1、    互聯網金融系統性風險分析與度量研究    趙昕關鍵詞互聯網；金融；系統性；風險；分析與展望1 引言隨著p2p網貸行業的興起，p2p在我國得到了較快的發展，但隨著而來的風險問題逐漸引起了政府管理部門、企業和國內外學者的高度重視。在金融危機爆發之前，對于系統性風險的度量主要沿著綜合指數法和早期預警方法兩條技術路線展開。在指標構建適當的前提下，早期預警方法預測系統性危機的效果較好。但是，其實現準確預警的前提條件是基于歷史上的金融危機能夠實現對系統性風險觸警事件的準確定義。這使得該方法在尚未發生過真正意義上金融危機的發展中國家的應用受到限制。金融危機爆發

2、之后，隨著宏觀審慎監管理念的提出，對于系統性風險的識別和評估方法的探討也逐漸深入。一方面，對于系統性風險評估的數據不僅基于資產負債表的數據，而且針對債券市場和股票市場上高頻和時效性較強的數據開發了一系列度量模型。另一方面，針對金融危機前較多圍繞著宏觀經濟對金融體系影響的局限性，度量系統性風險的視角逐漸放開，更多地考慮金融體系內部關聯性和傳染性度量。本文提出了一個針對互聯網金融系統性風險的度量模型，該模型結合了綜合指標法，以及壓力測試法，通過構建指標體系來全面考察p2p網貸行業系統性風險的影響因素，并根據不同狀態下的宏觀因素來分別考慮在各種壓力下p2p行業系統的穩定性，對互聯網金融系統性風險管理

3、具有重要的理論意義和實踐價值。2 文獻綜述國內外許多學者對金融風險管理已經進行了深入研究，取得了一批重要的研究成果。akerlof （1970）、stiglitz和 weiss（1981）認為由于信息的不對稱性導致借貸市場的危機，從而引發逆向選擇和道德風險的問題，如2008年美國金融次貸危機。sunday telegraph（2006）認為最大的問題是：不能有足夠的資金去滿足眾多借款人與貸款人的要求及管理層的指責，有些網絡借貸實行“零利率”，但這勢必會引發平臺的經營問題，成本無法得到補償。同時，有些學者發覺了信息在風險把控問題上體現的尤為突出，stiglitz（1981）出現代經濟理論認為信息

4、決定了借貸市場的成敗，由于在進行借款人開發的過程中需要這些個人信息，甚至這些信息成為貸款人十分關心的問題，雖然這些信息的部門僅限于可信度高的部門如銀行和信用管理機構，但問題是使個人隱私曝露在每一個可能的貸款人甚至是整個網絡的使用者下，勢必會產生信息暴露的風險，為不法分子供鉆空子的可能。以上這些金融風險管理傳統研究對互聯網金融風險管理具有重要的借鑒意義。在互聯網金融風險管理方面，王艷、陳小輝、邢增藝（2009）認為網絡融資存在放貸資金安全難以保證，利率水平超法律保護范圍以及容易危及社會穩定等諸多問題。陳初（2010）、陳靜俊（2011）認為網絡借貸風險及對其的監管與引導，可能出現重要信息泄露的情

5、況，貸款用途難以核實，不排除有借款者將借入資金進行高風險投資的可能。官大飚（2012）分析了我國 p2p 網絡借貸運營過程中存在的諸如貸款資金鏈斷裂引發信用風險、挪用第三方賬戶資金造成操作風險、資金詐騙導致聲譽風險，以及可能弱化政府宏觀調控政策效果等風險問題，并提出建立聯席會議制度共同監管、建立網絡借貸信用評價體系、建立 p2p 借貸資金第三方存管制度、建立p2p網絡借貸資金監管體系和探索區域發展模式等p2p 網絡借貸監管對策。張昭，朱峻萱，李安渝（2015）基于層次分析法構建了我國p2p 網貸行業綜合評價體系，并在此基礎上對網貸行業發展較快的的企業進行了實證分析，為該領域定量化指標體系的研究

6、中打下了基礎。綜上所述，現有的研究對互聯網金融網貸的研究視角各異，不同國家的研究也反應出各國發展的特色。而針對互聯網金融中p2p網貸行業系統性風險研究卻很少，由于p2p 網貸行業系統性風險對整個行業有著至關重要的作用，并且是一個較為復雜的度量過程，涉及的影響因素較多，以上研究正是為 p2p 網貸行業系統性風險分析研究奠定了一定的基礎。3 p2p行業系統性風險模型構建本部分通過指標體系的構建，并結合著回歸預測測度了整個行業系統性風險，同時，在測度風險的基礎上，為行業的風險指數進行預警。模型充分結合了宏觀因素，以及個體經營狀況的影響，全面細致的剖析了整個行業的狀況。該模型從具體對象出發，考慮行業整

7、體，從投資人群體，p2p網貸行業，借款方群體，風險投資方這四方面的資金流向來測量p2p網貸行業的整體系統性風險。由于p2p網貸行業最重要的就是平臺流動性資產，這包括平臺通過利差獲得的利潤，以及平臺通過風險投資獲得的資金。這些資金一方面要補貼平臺的運營成本，主要包括獲客成本，人力成本，日常開銷等，另一方面將作為借款人違約而造成的壞賬并對于出資人的墊付，通過模型計算，一旦資金出現短時間內的大量減少，那么就有理由認為p2p行業可能存在一定程度的系統性風險。3.1 基本假設由于不同平臺經營模式各異，有些具有第三方資金托管平臺，第三方擔保機構等，但是這些做法并沒有從根源上消除流動性風險，只是將風險進行轉

8、移，比如資金托管，這種說法通常只是一個噱頭，實際的資金賬戶只不過是由平臺在其他公司開設了第三方賬戶，仍對資金擁有控制權；而對于第三方擔保，由于這些有資質的擔保公司擁有較全用戶信用數據，由其進行擔保可以在一定程度上降低壞賬率，減弱流動性風險，但是對于雇傭第三方擔保需要支付一定的費用，所以從整體上看，平臺并沒有因此獲益更多，所以在此模型中，可以簡化考慮，把p2p網貸平臺的定義擴大化，忽略第三方模式，將資金的中間過程全部當成p2p平臺之間的流轉，因此風險也就全部作用于之上p2p網貸平臺之上。由于要從某一天為基準來預測未來三十日的資金狀況，包括未來三十日的投資量，實際還款量，運營成本，模型中需要確定宏

9、觀經濟因子和加權后整個系統的經營因子，由于這些指標每天都會發生變化，應當選取當天的值來作為未來三十日的特征值，之所以這樣做，一方面是因為對于特征量而言未來的情況是不可預知的，因而不能從當天既定的數值來預測后三十天的情況；其次，由于市場的滯后性，比如，當前一階段的股票市場利好，往往會在下一階段反映出p2p網貸行業的蕭條，資金周轉是需要時間的。基于此，我們選取時間周期始點的特征量的值是合意的。 在迭代過程中，每個周期的成交量，風投量，運營成本均與第一個周期的預測值相同。由于為了將風險效應放大，單純的看三十天的效果并不明顯，雖然有可能出現損失，但效果或許是微小的，因而增加迭代周期，也就是為了把這種可

10、能存在的風險放大化。同時，預測模型只能預測一個周期，后續迭代周期的成交量等仍是未知的，但由于不能利用預測的結果再次進行預測，所以本研究粗略的將未來的迭代周期的未知資金量等同于第一個周期的估計值，因為該模型只要在數據充足的情況下，每天都可以執行一次，預測的結果也會隨之更新，前一天的操作只是對該天的風險狀況的度量，目的也就是為了將當天的風險效應放大，并不會影響到后一天的結果，因而，可以對周期資金狀況進行復制。3.2 模型建立p2p網貸平臺系統性風險建模分為以下九個步驟。3.2.1確定整個p2p網貸平臺體系經營狀況加權值在確定經營狀況加權值的時候，需要對選定多家的平臺，分別確定其個體經營風險值以及相

11、應的平臺體量（平臺的歷史成交量總和）。該數值在后續投資量的預測中頻繁用到。具體計算公式如下：3.2.2預測未來三十日成交總量成交量指的是投資人向平臺投入的資金，在預測后三十天的資金投入總量時我們選用計量中的多元線性回歸模型進行預測。如上文所說，選取三年期存款利率，宏觀經濟一致性指數，上證股票指數，上證基金指數，上證企債指數，上證國債指數和經營狀況加權值作為回歸模型中的指標。利用測度日前t個時間周期（30天）作為模型的訓練，并根據假設5.3.2，將當天的指標數值作為預測的輸入來對未來三十日的投資量進行預測。通過訓練可得如下線性模型。3.2.3預測未來三十日的風險投資量由于風險投資也具有一定的時間

12、序列的特性，同樣按照上文闡述，直接影響風險投資量主要是平臺的經營狀況以及宏觀經濟的大形勢，同時隨著p2p網貸行業的走紅，越來越多的風投開始青睞這個行業，所以看高整個行業的風投量是很合理的，在預測模型中，依然選用計量中的回歸模型，原理同上，因而對于未來三十天風投量可得如下模型。3.2.4計算未來三十日的運營成本根據上文描述，可以根據歷史的運營成本和平臺總的流動性資產的對應情況采用指數小于1的冪函數進行擬合，同時，為了計算未來三十日成交量的總和，用月初的總流動性資產來估計這一個月的運營成本，所以有如下關系。3.2.5壞賬率的度量經調研，以及查閱書籍文獻資料，目前p2p網貸平臺并沒有一個壞賬率的精確

13、統計，各家平臺只能給出一個的值，而且在統計的手段上也存在著真實性問題，所以當考慮整個體系時，先有一個行業基準的壞賬率的估計值，并通過個體經營風險值對該參考值進行修正，得到每個平臺相對準確的估計值。我們可以按照成交量的不同對個體壞賬率進行加權，從而得到綜合壞賬率br。對整個系統中不同平臺的壞賬率進行修正：計算某一時間周期系統的整體修正值：3.2.6計算三十日應歸還量由于壞賬率的大小直接導致歸還資金的數量，可以根據平臺對于投資人群體累計待還金額與平均還款期限，算出平均每日待還，再用平均每日待還*30得到30日累計待還，即r30。根據平臺的平均利率得到投資人群體投入的初始資金，再利用平臺獲得的利差，

14、計算可以得到借款人三十日內應歸還平臺的款項數量，而實際的歸還受限于平均壞賬率，因而可以得到借款人群體三十日應歸還金額。3.2.7根據上述變量的確定，計算三十日后的流動性資產由上文中的計算規則，以p2p網貸平臺系統為中心，流入的資金流為正，流出的資金流為負，計算三十日后的平臺系統總的流動性資金。3.2.8多輪迭代放大風險效應根據上文假設，迭代n個周期，每次迭代都會對值進行更新，最后計算出n次迭代后的平臺當前的流動性資產。3.2.9根據預警信號定級通過n個時間周期（30天）的迭代，得到未來一段時間的流動性資產的預后，需要與當前的流動性進行對比。采取比值的方法，并對最終的結果進行風險定級，定級的結果

15、如表1所示。在數據充分的情況下，通過該模型的測算可以得到整個p2p網貸行業在某一個時間點的風險效應，風險值越高就越需要提高警惕，越有可能在短期內造成系統性風險的爆發。根據測算結果，政府可以出臺具有針對性的應對措施，盡可能的將系統性風險的爆發遏制在搖籃之中。4 情景模擬本研究主要考慮兩個因素的兩種情況，對于宏觀狀況，分為良好和低迷；對于行業整體經營狀況，分為良好與低迷。通過宏觀情況及行業經營性情況等兩個因素的兩種情況，可以將實際情況劃分為四種：情景a：宏觀狀況良好，行業整體經營性情況良好；情景b：宏觀狀況良好，行業整體經營性情況較差；情景c：宏觀狀況低迷，行業整體經營性情況良好；情景d：宏觀狀況

16、低迷，行業整體經營性情況較差。在情景模擬之前，根據參考資料和業內人士訪談得出各定量數據指標在現有宏觀經濟條件下所可能具備的最大值與最小值，在此基礎上，按照現有指標下的實際數據最大值放大到；最小值縮小到；分別計算出放大比例與縮小比例。將兩個比例分別于當下該指標實際數據相乘即得到在當前宏觀經濟條件下的行業最優仿真數據與最差仿真數據。經過該種處理方法，可以確保數據均為正數，且體現出了因為企業自身差異導致的排序，屬于在現實條件下的合理仿真結果。依據前節提出的模型進行情景模擬，模擬的結果如圖1-4所示。通過上圖所示，當某一種情形確定的情況下，可以發現當前的流動性資產雖然在一定程度上影響了系統性風險的程度

17、，但大體上變化趨勢比較平緩，并不會導致系統發生驟變。同時很有趣的一點在于經營狀況良好的時候整個系統是不存在風險的，且預警信號值呈下降趨勢，反之，當經營性風險較大時，預警信號呈上升趨勢，這個原因主要在于，運營成本是流動性資產的指數函數，所以在流動性資產的迭代過程中，并不是呈線性變化的。 從具體數據的角度來看，當其它指標值不變，當前行業總流動性資產在100-160億元間波動時，發現a條件下，行業系統性風險最低，其次是c、b、d。并且可以看出即使在宏觀情況不樂觀的情況下，由于經營狀況良好，p2p網貸行業處于無風險的狀態，而經營不好的情況下，p2p網貸行業會處于高風險區域。同時，a和c情境下，在經營樂

18、觀的情況下，由于流動性資產的增大導致系統運營成本的大規模增加，導致系統性風險隨著流動資產增多反而增加。未來三十日待還金額反應了p2p網貸系統的負債能力，金額越高伴隨著系統性風險也就越高，反之同理。從上圖也可以很好地看出，每一條線都隨著待還金額的增長，風險預警信號值越低，從而風險度也就越高。同時，藍色與紅色兩條直線的間距反應了經營狀況的差異，藍色與綠色直線反應了宏觀狀況的不同，所以很明顯的發現經營狀況的影響程度遠大于宏觀狀況對于系統性風險的影響的，而且當經營狀況不佳的時候，系統性風險就會處于一個十分高的狀態，因而為了有效降低系統性風險最根本的還是應該從控制經營風險上做文章，盡可能削弱個體經營風險

19、的影響力度。從數據上來看，累計待還金額在160-220億元之間波動時，四種情景下系統性風險都隨著待還金額的增加而增大，其中同樣的，在累計待還金額增加的過程中，整體系統性風險情況是a情境下最小，其次是c、b、d。綜合利率反應了p2p網貸平臺的平均借款成本，綜合利率越高，伴隨著借款人的信用違約風險就會越高，當出現大量借款人因為過高的貸款利率而無力償還時，就會出現大面積的違約現象，造成平臺流動性問題，從而引發系統性風險。從上圖幾條曲線的趨勢上看，風險預警信號都隨著綜合利率的提升而減小，也就是說風險在逐漸變大。與前兩種情況不同的是，幾條線的位置發生了改變，紅色與綠色的相對位置進行了交替，所以對于綜合利率的變化而言，宏觀狀況要比行業整體的經營性的影響力度更大。其次，之所以是曲線，主要是由于在計算過程中綜合利率作為一個比例式導致其與風險預警信號為非線性關系。壞賬率是p2p網貸平臺最為機密的數據，由于當下的p2p網貸行業存在信息不披露的問題，導致外界很難了解到真正的經營狀況。但經專業人士透露，行業壞賬率平均也要到十幾個百分點，所以將壞賬率控制在12%到24%變動是合理的。由上圖可以看出，隨著壞賬率的提高風險預警信號下降，系統性風險升高，而且根據不同顏色線之間的間距可以看出經營性風險的影響機制同樣要高于宏觀狀況的影響力度的。根據具體數