谈网络借贷平台金融风险溢出效应的影响范文

摘要：文章选取了网络借贷平台发展相对较发达的8个城市，即北京、上海、江苏、浙江、山东、湖北、广东、四川作为样本研究对象，首先分析8个城市的区域金融风险情况并检验其空间溢出效应，而后构建空间Du⁃bin模型实证分析网络借贷平台对区域金融风险水平的影响，以期为我国互联网金融的监管及区域性风险防范提出政策建议。

关键词：网络借贷；区域金融风险；空间Dubin模型

1问题的提出

网络借贷平台作为互联网金融中最活跃的群体，在通过技术进步和数据挖掘促成个人和中小企业获得更加便捷融资的同时，行业自身也迎来了爆发式增长。2007年我国第一家正式意义的网络借贷平台——拍拍贷成立，截止2018年1月，全国累计网络借贷平台6016家，历史累计成交量达到64421.4亿元。但随着行业的发展，网络借贷平台问题频发，截止2018年1月，停业及问题平台累计达4110家，网络借贷平台的过快发展对金融经济安全形成了较强的冲击，因此，专家学者针对网络借贷平台及其风险问题展开的研究日益深入。从已有文献来看，艾金娣（2012）[1]通过国内外网络借贷平台的对比，总结了网络借贷平台存在的风险类型即制度风险与信用风险，并提出了相应的对策与建议；宫晓林（2014）[2]以有限理性假设为基础,运用前景理论和演化动态博弈理论构建分析框架和模型，研究了政府、P2P网络借贷平台和贷款人的行为选择；王长江和杨金叶（2015）[3]提出了网络借贷平台风险可分为平台机构风险、融资者风险、投资人风险和监管者风险，建议尽快引入资金第三方存管平台，进行有效监管；顾慧莹和姚铮（2015）[4]考察了借款人信息与其违约行为之间的关系,找到了借款人违约的关键因素并确认了其可信度，为构建借款人违约风险的量化指标提供了支撑；肖曼君等（2016）[5]采用排序选择模型,基于excelVBA数据挖掘技术截取多个P2P网站数据，对平台信用风险的影响因素进行实证分析，发现网站提供的信息对投资者避免信用风险没有起到实质作用。通过梳理已有文献，学者们对网络借贷平台所涉及的风险类型进行了深入的分析，并且随着2014年网络借贷平台跑路事件频发，有关信用风险、借贷风险等影响因素及预警模型均已进行了多方面的讨论，并针对风险防范提出了相应措施。然而，目前对于网络借贷平台的空间效应及对于地区间区域金融风险水平的影响研究较少。基于此，本文选择网络借贷平台发展相对较发达的8个城市，即北京、上海、江苏、浙江、山东、湖北、广东、四川作为样本研究对象，首先分析8个城市的区域金融风险情况并检验其空间溢出效应，而后构建空间Dubin模型实证分析网络借贷平台对区域金融风险的影响，以期为我国互联网金融的监管及区域性风险防范提出政策建议。

2区域金融风险的空间溢出效应检验

2.1区域金融风险水平度量

国内外学者对于区域金融风险评价及预警已有深入研究，基于系统性、科学性、可操作性及广泛的适用性原则，本文借鉴谭中明（2010）[6]及胡志强（2016）[7]的方法及指标选取思路，从经济运行、银行业、证券业、保险业四个层面选取了11个指标构建指标体系，综合测量样本地区的金融风险水平（如下页表1所示）。综合多种因素，本文选取客观赋权法中的熵值法确定各因素之间的权重，可以通过对数据归一化处理量纲，有效避免指标赋权的主观性问题，从而测度样本地区各年度的金融风险水平，结果如下页表2所示。由表2可以看出，北京、上海作为经济相对较发达地区金融风险较高，山东的金融风险水平在样本地区中相对较低，各地区区域金融风险水平在观测时间内变化不大。

2.2空间溢出效应检验

为了检验样本省市的区域性金融风险是否具有空间溢出效应以及空间计量模型是否使用，首先测算各样本省市金融风险评价值的年度Moran’I指数来分析其空间相关性。Cliff和Ord（1981）给出的Moran’I指数定义为：Moran’I指数反映出空间内的区域单元的属性值的相关程度。Moran’I指数的取值区间为[-1,1]。符号代表着相似程度的方向性，小于0表示空间负相关，大于0表示空间正相关，等于0表示空间不相关；而绝对值大小意味着关联的强弱性。本文样本省市金融风险水平计算结果如表3所示：表3结果显示Moran’I指数均显著为正，说明各省市金融风险具有高度正相关性，需要建立空间计量模型进行实证分析，考虑区域金融风险的空间效应。

3区域金融风险水平的实证分析

3.1模型设定和变量选取

根据以上分析，本文选取空间Dubin模型进行空间效应的实证分析。空间Dubin模型在普通空间面板模型的基础上加入了解释变量的空间滞后项和因变量的空间滞后项，形式如下：y＝ρWy＋Xβ1＋WXβ2+ε，ε～(0，σ2In)（2）相较于普通空间面板模型，空间Dubin模型能够更好地表达地区之间自变量和因变量存在的依赖性，与本文网贷平台风险导致区域金融风险空间溢出效应的研究目标相符。基于以上分析，本文建立如下模型：其中i代表样本省份，t代表时期，W代表空间权重矩阵，eit为扰动项。模型以CIit各样本省市的金融风险评价值作为因变量，以下列各指标作为自变量：（1）IDDit表示网络借贷发展水平。本文借鉴孙伍琴和朱顺林（2008）[8]的相关研究，采用网络借贷平台的交易量与地区GDP之比表示网络借贷平台的发展水平；（2）IDIit表示网络借贷集中度。本文借鉴贺小海和刘修岩（2008）[9]有关市场结构衡量指标市场集中度的概念，采用网络借贷平台贷款余额与样本省市贷款余额之比表示网络借贷集中度；（3）RFDit表示地区金融发展水平。本文使用样本省市社会融资规模与地区GDP之比表示地区金融发展水平；（4）EOPit与GOVit分别表示样本省市经济开放程度与政府力量，作为本文模型中的控制变量，经济开放程度EOPit以地区对外经济贸易总额除以地区GDP表示，政府力量GOVit采用政府年度财政支出总额与地区GDP之比。本文所使用的数据来自Wind经济数据库、地区金融运行报告、网贷之家等官方数据。

3.2实证结果分析

基于以上空间Dubin模型，本文实证分析了网络借贷平台对区域金融风险以及空间溢出效应的影响，结果如下页表4所示：从表4可以看出，模型拟合优度情况较好，空间自相关系数估计值为0.834，显著为正，表明空间因素对区域金融风险水平影响显著，根据以上结果，可得出如下结论：（1）网络借贷平台规模的发展并不会导致区域金融风险的增加，但网络借贷平台规模的集中，即区域金融贷款规模集中于网络借贷会增加地区金融风险。（2）地区金融业的整体发展有利于降低金融风险，目前，区域金融仍以传统的银行、保险、证券业为主，金融业规模的整体扩张，服务实体经济能力越强，在一定程度上可以抑制金融风险的发生。（3）控制变量区域经济开放程度的提高会促进区域金融风险的增加，其原因在于区域经济开放受全球金融市场波动，国际金融市场风险易通过地区对外贸易进行传导，导致区域金融风险上升。（4）政府财政干预能力增强并不会使区域金融风险降低，例如部分区域银行业以及证券业金融资源的垄断性导致地方政府对市场干预过多，政府色彩明显使市场的运作机制弱化，金融市场资源得不到有效配置反而会导致区域金融风险上升。（5）网络借贷平台发展规模及集中度的空间效应显著，邻近区域网络借贷平台规模的发展会导致本地风险的上升，这应与金融风险在地区间的传导机制有关；而邻近区域网络借贷平台的集中会抑制本地金融风险，集中度较高的地区虽会提升本地金融风险，但其也为邻近地区提供了警示，加强了邻近地区抵御风险的意识和能力。

4结论与政策建议

本文选取网络借贷平台分布较为集中的北京、上海、江苏、浙江、山东、湖北、广东、四川8个城市作为样本省市，从经济运行及区域金融市场的层面构建了区域风险评价指标，通过对区域风险评价值莫兰指数的计算，验证了样本区域省市存在空间溢出效应，区域金融风险存在高度正相关；因此建立了空间Dubin模型，进一步探究网络借贷平台对区域金融风险的影响及空间溢出效应，研究结果表明：网络借贷平台规模的发展并不会导致区域金融风险的提升，而地方贷款集中于网络借贷平台则会促使金融风险的发生；同时网络借贷平台的发展规模及集中度的空间效应显著，邻近地区的网络借贷平台发展规模及集中度对本地区域金融风险的影响与本地网络借贷平台发展规模及集中度的影响相反。基于以上结论，本文对区域金融风险防范及网络借贷平台的发展提出以下建议：（1）网络借贷平台作为互联网金融创新的主要形式与传统金融融资功能实现互补，有效满足了个人及中小、小微企业的贷款需求，地方政府应充分利用网络借贷平台进行资源的合理配置，而网络借贷平台融资的集中易导致地方金融风险水平的提升也不容忽视，地方政府在鼓励网络借贷平台发展的同时，也应避免其不合理发展可能对地方金融业的冲击；（2）区域金融风险具有正向的空间溢出效应，网络借贷平台的发展进一步加剧了区域金融风险的传导，因此针对由网络借贷平台引发的地方金融风险的防范应及时监控相邻区域网络借贷平台的发展规模及集中程度，避免由于空间溢出效应引发本地区金融风险的提升；（3）网络借贷平台仍然不能取代地区传统金融业的融资功能，传统金融业与互联网金融创新平台的平衡协调发展可以有效抑制区域金融风险的发生。

参考文献

[1]艾金娣.P2P网络借贷平台风险防范[J].中国金融,2012,(14).

[2]宫晓林.P2P网络借贷风险与监管——基于有限理性假设的分析[J].投资研究，2014，(6).

[3]王长江,杨金叶.P2P网络借贷的风险与监管模式研究[J].经济纵横,2015，(4).

[4]顾慧莹,姚铮.P2P网络借贷平台中借款人违约风险影响因素研究——以WDW为例[J].上海经济研究,2015，(11).

[5]肖曼君,欧缘媛,李颖.P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J].财经理论与实践，2015，(1).

[6]谭中明.区域金融风险预警系统的设计和综合度量[J].软科学,2010，(3).

[7]孙伍琴,朱顺林.金融发展促进技术创新的效率研究——基于Mal⁃muquist指数的分析[J].统计研究,2008,(3).

[8]贺小海，刘修岩.我国银行业结构地区差异的实证分析[J].生产力研究，2008，(23).

作者：温春然 沈传河 单位：山东女子学院