中国网贷效率影响因素及其演变轨迹

2020-02-06 11:26卢方元苏冰杰
经济与管理 2020年1期
关键词:借款网贷办法

卢方元,苏冰杰

(郑州大学 商学院,河南 郑州 450001)

一、引言

2007 年,上海拍拍贷的成立打开了我国民间借贷的新纪元。十多年来,网贷行业取得了飞跃式的发展。网贷之家数据显示,2018 年网贷行业成交量突破8 万亿元,截至2019 年1 月底,累计平台量为6 452 家,中国俨然已成为全球网贷规模最大的国家。虽然网贷行业凭借其贷款门槛低、资金流动性强的优势,在一定程度上弥补了传统银行的缺陷,缓解了中国普惠金融发展面临的一些难题[1],但同时也引发了大量的问题,多地平台出现跑路、失联、提现困难等现象。对此,监管当局多次发声,并初步建立起以《网络借贷信息中介机构业务活动管理暂行办法》(简称《办法》)、《网络借贷信息中介机构备案登记管理指引》、《网络借贷资金存管业务指引》、《网络借贷信息中介机构业务活动信息披露指引》为主体的“1+3”的制度框架。一系列严格监管政策的出台使得网贷平台的数量一降再降,网贷之家数据显示,截至2017 年12 月底,网络借贷行业正常运营平台数量达到了1 931 家,相比2016 年底减少了517 家,全年正常运营平台数量一直单边下行。这一切似乎表明我国网贷行业逐渐跨越“野蛮发展”阶段开始进入“规范发展”的新阶段。然而2018 年6月14 日明星平台唐小僧爆雷,掀起了新一轮的恐慌。据悉,P2P 行业一改之前资金净流入的趋势,当月资金净流出113 亿元,并由此引发行业资金流动性危机,爆发了P2P 网贷史上最大的雷潮风波,一时之间,舆论哗然,投资人信心骤减。接着,2018 年7月9 日,中国人民银行发布公告称要再用1~2 年才能完成互联网金融专项整治,同时指出原定于2018年6 月完成的备案工作将进一步被推迟,投资人信心再次下跌,网贷行业及监管当局遭遇空前困境。

经历了探索起步、爆发式增长和规范整顿后,P2P 网贷逐渐形成以平台为中心、以资本为纽带、各类市场主体参与的复杂金融生态系统[2]。一方面,网络借贷凭借其在解决中小企业“贷款贵、贷款难”问题上的独特优势,实现了“普惠”的功能;另一方面,监管缺失又导致在“互联网+金融”模式的风潮下,披着金融创新外衣的庞氏骗局滋生横行,网络借贷存在“普骗”的趋势[3]。面对如此复杂多变的网贷市场,看似日渐趋严的网贷监管政策其真正效果如何?发展至今,我国网贷行业的发展水平如何?对上述问题,目前学术界主要围绕“效率测度”和“政策评价”两个方面展开研究。对网贷效率的研究主要聚焦在单一平台的效率和绩效评价上,借助指标分析法对平台绩效进行评价并探究其影响因素,如姜琪[4]通过测度不同类型网贷平台效率得出网贷行业平台的运营效率普遍偏低,运营能力还有待提高,存在投入冗余和产出不足等现象。有关政策评价方面的研究大多集中在理论分析层面,采用实证检验的研究相对较少,朱家祥等[3]在深度挖掘问题平台特征的基础上,提出一套基于数字监管理论的问题平台预警机制。

目前,国内外学者针对网贷问题进行了大量的研究,具有一定的理论和现实意义。一方面可以帮助投资者明晰P2P 网贷行业的发展现状、判断行业未来走向,另一方面也为监管当局平衡创新与风险,对P2P 网贷实行监管提供参考意见,但同时也存在一些有待完善的地方。第一,现有研究大多数以短期分析为主,且更多集中在微观层面的参与人行为方面,对长期、行业的有效竞争及效率提升缺乏系统深入的探讨。第二,对网贷效率测度主要集中在微观层面,利用代表性平台数据进行分析,鲜有文献站在行业角度分析不同平台间效率差异及成交量的影响因素。同时相关的测度方法较单一,普遍采用基于数据包络分析的DEA 方法,在此基础上采用Tobit 模型探究其他效率影响因素,操作较为繁琐,同时忽略了随机误差的影响,具有一定的局限性。第三,有关政策评价大多集中在理论分析层面,较少采用实证方式进行验证。P2P 网贷作为一种新型的互联网金融行业,影响区域间发展差距的原因是什么?网贷市场的效率如何?政策的颁布对行业发展产生了什么影响?对以上问题的系统回答,为进一步规范P2P 网贷平台经营行为,提升经营效率,最终实现行业的长期健康发展具有重要理论和现实意义。

鉴于此,本文立足网贷行业视角,围绕上述几个方面的问题进行研究。采用随机前沿技术(SFA),建立“一步法”模型,以期在测度不同地区网贷效率的同时,达到分析效率的影响因素的目的,并以2016 年8 月24 日颁布的《办法》为例,设置政策虚拟变量,分析监管政策对行业效率的影响。同时,为进一步研究监管政策对网贷行业的冲击力,在对效率发展趋势进行简单描述分析的基础上,采用实证方法对行业效率发展水平进行收敛性检验,最后对本文的研究成果进行总结阐释。

本文的主要贡献包括:第一,区分地区异质性和无效率成分,首次采用固定效应随机前沿模型对中国各地区的网贷行业效率进行测度。以往测度技术效率的相关研究采用的主要方法包括DEA 和SFA方法,但DEA 方法假定各截面成员具有相同的前沿面,采用DEA 方法测度效率之后,为进一步分析效率影响因素往往需要建立Tobit 模型,通过加入一系列面板单位的虚拟变量进行固定效应估计,所得结果可能并非一致。而采用SFA 方法的相关研究中,大多使用的是传统的面板SFA 模型,没有考虑个体异质性,而这些异质性会导致效率估计值存在偏差。第二,在采用SFA 模型测度效率和分析效率的影响因素的同时,通过引入《办法》颁布的政策变量与其他变量的交互项,研究各因素对《办法》颁布效果的影响。第三,对《办法》颁布前后网贷行业效率进行描述性统计分析,在此基础上检验网贷效率的敛散性。从效率水平和收敛性两个角度研究《办法》颁布对网贷效率的影响。

二、模型设定与数据说明

(一)随机前沿模型

根据Battese et al.[5]的研究成果,采用SFA 方法可以同时实现对模型中参数和各效率影响因素的估计。同时,SFA 相较于DEA 来说,考虑了有测量误差等因素造成的随机误差,避免了将这些随机误差成分不恰当地计入到效率项之中[6]。再者,基于参数分析的随机前沿分析方法(SFA),通过设定生产函数可以定量分析要素变量对个体技术效率差异的影响,并通过无效率项和随机误差项的分离,确保测量结果的有效性[7]。本文旨在研究网贷行业效率及其影响因素,并着重分析单一政策以及政策组合在样本期内各个时点的影响效率。基于此,本文采用基于参数分析的SFA 方法对上述问题进行量化测度。

面板数据SFA 模型根据效率随时间变化的趋势及是否对效率项作出假设分为如下四类:效率不随时间变化,无分布假设[8];效率不随时间变化,有分布假设[9];效率随时间变化,无分布假设[10-11];效率随时间变化,有分布假设[12-14]。一般而言,效率不随时间变化的假设较强,在样本的时间跨度较大时此假定具有一定的局限性。同时,效率项的分布通常也会随着研究问题的不同而呈现不同的分布。因此,目前国内外有关SFA 模型的运用普便采用效率随时间可变的、有分布假设的模型:yit=α+xTitβ+ξit=α+xTitβ+νit-uit。然而上述模型没有考虑决策单位i 的不可观察的异质性,从而导致效率项(uit)包含了单个决策单位不可观测的异质性,使得效率的估计结果出现偏差。因此,本文采用如下的模型设定:

其中αi表示地区i 不可观测的异质性,xit表示投入变量lnXit,yit表示产出变量lnYit,νit为一般意义上的随机干扰项,服从相互独立的半正态分布uit在不同的i 和j 之间服从相互独立的半正态分布。为分析效率的影响因素,根据Battese et al.[5]在面板数据中建立的“一步法”模型,对νit和uit作出如下分布假设:

其中,ui=zitδ,表示L 个影响效率的因素,且u 和v 之间相互独立。式(1)和式(2)构成了本文所要分析的固定效应面板数据随机前沿(SFA)模型,采用极大似然估计(MLE)得到模型的参数估计值后,通过式(3)可计算出网贷行业的效率估计值。

(二)变量说明

网贷行业月度成交量(Y)表示行业当月发生的总成交额。网贷平台作为一种信息中介,主要通过对借贷双方的投融资需求进行信息匹配,维持平台运营进而达到盈利的目的。因此,行业成交量是平台规模和市场占有率的直接反映。平台规模越大、市场占有率越高,平台的发展越好,相应地,其效率也越高。从这个角度来说,网贷成交量是网贷行业的一个主要产出变量,基于此,本文选择行业月度成交量(Y)作为网贷行业的产出指标。投资人数(L)和借款人数(loan)表示当月在平台发生过投融资行为的人数,是反映平台活跃度的关键指标。一般来说,投资行为相较于融资行为更容易受到外部客观因素的影响,理性的投资者出于利益最大化目的往往会对平台进行综合评估后作出决策。相应地,投资人数量越大则网贷成交量也会越大,而融资者作为潜在风险者可能更少受到平台运营效率高低的影响。因此,本文选择投资者(L)作为网贷效率的一个直接投入变量,而借款人(loan)作为效率的一个影响因素。待还余额是截至统计时点,平台所有融资人尚未偿还的本金总金额(不包括利息部分),即平台潜在需要垫付的金额,是衡量平台的经营规模、安全程度的重要指标。同时,待还余额也是表示资金净流入水平的关键参考变量,一般认为待还余额越高,资金净流入水平则越高。因此,待还余额可作为平台投入资本的一个代理变量,本文选择行业月度待还余额(K)作为另一个投入变量。

本文旨在测度网贷行业效率的同时,探究网贷行业自身属性对其发展的影响程度,并着重分析《办法》对网贷行业发展的影响。为此,本文主要选取其中具有代表性的因素进行分析,以避免多重共线性问题。同时为减小未纳入回归方程的地区特征的影响,进一步在模型中引入地区虚拟变量,并采用固定效应SFA 模型的方式。主要变量设置如下:

(1)正常运营平台数量(number)。地区正常运营网贷平台数量越多,表示该地网贷市场越成熟,网贷市场的发展越好,相应地其成交量也会越多,效率也就越高。故选择正常运营平台数量作为其中一个效率影响因素。

(2)平均借款期限(term)。平均借款期限是投资者将资金贷给借款人到借款收回这一流程的时间,其中平台为招揽人气发放的超短期限的借款标的(如秒标、天标等)的期限不在考虑范围内。一般而言,平均借款期限是金融理财产品流动性的直接反映,期限越短,流动性越强,潜在风险则越低,效率越高。反之,期限越长,流动性越差,潜在的风险相对较大,效率越低。

(3)借款人数(loan)。网络借贷主要为缓解中小企业贷款而存在的,借款人数量的高低直接反映了地区网贷行业的人气,同时也会影响网贷成交量。

(4)综合利率(r)。利率影响平台的成本水平,平均利率低,融资成本相应降低,有利于提高平台的运营效率;同时利率作为投资收益率的反应变量,是网贷行业的晴雨表,其高低严重影响网贷参与人行为,进而对网贷成交量造成影响。因此,本文选择网贷行业月度综合利率作为一个非效率项。

(5)政策虚拟变量(policy)。为规范网贷行业发展,2015 年12 月28 日,银监会同工业和信息化部、公安部、国家互联网信息办公室等部门联合发布《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》,在社会上引起很大轰动。随后2016 年8月24 日《办法》颁布,明确了P2P 网贷机构信息中介的定位;对机构实行备案管理制度,明确了“中央+地方”的分权监管模式;制定了十三项禁止的负面清单,堪称“史上最严”。因此本文以《办法》的颁布为例,通过引入政策虚拟变量的方式,研究网贷监管政策对行业发展的影响。虚拟变量的取值方式为2016 年9 月之前,取值为0;2016 年9 月之后,取值为1。

(6)其他交互项。网贷监管政策对行业发展会产生一定的影响,但同时行业发展水平也会对政策的作用效果产生一定的影响,但究竟影响效果如何?为此,依次引入正常运营平台数量、平均借款期限、借款人数、综合利率与政策的乘积项,对网贷监管政策作用效果进行分析。

(三)数据来源与说明

本文在对网贷行业发展的效率与影响因素进行测度和分析的基础上,重点探究《办法》对网贷行业发展的冲击性,并对《办法》颁布前后网贷行业效率发展水平进行敛散性检验。采用地区面板数据,由于网贷行业发展的复杂性,同时考虑到数据缺失及数据可获得方面的限制,本文数据主要包括北京、广东、浙江、上海、江苏、山东、四川、湖北和其他地区(除上述所列地区之外的其他省市,参考网贷之家的分类方式),基本涵盖网贷行业全部平台的相关数据。数据的样本区间为2014 年1 月—2019 年1 月,数据主要来源于网贷之家。

三、实证分析

(一)模型估计

采用极大似然估计法对网贷行业的效率及其影响因素进行估计,结果如表1 所示。模型1 中的非效率项是对正常运营平台数、综合利率、平均借款期限、借款人数与政策虚拟变量的估计结果,用来分析其对不同地区网贷行业效率的影响程度;模型2~模型5 在模型1 的基础上依次引入政策虚拟变量与上述技术非效率项的乘积,用以考察政策对各非效率的影响程度。表1 显示,模型1~模型5 中的方差参数sigmaν 在1%的显著性水平下均通过了检验,即认为模型中的方差显著异于0,同时λ 也显著,表明本文采用随机前沿模型进行估计是合理的。

表1 分地区网贷行业产出的随机前沿模型估计结果

由表1 可知:模型1~模型5 均表现出劳动投入变量的系数更大,这表明劳动投入的产出弹性相较于资本投入弹性更大,说明劳动属于稀缺资源,即认为对网贷行业来说,投资人数未达到与行业发展规模相适应的水平,因此相较于贷款余额,其对行业成交量能产生更大的影响。同时资本投入与劳动投入的产出弹性之和小于1,表明网贷行业处于规模报酬递减阶段,这与姜琪[4]的研究结果是一致的。自2007 年我国第一家网贷平台拍拍贷成立以来,经过十一年的发展,曾经存在过的网贷平台将近七千家,然而目前正常运营的平台仅一千家左右,网贷行业规模快速扩大与急剧缩减的现实折射出该行业的混乱与动荡,说明中国网贷行业离成熟期还有一定的距离。

从技术非效率项的估计结果可以看出:(1)正常运营平台数量、借款人数系数为负,表明其对技术非效率项具有负向影响。平均借款期限、综合利率系数为正,表明其对技术非效率项有正向影响,即正常运营平台数量、借款人数的增加会促进网贷成交量的增大,进而促进行业规模的扩大,这与常识基本保持一致。相反,平均借款期限越长,综合利率越高,网贷成交量反而越少,行业规模相应会缩小。一般地,平均借款期限越长,意味着流动性越差,根据货币的流动性偏好假设,人们更倾向于投资期限较短的理财产品,减少对期限较长的理财产品的投资。而综合利率作为网贷行业的晴雨表,其对成交量的影响为负,这意味着高成本导致的高利率是不利于P2P 网贷行业长期健康发展的,综合利率虚高的现实也从侧面反映了中国P2P 网贷行业正处于贷方市场(卖方市场)[4]。(2)对于政策虚拟变量的系数,模型1~模型5 均为正,表明《办法》的颁布对网贷行业效率水平产生负向作用,即《办法》在一定程度上限制了行业的规模,避免行业的盲目扩张,对促进网贷行业规范发展、逐步走向成熟起到一定的调节作用。(3)对于交互项系数,正常运营平台数量、平均借款期限、平均借款人数与政策虚拟变量的交互项系数均为负,说明交互项对技术非效率项具有负向影响,从而对效率项具有正向作用,即认为政策对网贷行业的作用效果受到正常运营平台数量、平均借款期限、平均借款人数的影响,并且正常运营平台数量越多,平均借款期限越长、平均借款人数越多,政策对网贷行业的抑制效果越小。而对于综合利率来说,虽然其系数符号为负,但未通过显著性检验,表明《办法》和综合利率的交互项对网贷行业效率发展水平并未产生显著影响。

综合来看,中国P2P 网贷市场尚未进入成熟期,行业发展存在诸多不稳定因素;行业发展处在规模报酬递减阶段,不具备规模经济。因此,需要依靠一些技术手段,如建立一套基于数字监管理论的问题平台预警机制来规避风险,进而提升行业整体效率水平。但中国网贷市场的潜力和市场空间巨大,随着监管体系的成熟与行业发展的规范,网贷行业作为新型的民间借贷形式,对促进我国普惠金融发展进程将起到巨大的作用。

(二)网贷效率演变的描述性统计分析

为了更深入地了解《办法》颁布前后网贷行业效率的变化特征,本文利用上述随机前沿模型估计出的网贷行业效率值,依次计算出2014 年1 月到2019 年1 月网贷行业效率水平的均值、标准差及变异系数,结果如表2 所示。

由表2 可知:从均值来看,《办法》颁布前(33 期之前数据),其效率均值呈现先上升后下降的趋势,由2014 年1 月的0.776 上升到2016 年8 月的0.913;而《办法》颁布后(33 期之后数据),不同地区网贷效率呈现明显的下降趋势,由2016 年9 月的0.920 下降到2019 年1 月的0.645。这说明《办法》的颁布加剧了行业的动态调整,推动行业内不合规平台良性退出机制的形成,从而缩小了网贷行业的规模,对规范网贷行业发展起到一定的促进作用。从标准差上看,《办法》颁布前,标准差在缩小,由2014 年1 月的0.188 下降到2016 年8 月的0.041;《办法》颁布后,则由2016 年9 月的0.027 上升到2019 年1月的0.300,再次验证了《办法》的颁布加剧了网贷行业不稳定性的结论。一系列数据表明网贷监管政策对网贷行业产生了不小的冲击力,这与前面随机前沿分析的结果相呼应。同时也说明中国P2P 网贷行业具有复杂性与动荡性的特征,行业发展尚未成熟,因此对网贷行业的监管需要循序渐进。

从变异系数上看,其大致呈现先上升再下降的“倒U 型”趋势:2014 年1 月—2016 年8 月,由0.243 下降到0.045;而2016 年9 月—2019 年1 月,从0.030 上升到0.466。变异系数在样本期呈现巨大波动,尤其在《办法》颁布前后出现明显的转折,充分体现了《办法》对网贷行业的冲击力。根据σ 收敛相关理论,可以得出《办法》颁布前,不同地区间网贷效率的变异系数在逐渐缩小,表明行业发展具有σ 收敛性,然而《办法》颁布后,地区之间的差距被进一步拉大,表明此时行业发展不再具有σ 收敛性,这进一步印证了前文中的结论。

表2 分地区样本各期网贷行业效率对比

综上所述,网贷行业效率水平整体上呈现“倒U 型”。行业发展初期,网贷监管一片空白,网贷规模迅速扩大,网贷市场鱼龙混杂,效率水平较低,具有较高的增长率;随着监管的趋紧,行业内优胜劣汰机制形成,网贷规模大幅缩小,相应地,效率值开始下降。

(三)网贷效率的敛散性检验

根据上一部分对网贷行业效率分布的简单描述分析发现,《办法》的颁布加剧了网贷市场的不稳定性。《办法》颁布前,网贷行业具有σ 收敛的趋势;而颁布后,行业发展不再具有趋同性。依据新古典增长理论,在边际报酬递减规律和区域经济结构及技术偏好趋同的条件下,经济发展存在收敛性,那么网贷行业的发展是否具有收敛性?为了进一步深入探讨网贷行业发展的敛散性,对网贷行业效率发展水平再次进行β 收敛性检验。β 收敛包括绝对收敛和条件收敛两种方式[15-16],目前有关收敛性分析的实证模型应用较广泛的有两种,一种是横截面数据收敛分析模型,另一种是面板数据分析模型。本文依次采用绝对β 收敛和条件β 收敛方法对网贷行业效率的敛散性进行实证检验,借鉴李彦龙[17]的研究成果,绝对β 收敛分析采用横截面方法,条件β 收敛分析采用面板方法。所采用的检验方程如式(4)和式(5)所示:

其中△lnTE 表示网贷行业效率的平均增长率,TEi0表示样本初期的效率值,λi表示随机干扰项。若β1显著为负,则说明网贷行业效率存在绝对β 收敛;否则,不存在绝对β 收敛。同样,若β2显著为负,则说明网贷行业效率存在条件β 收敛;否则不存在条件β 收敛。本文在估计模型4 时,以2016 年8 月24 日《办法》的颁布为界,将效率值分为9 月份之前和9 月份之后两段分别进行估计,绝对β 收敛检验结果如表3 所示。

表3 网贷行业效率的绝对β 收敛检验结果

表3 绝对收敛性检验结果显示,《办法》颁布前后lnTEi0的系数均为负,未发生明显的变化,说明《办法》颁布前后网贷行业效率均具有一定的收敛性,即认为网贷行业在发展水平较低的地区具有较高的发展速度,这明显与前文描述性统计分析的结果不一致。为此在上述回归的基础上,作出2016 年9 月—2019 年1 月样本的散点图,如图1 所示,发现样本量较少,散点分散,且存在极端值。剔除极端值后,再次作出散点图,如图2 所示。可以看出,各个样本点拟合线呈发散趋势。因此,可以得出《办法》颁布前网贷行业绝对β 收敛,《办法》颁布后不再具有绝对β 收敛的结论。

图1 2016 年9 月—2019 年1 月样本的散点图

图2 剔除极端值后2016 年9 月—2019 年1 月样本的散点图

虽然绝对收敛检验结果表明网贷行业效率在《办法》颁布前具有收敛性,《办法》颁布后不再具有收敛性。但样本量较少有可能使结论不准确,因此,本文采用基于更大样本量的条件收敛性的估计方法再次进行检验,估计结果如表4 所示。

表4 网贷行业效率的条件β 收敛检验结果

由表4 可知,《办法》颁布前后lnTEit-1的系数发生明显变动,且2016 年9 月前系数为负,2016 年9月后系数为正。说明《办法》颁布前行业效率具有收敛性,网贷效率较低的地区具有较高的增长率;《办法》颁布后行业效率不再具有收敛性。这与前文结论基本一致,进一步验证了《办法》的颁布加剧了网贷行业的不稳定性的结论。同时,说明《办法》的颁布促进了行业内优胜劣汰机制的形成,推动了网贷行业逐步走向规范化发展的进程[18-20]。

综上所述,《办法》颁布对网贷行业效率产生了一定的影响,对效率的影响体现在效率水平和地区效率差距即收敛性两个方面。《办法》颁布拉大了地区间效率水平的差距,侧面反映出监管政策对规范网贷行业发展、加快行业动态调整、促进网贷行业走向成熟具有一定的调节作用。但同时也应注意政策的协调使用,中国网贷市场尚未成熟,监管过严可能会抑制行业规模及发展效率。2016 年,我国步入互联网金融“监管元年”,监管当局出台了一系列政策以规范网贷行业发展。历时两年多,虽然取得一定的成效,但如今我国网贷市场中诸多不稳定性的因素依然层出不穷,如2018 年6 月出现的雷潮风波,堪称“行业大洗牌”。究其原因,一方面在于目前的监管机制大多属于“事后监督”,缺乏“事中监督”与“事前预警”机制[18,21],如继雷潮风波后,《P2P 合规检查问题清单(108 条)》《关于做好网贷机构分类处置和风险防范工作的意见》(简称“175 号文”)相继出台。另一方面在于政策的执行力度不够,如2018 年7 月9日,中国人民银行发布公告称要再用1~2 年才能完成互联网金融专项整治,同时指出原定于2018 年6月完成的备案工作将进一步被推迟。

四、结论与启示

本文根据2014 年1 月—2019 年1 月中国不同地区的P2P 网贷行业月度面板数据,构建固定效应随机前沿模型对网贷行业的效率进行测度,分析《办法》颁布对网贷行业效率的影响,并采用σ 收敛和β收敛的方式检验网贷行业效率的收敛性。得到如下结论:

第一,中国网贷行业劳动投入的产出弹性明显大于资本投入,行业发展处于规模报酬递减阶段。根据边际产量递减规律,劳动投入弹性较大表明,对网贷行业来说,劳动是稀缺要素,即提高网贷效率,扩大网贷规模,投资人数量是其中的关键因素。效率影响因素的分析结果显示:我国网贷行业劳动投入的产出弹性较大;同时,资本投入和劳动投入系数之和小于零,说明中国P2P 网贷作为互联网金融的新形式,其发展不具备规模经济。

第二,正常运营平台数量、借款人数对网贷效率为正向影响,平均借款期限、综合利率对网贷效率为负向影响。即认为正常运营平台数量、借款人数越多,则行业成交量越多,相应地,行业效率越高;而平均借款期限越长,综合利率越高,则行业成交量越少。《办法》颁布会抑制网贷效率水平,且正常运营平台数量越多,平均借款期限越长,平均借款人数越多,《办法》对网贷行业的抑制效果越小。综合利率与政策交互项系数为正且未通过显著性检验,侧面反映出网贷市场的复杂性使得利率具有不稳定性,各地网贷市场均存在综合利率虚高的现实,导致综合利率对网贷行业的作用效果不明显。

第三,网贷行业效率发展水平呈现“倒U 型”,网贷行业效率在《办法》颁布前呈上升趋势,在《办法》颁布后呈下降趋势,说明《办法》的颁布对网贷行业造成一定的冲击,印证了随机前沿模型中得出的《办法》的颁布不利于网贷行业规模进一步扩大的结论。

第四,《办法》的颁布改变了行业效率发展水平的敛散性。其中《办法》颁布前,行业发展具有σ 收敛和β 收敛,《办法》颁布后则呈发散性。说明《办法》的颁布加剧了网贷行业发展的不稳定性,促进行业内部“优胜劣汰”机制的形成,对规范网贷行业发展起到一定的积极作用,这与前文的结论相呼应。

本文的研究成果具有一定的政策启示:第一,中国P2P 网贷行业发展处于规模报酬递减阶段,且相对资本要素来说,劳动是稀缺要素,即投资人数量是提高网贷效率,扩大网贷规模的关键变量。因此,对网贷平台来说,要营造良好的平台口碑,塑造健康的平台形象以吸引更多投资者,促进自身的发展。第二,经过十余年的发展,中国P2P 网贷市场尚未成熟,充斥着诸多不稳定性的因素,利率虚高的现实表明我国网贷行业正处于卖方市场(贷方市场)。因此投资时要理性选择,综合考虑,选择稳健的理财产品,避开秒标、天标。第三,虽然《办法》的颁布在一定程度上打击了不合规平台,但同时也加剧了网贷市场的不稳定性,抑制网贷规模的扩张。我国网贷行业属于新兴产业,尚不成熟,在监管趋严的背景下更要注意政策的执行力度问题,避免“一刀切”模式,推动网贷行业稳健发展。第四,推进我国互联网金融行业纳入征信体系的进程,同时完善网贷市场的自律监督机制,推动地方行业自律协会的建立,作到政策监管与自律监督双重配合,推动网贷市场走向成熟。

猜你喜欢
借款网贷办法
妻子的借款该如何认定债务关系呢
最好的办法
网贷行业:一年内887家网贷平台退出
网贷行业:一年内887家网贷平台退出
网贷运营平台总数持续减少 投资人数环比上升7.48%
网贷运营平台总数持续减少 投资人数环比上升7.48%
我们有办法
想办法抓住水
中国网贷地图
P2P网贷平台个人信用评估浅析