互联网金融风险监管政策有效性研究

张皓嘉　孙小惠　张培丽

摘 要：互联网金融发展迅速，但监管体系仍不成熟并在探索之中，科学评估当前我国互联网金融监管政策有效性，对于防范互联网金融风险尤为重要。基于2017年我国互联网金融平台的面板数据，采用随机效应模型研究互联网金融监管政策对互联网金融风险的影响，进而对监管政策的有效性进行评估。研究发现，针对平台实现银行存管和分散借款的监管政策可以有效降低互联网金融风险；针对第三方担保、风险备付金与借款限额的监管政策没有达到预期效果；对平台资金流动性的管控有助于防范互联网金融风险。未来我国互联网金融监管的政策框架有必要从将互联网金融平台纳入征信体系、分类设置借款限额、加强平台信息披露执行监督检查和制定资金流动性管控标准等方面加以完善。

关 键 词：互联网金融；P2P网贷；风险监管；政策有效性；随机效应模型

中图分类号：F830 文献标识码：A 文章编号：2096-2517（2018）05-0042-09

DOI：10.16620/j.cnki.jrjy.2018.05.005

Research on the Effectiveness of Internet Financial Risk Regulatory Policies

——An Empirical Analysis Based on P2P Internet Lending

Zhang Haojia1， Sun Xiaohui2， Zhang Peili3

（Business School， Beijing Normal University， Beijing 100875， China； 2. School of International Education， Shandong University of Finance and Economics， Jinan 250014， China； 3. Institute of Chinas Economic Reform and Development， Renmin University of China， Beijing 100872， China）

Abstract： The internet finance has undergone rapid development， whereas its regulatory system is underdeveloped and needs more exploration. Scientific assessment of the effectiveness of China's current internet financial regulatory policies is particularly important for preventing internet finance risks. Based on China's panel data of internet finance platform in 2017， the paper discussed the impact of internet financial regulatory policies on internet financial risks by using a random effects model， assessed the effectiveness of the policies. The research showed that bank custody and decentralized loan supervision policies can effectively reduce internet financial risks， regulatory policies for third-party guarantees， risk provisions， and borrowing limits did not work as expected. Also， controlling the liquidity of the platform also helps prevent internet financial risks. In the future， the policy framework for China's internet financial regulation should include the internet financial platform into the credit information system， classify and set borrowing limits， strengthen the supervision of platform information disclosure， and formulate standards for liquidity management and control.

Key words： internet finance；P2P internet loan； risk regulation；policy effectiveness； random effects model

一、引言

“兩个一百年”奋斗目标要求我国经济持续稳定增长， 而不发生系统性金融风险是我国能否实现经济持续稳定增长的关键，为此，党的十九大报告与2017年中央经济工作会议强调指出，要健全金融监管体系，促进多层次资本市场健康发展，增强金融服务实体经济能力， 守住不发生系统性金融风险的底线。 之所以反复强调守住金融风险底线，主要有两个方面的原因：一是在经济转型过程中金融制度不完善和货币政策实施累积了大量金融风险； 二是信息通讯技术和互联网技术快速发展带来的互联网金融创新和繁荣， 催生了更大范围、更新形式和更深影响的金融风险。针对第一个方面的金融风险， 国内外理论和实践都给予了高度关注， 金融监管和金融制度完善的方向基本明确。 而作为新生事物且易发生风险的互联网金融监管却仍在探索之中， 尤其是在没有成熟经验可以借鉴的情况下， 防范互联网金融风险就成为守住金融风险底线的重要内容。

近几年，我国互联网金融发展迅速，与美国等发达国家相比，我国互联网金融发展速度更快，行业规模更大， 尤其是互联网支付等已经走在世界前列。互联网金融具有资金配置效率高、金融服务成本低和普惠性等优势， 很好地弥补了传统金融的不足，提高了金融市场竞争程度。但是，互联网金融的自身特点和监管缺失等原因也使其风险日益呈现，并表现出特殊性。第一，借助于互联网、大数据等新兴技术， 互联网金融业务扩展和增长速度呈几何级数增长， 信息不对称引发的各类风险呈指数增长， 风险累积速度加快。第二， 互联网金融平台种类繁多，业务机制设计复杂，风险具有很强的隐蔽性。第三，互联网金融参与主体多样、跨区域、跨行业特征明显，加剧了风险的传染性。 这就意味着传统金融监管体系无法适应互联网金融监管的需求， 亟需构建和完善互联网金融监管体系， 这就要求加快互联网风险监管理论研究和实践经验总结。

伴随着互联网金融风险开始显现， 我国互联网金融监管进行了多元化的探索和尝试， 相继出台了大量风险监管和治理整顿的措施和政策。主要包括：一是明确监管范围和要求。比如，国务院发布的《互联网金融风险专项整治工作实施方案的通知》，要求严格准入管理，强化资金检测，对P2P网络借贷和股权众筹业务、 通过互联网开展资产管理及跨界从事金融业务、 第三方支付业务分别提出具体监管要求。 二是对互联网金融活动做出限制。比如2016年8月24日银监会发布的《网贷机构业务活动管理暂行办法》，对网贷平台借款余额上限和网络借贷信息中介机构从事活动进行了限制。 三是对互联网金融平台登记备案。2017年是我国互联网金融监管和规范发展元年， 银监会先后发布互联网金融业务指引和专项整改通知， 要求各网贷平台进行银行存管备案登记， 并部署了互联网金融平台整改验收期限。

当前互联网金融风险监管举措多是“堵漏”式的和规范发展的事后监管， 这些监管政策效果究竟如何， 是否起到了应有的防范互联网金融风险的作用，有待于实证的检验，以为构建和完善互联网金融风险监管体系指明方向。

二、文献综述

能否防范风险是互联网金融监管政策有效性的本质。互联网金融的风险与传统金融有所不同，传统金融中，由于有国家和政府信用做背书，存款人基本不需要担心资金安全， 金融风险主要来自于金融机构对借贷人的信用信息掌握不足和借贷人偿款能力变化；而互联网金融中，互联网金融企业通过网络信息技术获取的数据和信息资源，使其可以用更低成本、更高效率了解用户真实状况，降低了金融企业风险， 但同时又由于用户的分散化难以真正获取借贷人的信用状况， 增大了金融企业风险。同样，对用户来说，由于各平台技术的复杂化和模式的多元化， 用户难以了解互联网金融企业运作模式、资金使用以及信用状况，其面临的风险相应增加[1]。互联网金融的风险更为复杂化、常态化和隐蔽化。

鉴于互联网金融风险的特殊性， 学者们从不同角度对互联网金融风险度量和监管进行了深入研究。（1）在以往金融风险评估的基础上用不同方法对构建互联网金融风險度量和评估体系进行了尝试。比如，林新丹（2015）以P2P网贷借款中典型借款平台为研究对象， 结合借款平台信用风险特征， 构建Z'-P模型对P2P借款平台风险进行了度量[2]。王立勇等（2016）运用CRITIC-灰色关联模型构建了互联网金融风险评价体系， 并利用VaR方法测算了互联网金融风险[3]。李彩凤（2017）运用层次分析法构建互联网金融风险评价体系， 构建互联网金融结构方程实证分析了各种风险因素的影响[4]。（2）借鉴国际经验探讨了互联网金融监管的思路和模式。 一是应该根据一国特有的经济、金融运行状况，制定顺应互联网金融发展趋势的监管政策措施， 引导促进互联网金融健康发展与创新[5]。二是缩短推出有效监管措施的时间。张萍等（2015）认为，互联网金融平台与监管机构的策略错配是诱发潜在市场风险的原因，根据互联网金融产品及其变化的特点，准确判断互联网金融及其衍生品的风险边界， 尽快推出有效监管措施非常必要[6]。三是提高或规范行业进入门槛。比如，巴曙松等（2018）通过对P2P平台生存规律与政策进行模拟研究指出，提高互联网金融行业门槛， 强制客户资金第三方托管可以有效防范风险[7]。四是完善信息披露和共享。刘凯悦（2016）认为采用规范统一行业准入标准的同时，要完善信息披露制度[8]。钟肖英（2016）针对互联网金融借贷市场存在的道德风险与逆向选择问题，提出了完善市场信息共享的政策建议[9]。五是明确监管主体和监管模式。廖理等（2014）以Lending Club业务模式为例考察了美国P2P网贷市场的监管体系， 借鉴美国做法对国内P2P监管提出了尽快明确主要监管部门， 以及建立和完善个人信用体系的建议[10]。余中东（2015）总结了我国互联网金融地方监管实践经验， 主张对互联网金融产业采用差异化的分业监管模式。六是借鉴国外特色监管措施[11]。比如，纪海龙（2016）分析了德国P2P网贷法律规制经验认为， 采用多人小额投资豁免原理对平台融资进行监管， 是平衡投资者保护和提高金融便捷度的重要途径[12]。

由于互联网金融监管起步较晚， 大部分监管措施推出的时间较短等原因， 已有研究主要就互联网金融风险的特征属性， 以及互联网金融监管的思路和模式进行了卓有成效的研究与探讨。随着这几年互联网金融监管政策体系基本确立和不断完善，互联网金融监管政策开始发挥作用，这就有必要对当前互联网金融监管政策的有效性进行评估和考察， 目前也已经具备了对互联网金融监管政策有效性进行量化考察的初步条件。为此，本文以P2P网贷为例， 采用随机效应模型对我国现有金融监管政策对互联网金融风险的有效性进行实证检验。

三、研究设计

（一）模型构建

在研究互联网金融监管政策有效性时， 单纯采用截面数据或时间序列数据， 都存在一定的片面性， 面板数据相对而言能够充分结合截面数据和时间序列数据的优势，展示更多个体动态行为信息，多角度反映互联网金融监管的效果。当前互联网金融监管政策除了持牌和禁止等整治和监管措施外， 最主要的还是规范发展和合规管理等方面的内容，从这个角度来看，互联网金融风险监管与传统金融风险监管具有一定的相似性，为此，借鉴Claessens等（2014）[13]、Cerutti等（2015）[14]、梁琪等（2015）[15]和邵汉华（2017）[16]对银行业审慎监管政策有效性的研究，本文将利用面板数据模型检验互联网金融监管政策对互联网金融风险的影响。

Riskit=∑k λk Regk，it+∑jηj Controlj，it+eit （1）

Riskit=∑k λk Regk，it+∑jηj Controlj，it+ui+eit （2）

其中，Regk，it是一组用来反映我国互联网金融监管的指标，包括借款限额、银行存管、融资集中度等；Controlj，it是一组控制变量，主要包括注册资本、成交量等微观指标以及经济增长等宏观指标，相关变量的具体定义见表1。Riskit是互联网金融风险变量，本文选取Z-Score[17-18]代表互联网金融整体经营风险， 并结合互联网金融平台特点进行调整，Z=■，其中ROA表示资产回报率，CAR表示资本资产比率，σ（ROA）表示资产回报率的标准差，Z值越大表示平台倒闭风险越小。 由于解释变量中存在不随时间而变的虚拟变量， 本文使用混合OLS与随机效应分别对模型进行回归。此外，为了检验是否存在未观察到的个体效应，并对两种回归方法的结果进行判断，本文采用Breusch等（1980）提供的LM检验[19]来检验是否存在个体效应。

（二）样本选择与数据描述

2016年开始， 随着互联网金融行业的监管制度收紧， 互联网金融平台经营逐步走向规范化。2017年， 可以看作互联网金融行业规范发展年，一系列规范和监管互联网金融发展的政策措施相继出台。为探究这些监管政策效果，本文选取2017年P2P网贷平台的数据作为研究样本，数据来源于网贷之家与网贷天眼。 我们删除了数据不完整的样本后得到36家平台①12个月共432个观测值的平衡面板数据， 样本平台数量占成立时间一年以上且在平台官网可查询信息批露情况平台数量的比重超过10%，且样本涵盖各种平台背景、投资期限、平台收益与业务类型，基本可以反映出P2P网贷行业的整体情况。 主要变量的描述性统计见表2。

四、实证分析

表3是模型1（混合OLS）与模型2（随机效应）的估计结果。Breusch等（1980）用LM检验[19]来检验个体效应，其将原假设设定为：“H0：σ■■=0”；而备择假设设定为“H1：σ■■≠0”，如果拒绝H0，说明原模型中可能有一个反映个体特性的随机扰动项ui，因此应该使用随机效应模型。本文采用該检验方法，求得LM统计量为1909.39，在5%显著水平上拒绝原假设，因此应该使用随机效应模型②，下文分析以表3中随机效应模型的估计结果（4）—（6）列为主。

虚拟变量银行存管系数在（4）—（6）列中为正，并在1%置信水平下显著，说明平台实现银行存管有助于降低风险。事实上，资金挪用问题在互联网金融平台发展过程中一直是主要问题， 平台通过自融、投空标等手段挪用投资者资金，往往导致平台无法兑付投资者收益及本金， 从而引发卷款跑路的事件。银行存管意味着由银行管理资金，平台管理交易， 金融平台的用户资金和平台资金将由银行进行分账管理， 其交易和结算都在银行系统内部进行，使资金和交易分离，从而平台无法直接接触资金，无法直接挪用客户资金，因此能够有效地降低互联网金融交易的风险。

变量融资集中度系数在（4）—（6）列中为负，并在1%置信水平下显著，说明平台借款分散有助于降低风险。借款越分散，平台越不易遭受区域性或行业性风险影响，且当单个借款人发生违约时，平台的风险损失较小。 当前平台上的借款方部分是企业，其借款金额较大，期限较长，这意味着借款可能长时间集中于同一行业， 那么一旦遇到行业周期下滑及政策限制的影响， 平台容易遭受集中风险。因此，通过监管政策避免平台资金集中于少数借款人手中有助于降低互联网金融平台出现过大风险损失的可能性。

变量借款限额虽然在（2）—（3）列中在1%置信水平下显著，但在模型（5）—（6）中却并不显著，说明针对平台借款限额的政策对互联网金融风险的影响不明显。互联网金融在解决小额资金借贷，尤其是小微企业贷款难问题方面起到了重要作用，目前多数平台借款方借款大多在20万元以上。同时由于仍未完成网贷平台备案登记以及缺少全国性网贷平台信息共享系统，无法得知借款人借款是否超过限额并进行限制， 因此对于该项政策的效果现在难以进行评估， 其对于互联网金融风险的影响并不明显。

变量第三方担保与风险备付金在（3）与（6）列中均不显著，说明第三方担保、风险备付金与其他平台保障方式相比对于互联网金融风险的影响并没有明显不同。 第三方参与者一般是保险公司或者担保公司， 保险公司针对互联网金融平台的履约保证保险实际上是一种信用保证保险，根据《信用保证保险业务监管暂行办法》，保险公司自留责任余额最多不超过500万元， 第三方担保公司大多资本实力薄弱， 而互联网金融平台贷款业务相对风险较高，数目一般较大，保险公司与第三方担保公司很难进行大额赔付， 因此对于第三方担保的推广政策很难达到降低互联网金融风险的预期效果。 互联网金融平台的风险备用金多数只是从投资者的投资资金中提取一小部分或者平台自身拿出一部分资金，很难完全覆盖坏账，并且平台也可以随时取走这笔钱，因此，风险备付金对于降低互联网金融风险很难起到作用。 虽然当前出台的禁止辖内机构继续提取、 新增风险备付金的监管政策对互联网金融风险防范作用不大， 但有可能会由此避免平台借此进行宣传， 减少投资者的信息不对称，从而降低互联网金融风险。

在控制变量中，流动性指数在（1）-（6）列中均在1%置信水平下显著，从其符号来看，流动性指数越大，Z指数越小，这意味着较长的借款期限会加剧平台倒闭的风险。从这一点来看，资金的流动性越强，对于管控互联网金融风险越有利。流动性风险是传统金融中最典型、最有破坏力的风险，是指金融机构无法及时或以合理成本获得充足的资金以支付到期债务的风险。 在互联网金融发展初期，虽然流动性风险还未充分显现，却由于互联网金融的特殊性而加剧和放大，如果发生网络“挤兑”，其危害和影响甚至更为广泛和深远[20]。避免过长的借款期限可以在一定程度上降低不合理匹配的影响，因此，对于资金的流动性管控有助于降低互联网金融风险。

五、稳健性检验

前文随机效应模型采用FGLS进行回归，为进行对照，对于随机效应模型采用MLE再次進行回归。 同时按照自助法抽取子样本应用随机效应模型进行FGLS回归。结果如表4所示。

总体来看， 银行存管与融资集中度的系数仍然显著，且符号与前文FGLS进行回归的随机效应模型相同，具有稳健性，说明平台实现银行存管或者分散借款确实有助于降低互联网金融风险。第三方担保、 风险备付金与借款限额的系数不仅不显著，而且在不同样本中符号也有所不同，说明第三方担保、 风险备付金与借款限额对于互联网金融风险的影响并不明显，与前文结论类似。

六、结论与政策建议

互联网金融的快速发展伴随着大量的行业乱象[21]，为肃清行业违规现象，规范行业发展，在借鉴传统金融监管经验的基础上， 结合互联网金融自身的特点与发展实际， 我国在互联网风险监管和治理整顿方面进行了积极有效的探索[22]。本文基于2017年我国36家互联网金融平台的微观数据， 结合当前互联网金融监管政策确定的监管指标， 采用随机效应模型评估了互联网风险监管政策的有效性。结果显示，平台实现银行监管以及分散借款能够有效降低互联网金融风险；平台借款限额、第三方担保、 风险备付金等保障手段对于互联网金融风险没有明显影响； 资金流动性对于互联网金融风险有着明显的作用， 但目前还未有明确的与资金流动性相关的监管政策。

根据我国互联网金融风险监管政策有效性的实证检验结果， 未来我国互联网金融风险监管的政策框架有必要从以下方面予以完善：

第一，将互联网金融平台纳入征信体系，进一步完善社会征信体系建设。当前，互联网金融行业间存在明显的“信息孤岛”现象，各平台各自采集用户信息， 其他机构无法查询和使用平台信息，P2P平台也难以从央行或相关机构查询到借款人的相关信用信息， 信息不对称给互联网金融带来极大风险。随着互联网金融的快速发展，平台数量和网贷规模迅速攀升， 征信体系的不完善加剧了平台的坏账和违约风险。 顺应互联网金融平台资金存管业务应指定资金存管机构的新规， 借机打破互联网的信息孤岛， 将其逐步纳入统一的信用体系建设，有效防范互联网金融风险。2018年3月百行征信有限公司成立， 旨在实现对互联网金融平台个人借贷数据的共享， 完善金融系统征信体系，防范系统性金融风险。

第二，细化借款限额设置，实行分类监管。关于网络信贷平台借款限额的规定， 一定程度上遏制了P2P平台的野蛮生长， 但同时也由于借款限额的规定缺乏制度弹性， 没有兼顾到不同类别的借款主体，“一刀切”的借款限额远远小于很多中小企业的借款需求， 限制了互联网金融作为传统金融的有益补充， 尤其是限制了其在缓解中小微企业融资难和融资贵问题方面的积极作用， 难以真正发挥互联网金融对实体经济的促进作用。为此， 有必要对经营个人借贷业务的平台和经营企业借贷业务的平台区别管理，进行分类监管。一是在进一步严格相关监管措施、 提高经营企业借贷业务平台准入条件和运营要求的基础上， 较大程度地提高企业借贷额度。 二是综合考虑不同区域经济发展水平和借款人风险承受能力， 设置体现区域差异的借款额度。 三是加快推进全国性网贷平台信息共享系统建设， 及时收集平台借款人借款金额等相关信息，有效实施借款限额监管。

第三， 加强互联网金融平台信息披露制度执行监督检查，防范平台道德风险。为规范网贷平台发展， 2017年以来我国互联网金融协会向会员单位陆续发布多项网贷信息披露相关标准， 对于从业机构信息、平台运营信息，以及项目信息等提出了强制性披露要求， 互联网金融平台信息披露制度基本确立。 为确保网贷平台信息披露制度能够真正得到贯彻执行， 互联网金融协会有必要加快开展平台信息披露执行情况检查， 建立平台信息披露监督检查和奖惩机制， 构建起完善的网贷平台信息披露制度， 提高互联网金融企业的信息披露水平和透明度，保障各参与主体合法权益，减少平台道德风险[23]。

第四，制定资金流动性管控标准，建立健全互联网金融流动性风险补救体制机制。一方面，互联网金融由于其技术优势， 有可能通过大数据等技术手段提高投资合理性，扩大投资多样性，抑制流动性风险。另一方面，互联网金融的虚拟性、复杂性和盲从性也会很大程度上加大流动性风险。 更为重要的是， 互联网金融缺乏相应的流动性风险防范和应对的措施和制度安排， 一旦发生流动性风险，其严重性和危害程度都更大和更深远[24]。这就有必要借鉴传统金融已经形成的包含存款准备金、 风险资产拨备以及存款保险制度等在内的流动性风险应对机制和制度， 制定互联网金融流动性管控标准， 建立健全符合互联网金融特点的流动性风险补救体制机制，有效防范流动性风险。

参考文献：

[1]王茹. 互联网金融风险的五种类型[N/OL].（2016-07-07）. 中国经济时报，http：//www. cet. com. cn/ycpd/sdyd/1789775. shtml.

[2]林新丹. 我国P2P网贷中借款企业信用风险度量研究[D]. 广州：华南理工大学，2015.

[3]王立勇，石颖. 互联网金融的风险机理与风险度量研究——以P2P网贷为例[J]. 东南大学学报（哲学社会科学版），2016，18（2）.

[4]李彩凤. 基于结构方程模型的互联网金融风险评价[D]. 哈尔滨：哈尔滨理工大学，2017.

[5]刘澜飚，沈鑫，郭步超. 互联网金融发展及其对传统金融模式的影响探讨[J]. 经济学动态，2013（8）.

[6]张萍，党怀清. 互联网金融创新扩散中的策略错配与监管机制[J]. 管理世界，2015（9）.

[7]巴曙松，侯鑫彧，张帅. 基于生存模型的P2P平台生存规律与政策模拟研究[J]. 当代财经，2018（1）.

[8]刘凯悦. P2P网络借贷平台长效监管机制的建立[J]. 广东经济，2016（12）.

[9]钟肖英. 互联网消费金融中的逆向选择和道德风险研究 ——基于信号传递和重复博弈的视角[J]. 金融理论与实践，2016（12）.

[10]廖理，贺裴菲. 从LendingClub业务模式转变看P2P监管[J]. 清华金融评论，2014（2）.

[11]余中东. 互联网金融产业发展的地方监管研究[J]. 管理世界，2015（8）.

[12]纪海龙. P2P网络借贷法律規制的德国经验及其启示[J]. 云南社会科学，2016（5）.

[13]CLAESSENS S，GHOSH S R，MIHET R. Macro-prudential Policies to Mitigate Financial System Vulnerabilities[J]. Journal of International Money & Finance，2014，39（155）.

[14]CERUTTI E，CLAESSENS S，LAEVEN L. The Use and Effectiveness of Macroprudential Policies： New Evidence[J]. Journal of Financial Stability，2015，15（61）.

[15]梁琪，李政，卜林. 中国宏观审慎政策工具有效性研究[J]. 经济科学，2015（2）.

[16]邵汉华. 审慎监管有效性的实证研究——基于银行效率和风险的视角[J]. 财经论丛，2017（6）.

[17]BERGER A N，KLAPPER L F，Turkariss R. Bank Competition and Financial Stability[J]. Journal of Financial Services Research，2009，35（2）.

[18]张宗益，吴恒宇，吴俊. 商业银行价格竞争与风险行为关系——基于贷款利率市场化的经验研究[J]. 金融研究，2012（7）.

[19]BREUSCH T S，PAGAN A R.The LM Test and Its Application to Model Specification in Econometrics[J]. Review of Economic Studies，1980，47（1）.

[20]薛紫臣. 互联网金融流动性风险的成因和防范[J]. 中国发展观察，2016（12）.

[21]刘国刚.互联网金融背景下我国个人征信行业发展实践及展望[J].金融理论探索，2018（2）.

[22]朱清香，王莉.互联网金融民营系P2P网贷平台的风险预警[J].河北大学学报（哲学社会科学版），2016，41（4）.

[23]周爱民，彭俊华.信息不对称、交易成本与互联网融资平台发展——以P2P网络借贷为例[J].金融理论探索，2017（3）.

[24]朱宝.普惠金融体系下互联网金融风险溢出效应研究[J].广西财经学院学报，2017，30（1）.

（责任编辑、校对：李丹）