资金净流入越大，平台发生风险的可能性就越小。资金净流入为正表明平台资金链比较健康，发生流动性风险和平台违约风险的概率较小；资金净流入长期为负的话可能会导致平台出现提现困难的问题，甚至容易引起平台跑路。（5）成交量与平台发生风险概率成反比，平台成交量越大，说明平台社会认可度越高，客户资源多，表明平台综合实力较强，平台发生风险的可能性就越小。
根据表6，实测是正常平台而且被预测为正常平台的有149家，实测是正常平台但是被预测为问题平台的只有1家，预测准确率高达99.3%；实测是问题平台而且被预测为问题平台的有43家，实测是问题平台但是被预测为正常平台的有7家，预测准确率为86%。总体来看，模型的预测准确率高达96%，表明该模型预测风险准确率较高，可以用来对P2P平台风险状况进行预警。
表6 模型有效性检验
3.模型有效性检验
五、对策与建议
（一）平台自身角度
1.建立风险预警制度
P2P平台要想防风险于未然，就要建立完善的风险预警制度。简单来说，首先，要及时发现哪些因素可能诱发风险，将这些因素控制在合理范围内以降低风险发生的可能性，还要利用这些因素对风险进行评估，判断风险是否会发生以及发生后会造成哪些影响，然后根据企业风险偏好和风险承受能力选择风险应对方式。企业应该建立风险预警机制，这样能在风险发生前就预测到这种风险是否会发生，并及时采取应对措施。
2.加强内部管理
为了降低风险，P2P企业要从自身出发，加强内部管理，加强对借款人的审核管理、加强交易管理、完善人才管理制度。加强对借款人的审核管理，是因为P2P平台很大一部分风险来自于借款人，所以应该从源头上控制风险，防风险于未然。P2P企业可以考虑跟银行的征信系统联系起来，以此获得借款人准确的信用信息，减少借款人违约风险。另一方面，平台要加强交易管理，根据本文分析可知平均参考收益率、待还余额与平台风险大小成正相关，所以平台不应该为了一味吸引投资者而追求很高的收益率。平台还应该加强对借款人待还金额的及时追回工作，降低平台待还余额，减少平台发生提现困难等危机。另外，P2P平台还要完善人才管理制度，P2P平台依托移动互联网技术、大数据等先进技术而发展，如果员工专业性不强，就会使平台贷款质量降低，容易发生各种风险。
（二）外部监管角度
1.完善法律法规
没有规矩不成方圆，任何行业都应该受到相关法律法规的监管。P2P行业初衷就是为了发展普惠金融，解决中小企业和个人融资难的问题，这个初衷也使得平台准入门槛低。这一方面有利于P2P平台扩展，另一方面也是极大的安全隐患，导致平台问题频发。所以，相关监管方应该制定法律法规提高P2P行业准入门槛和完善行业退出机制，更重要的是要贯彻落实法规政策，严惩不合规经营的平台。
2.建设网贷行业征信体系
P2P平台很大一部分风险来源于平台借款人，所以要降低平台风险，就要对借款人进行严格筛选，信用状况不达标的借款人应该被严格拒之门外。但是很大一个问题是如何对借款人信用状况进行准确判断，因为平台业务都是在互联网上进行，就算实地考察借款人信用状况，也不一定能获得真实信息，而且平台依靠自身去识别借款人信用水平的成本非常大，所以相关部门可以考虑将网贷平台借款人信用核查与央行个人征信系统联系起来，并且实现网贷平台间借款人黑名单共享，从而降低违约风险。
综上所述，要维持P2P行业持续健康发展，一方面需要各P2P平台严于律己，积极接受法律法规监管，合规经营，并加强内部管理，建立风险预警机制，另一方面，需要相关监管部门严格落实法律法规，加强监管，完善网贷行业征信体系，为网贷行业健康发展提供良好的外部环境。
参考文献：
[1]DanielFelixAhelegbey,PaoloGiudici,BrankaHadji-Misheva.(2019).Latentfactormodelsforcreditscoring inP2Psystems.PhysicaA：StatisticalMechanicsanditsA pplications，522,112-121.
[2]Yu,G.,Shih-Heng,Y.,&Yih-Chearng,S.(2018).Theperformanceofthep2pfinanceindustryinchi na.ElectronicCommerceResearchandApplicatio ns,30,138-148.
[3]Serrano-Cinca,C.,&BegoñaGutiérrez-Nieto.(2016).Theuseofprofitscoringasanalternativetocredi tscoringsystemsinpeer-to-peer(p2p)lending.Decisi onSupportSystems,89,113-122.
[4]LinM,PrabhalaNR,ViswanathanS.(2013).Judging borrowersbythecompanytheykeep：friendshipnetw orksandinformationasymmetryinonlinepeer-topeerlending[J].ManagementScience，59(1),17-35.
[5]王丹，张洪潮.P2P网贷平台信用风险评级模型构建[J].财会月刊，2016（09）：76-80.
[6]李敏芳，田晨君.基于因子分析法的我国P2P网贷平台评级研究[J].湖北经济学院学报（人文社会科学版），201（56）.
[7]岳铭，张思敏，谢朝阳.我国P2P网络借贷平台的信用评级问题探讨[J].商业时代，2014（31）.
[8]宁红泉.P2P平台信用风险分析与思考[J].经贸实践，201（823）：126.
[9]王赛芝.互联网金融背景下P2P平台风险及发展思考[J].江苏商论，2018（11）：70-72.
[10]唐嘉悦.P2P平台风险评价及控制研究[D].青岛.青岛理工大学，2015：18-20.
[11]吴昀科，徐美.P2P平台的财务风险分析及对策[J].金融经济，201（720）：152-153.
[12]李渊琦，陈芳.我国P2P网贷的风险分析及监管对策[J].上海金融，2015（7）.
[13]周宇.我国P2P的发展困境与监管对策[J].探索与争鸣，2014（12）.
[14]索云腾.P2P网贷信用风险评价研究[D].重庆.重庆师范大学，2017：30-35.
【作者简介】 贺慧（1994—），女，硕士在读，上海理工大学管理学院。
（责任编辑：高扬）
标签：P2P平台论文; 风险预警论文; Logistic回归论文; 上海理工大学论文;