增信服务还是腐蚀效应:论金融科技等新兴产业发展过程中的风险信号

2021-08-13 01:47宋良荣
科技和产业 2021年7期
关键词:资质效应变量

孙 娜,宋良荣,孙 妍

(1.上海理工大学 管理学院,上海 200093;2.上海师范大学 天华学院,上海 201815;3.上海大学 计算机工程与科学学院,上海 200444)

当前,金融科技(Fintech,全称Financial Technology,即使用互联网、大数据、区块链、云计算、人工智能等现代技术开展金融业务服务的行业)正在迅速地改变着人们的生活,促进社会经济发展。但另一方面,其蕴含的风险也不容忽视。这是一种由技术风险和金融风险相叠加而形成的新型风险[1],一旦暴发,造成的危害是巨大的。因此,重视风险及时总结经验与教训,无疑是当下的一个重要研究任务。

从金融科技的业务内容来看,主要包括4 个方面,即智能分析、智能投顾、支付清算、网络信贷(P2P)[2]。其中网络信贷(P2P)的风险暴露得最为充分,曾几乎对整个网络信贷行业形成了致命的打击。伴随着金融科技与互联网技术的突飞猛进,中国的网络贷款大潮来势汹涌,去得匆匆。从顶峰时期的6 000 多家网络信贷平台,到如今尚在正常经营的网络贷款平台已经不足百家。随着网络信贷的偃旗息鼓,一场代价无比昂贵的新兴产业实验结束了。然而,总结教训,避免在金融科技的其他分支产业发展中重蹈覆辙,无疑是尚未完成的重要任务。

一个重要的问题是,网络贷款平台作为新兴的金融科技企业群体,为什么其风险暴发会变得一发而不可止?其爆炸式传播的链条与机理是什么?有哪些经验教训应当总结?对于其他的金融科技企业的风险防范有什么启发意义?在今后的金融科技企业发展中应当如何避免风险传播与积累?

当前,比较主流的看法是,网络贷款平台的增信服务导致了暴雷,比如承诺保本保息等。但问题在于,银行也是通过增信服务吸引客户的,它对储户承诺保本保息,这样储户才能够放心地把钱存入银行。为什么同样是存放贷业务中的增信手段,网络贷款平台就不可以用呢?其实,增信服务并不是网络贷款平台暴雷的真正原因,其深层原因或说风险暴发的机理是沿着各个平台的资质水平高低所形成的资质链展开的腐蚀效应。

可能的创新有如下3 点:

1)发现并提出了行业风险爆发的“腐蚀效应”现象,系统地提出了腐蚀效应发生的条件与机理,即腐蚀效应是沿着行业中各个企业的“资质链”由弱到强的风险暴发扩散过程。之所以将其命名为“腐蚀效应”,因为其过程与金属的腐蚀过程十分相似:先从最容易腐蚀的部位开始,然后向最不容易腐蚀的部位延伸,直到全部金属被腐蚀掉。更进一步地研究发现,市场竞争的无谓成本是导致腐蚀效应的重要原因。

2)首次用统计方法证实了腐蚀效应的存在。

3)与当前关于网络贷款行业出现大规模爆雷的主导观点即把爆雷归咎于其“增信服务”不同,从腐蚀效应的原理来看,“增信服务”并不是网络贷款行业出现大规模风险的真正原因。真正引发风险的,是网络贷款企业的资质参差不齐,并且普遍低于传统商业银行的资质。

根据检索,目前尚没有发现关于风险的腐蚀效应的理论与研究,也没有发现从腐蚀效应角度对网络贷款平台的风险机理的研究。

后面的分析将证明,行业中企业的进入门槛难以有效控制,导致低资质企业大量进入市场,成为诱发腐蚀效应的重要原因。因此,对于金融科技等快速发展的新兴行业或业态,研究腐蚀效应的机理及过程,有效地预防腐蚀效应造成的危害,在积极地发展新行业新业态的同时避免风险和危害,对于保证社会与经济的稳定而高速地发展,具有重要的意义。

1 文献综述及网络贷款暴雷原因的“增信服务说”存在的主要问题

关于引起网络贷款平台大量倒闭的风险来源,有不少学者都将其归咎为网络贷款的“信用中介”的错误定位,提出只要网络贷款平台从“信用中介”回归到“信息中介”,平台就可能避免风险[3],认为信息中介是网络贷款网络平台的异化[4-6],网络贷款应当回归信息中介的定位而不应当是信用中介[7],认为网络贷款的信用中介定位弱化了出借人的感知风险[6]。

但问题在于,传统的银行也是信用中介,银行通过自身的信用担保,把储户的资金以存款的形式吸收进来,然后再以贷款的形式发给资金用户。正因为银行对储户承诺了保本保息,储户才能够放心地把钱存入银行。商业银行的信用中介职能是其最基本的职能之一。那么,为何商业银行可以提供增信服务,网络贷款平台就不能呢?

实际上,有许多学者都提出了客户的信任对网络贷款平台的重要性。王会娟和廖理、Lee 和Kim、Parguel 等都指出,信任是网络贷款平台成功的基础[8-11]。王秀为等认为,网贷成功交易的前提在于出借方建立起对平台的初始信任,安全保障、信任倾向和借款人声誉影响出借人对借款人的信任,信任显著影响出借方的出借意愿[12]。Herzenstein、Duarte 等都提出,在网络贷款平台上,只有资金出借人充分相信资金的安全性,才会产生资金出借行为[13-14]。Yan 等用统计回归方法研究影响投资者对网络贷款平台的信任水平的因素,发现网络贷款平台的财务状态是影响信任的重要因素[15]。Ceptureanu 等研究了声誉对于网络贷款平台的信任水平的影响[16]。Taeuscher 提出客户们毫无疑问地会选择可信任的平台[17]。Yao、Jiang、刘征驰和赖明勇、Dorfleitner 等研究了虚拟抵押品和软信息等对提升信任水平的重要作用[18-21]。Lin 等认为,资金使用人的关系网络对资金出借人的选择影响很大[22]。Yang 提出网络贷款平台中的照片对资金出借人的信任感具有很大影响[23]。张朝辉还提出对于C2C 信用评价可以借鉴P2P 模式[24]。曾江洪等进一步研究了信用评分的影响[25]。陈冬宇和林漳希研究了网络信贷中的信任对借贷意愿的影响机制[26]。陈冬宇等从实证角度研究了信任和出借意愿的关系[27]。更进一步地,陈冬宇还从社会认知理论角度研究P2P 的交易信任问题[28]。

更有大量的学者指出,基于网络的所有商业活动都需要以信任为基础。比如,Wu、Greiner and Wang、Jarvenpaa、Kim、McKnight、Pennington、Pavlou 和Gefen、Gefen、Song 和Zahedi、Pavlou、Shankar、庞川、McKnight 等都认为网络条件下信任对于商业行为具有十分重要的意义[29-41]。

实际上,正如Hardin 提出的,信任是如此的重要,以至于它是所有的社会经济活动的基础[42]。陶芝兰和王欢提出,从人际信任到制度信任则是社会发展的过程[43];而张维迎和柯荣住也对信任在经济活动中的重要意义与机理进行了深入的研究[44]。

2 腐蚀效应理论的提出

2.1 商业银行与网络贷款平台的差别

由文献回顾可以看出,信任在经济活动中尤其是金融业务中是极为重要的。正因为如此,一些金融类经营行为,为了确保能够成功,往往都采取一定的增信措施。所谓增信,主要是融资人为减少客户对投资风险的担忧而采取的各种保障措施,比如回购、第三方收购、担保、承诺保本保息即刚性兑付[45],一些融资项目还利用政府信用进行政府背书等来增信。此外,对于企业的声誉与信誉进行描述宣传等的“软信息”,在实质上也是一种广义的增信。不过,对于一般的金融业务来说,最为常见的就是承诺保本保息等增信方式。由此可见,从企业经营角度来看,增信本身并不是一种负面的不良行为,而是正常的经营行为。

但问题在于,既然银行与网络贷款平台都存在增信行为,为何商业银行安然无恙而网络贷款平台却出现了大规模的爆雷?把网络贷款平台的大规模暴雷仅仅归咎于其开展了“增信服务”,显然是有问题的。

从监管角度来看,商业银行与网络贷款平台的最大不同是银行的监管很严格,入门门槛很高。中国规定全国性商业银行最低注册资本金为10 亿元。但是对网络贷款企业只是作为一般公司管理,3 万元就可以办一个网络贷款公司。可见,企业资质的巨大差异,才是网络贷款行业与商业银行行业的真正区别所在。

2.2 腐蚀效应现象及机理

随后的ARMAX 模型实证表明,网络贷款企业的大规模爆雷,是沿着企业的资质水平由弱到强的“资质链”的顺序展开的:那些资质水平最差的企业(通常是小企业)率先爆雷,然后一些资质水平较高的企业也开始出现暴雷,最后则即使是资质水平最高的企业,也抵抗不住市场的压力而倒台。

网络贷款行业在实际上是一个由众多投资者和贷款者及网络贷款平台组成的市场系统。其中,投资者追求的目标是低风险高利率回报,贷款者的目标是低利率成本下得到所需额度的贷款,而网络贷款平台追求的目标是投资款与贷款之间的利差最大化和客户最多(市场占有率的最大化)。

第一阶段为行业扩张期。这时网络贷款的市场系统是稳定的,“风平浪静”的。投资者、贷款者及平台等众多个体在博弈均衡的基础上实现自己的目标,政府也持鼓励态度。由于行业的利润较高,从而吸引大量企业加入,从事网络贷款的平台企业大量增加,行业处于快速扩张的阶段。

第二阶段为偶然冲击期。经过一定时期的扩张之后,行业内部已经充斥着大量的资质水平各异的企业。由于各种内外因素的变化,行业系统不可避免地会受到一定程度的风险冲击,比如某黑天鹅事件等利空消息、国际国内的环境变化等,导致各个企业在客观上会受到一定的“风险压力测试”。这时,一些资质水平较低的低资质平台企业往往会率先暴雷倒闭。

第三阶段为无谓成本飙升期。一些企业的倒闭造成本行业的声誉及可信任程度的降低。在这样的情况下,投资者就会变得谨慎起来,自我保护意识加强并伴随一定的自我保护行为,比如投资意愿降低、提前支取已有投资。更为严重的是,人们的行为容易相互传染而形成所谓的“羊群行为”,形成投资者对网络贷款平台的大面积挤兑。

这些情况导致网络贷款平台的经营额大幅度下降,造成企业生存困难。为了争夺客户以渡过难关,一些网络贷款平台企业不得不加大增信行为和提高投资利率。这样,就会形成在各个网络贷款平台之间争夺客户的现象。这种竞争的结果,就是导致整个网络贷款行业的平均“增信”成本的提高和投资与贷款的利差的普遍降低。这在实质上是竞争带来的“无谓成本”的大幅度提高,意味着网络贷款平台企业的生存环境进一步恶化,从而导致一些具有一定资质水平的平台企业也发生倒闭。在这个阶段,从平台的抗风险水平角度来看,暴雷倒闭的平台企业,已经从资质水平最差的平台向资质水平较强的平台漫延,即暴雷进一步沿着企业的资质链从低向高漫延。

第四阶段为风险暴发期。特点为网络贷款企业大量暴雷,形成雪崩现象,无论企业的资质水平高低皆难以幸免。这是因为,网络贷款平台企业接连暴雷,导致那些已经在平台贷款的人对当前尚在运营的平台形成了倒闭预期。而一旦他们的债权人平台倒闭(特别是平台负责人“跑路”这种暴雷方式),他们的所借到的贷款就会变成“无主债”而无须偿还。这样,一些具有“赖账”动机的贷款者往往会拖延还贷而“故意等待平台暴雷”,导致平台企业的坏账大量增加,从而在本来已经由于平台企业之间竞争导致的无谓成本大幅度增加的基础上再“雪上加霜”,形成新一轮的资质水平更高的网络贷款平台的倒闭潮。

这一阶段,企业倒闭的风潮如狂风暴雨一般势不可挡,即使资质水平最高的企业往往也难以幸免。

这种由最初的资质水平最差的企业爆雷倒闭,渐渐向资质水平较强的企业爆雷漫延,形成沿着资质水平由低到高的拉链式的风险展现过程(图1),所以将之命名为“腐蚀效应”。

图1 腐蚀效应过程

在腐蚀效应形成的过程中,无谓成本的大幅度上升是一个十分关键的环节。所谓的无谓成本的概念,来自Sun 的著作Five institution structures and institutional economics[46],是指社会竞争导致的一种常见“效率损失现象”,即在许多同类个体之间出现竞争时,如果缺乏第三方的监管,常常只会导致大家白白地付出竞争成本,使得原本可以不用竞争就可得到的标的物变成只有通过竞争才能得到。这就如同夜晚在农村的场院上看露天电影(这是中国1960—1980 年农民的主要娱乐方式):本来一开始大家都坐在小板凳上观看,人人都很轻松。但通常会有人觉得前面的人身子太高,影响自己观看,从而把身子向上伸展。这样,就会导致他后面的人也不得不跟着把身子向上伸展。这样就出现了“相互比高”的奇怪现象,恶性循环,往往是你伸得高我就比你伸得更高,最后的结果就是,大家都站立起来,伸着脖子踮着脚看电影。这种“伸高竞争”的结果,就是使本来大家都可以坐着很轻松情况下看得很清楚的电影,变成了只有大家都必须站立着很累的情况下看电影了。这种本来可以“不累”情况下轻松得到的东西,变成了“很累”情况下还不一定能够得到,这就是竞争下的无谓成本导致的低效率。

在人类社会中,无谓成本现象非常普遍:产品的包装竞争和广告竞争、国家之间的军备竞争,都会造成大量的无谓成本。无谓成本理论还能很好地解释市场中的一个普遍现象:凡是门槛低到随便进入的行业,利润都非常低,这是因为效率被无谓成本破坏了。

在网络贷款行业中,由于竞争的存在,许多企业通过各种方式强化增信服务,其实质是由企业把风险揽到自己头上,实际上正一种无谓成本,这只是大量的企业相互竞争导致的一种无奈而已,并不是企业天生喜欢承担风险。

2.3 形成腐蚀效应的两个基本条件

无谓成本在市场中并不是天生就存在的,而是有它独特的产生条件:只有当市场中资源减少,企业吃不饱,即所谓的“僧多粥少”,从而形成激烈竞争后才会出现大量的无谓成本。这就解释了为什么会在网络贷款平台爆发式增长后才出现了一发不可收拾以暴雷为特征的腐蚀效应。

但是,无谓成本的直接作用是导致企业的效益下降,并不一定能够形成腐蚀效应。腐蚀效应的形成还有一个重要条件,就是行业内的企业资质参差不齐,特别是存在大量的低资质企业,腐蚀效应才会出现。

因此,形成危害极大的腐蚀效应必须存在两个基本条件,一是行业内出现了较高的无谓成本,二是行业内的企业资质参差不齐并且存在大量的低资质企业。

腐蚀效应的这两个基本条件为负责宏观管理的政府部门提供了调控市场的重要的理论依据:对于一些新兴的特别是与金融有关的行业,如果出现难以控制的暴发式发展,就要警惕腐蚀效应了。在当下,金融科技发展大有如火如荼之势,在这样的时候,保持清醒的头脑,加强审视和提高行业内企业的资质水平,无疑是一项重要任务。

3 研究方法与数据

3.1 研究方法

以网络贷款平台企业的时间序列数据为基础,采用ARMAX 模型(auto regressive moving average models with external input,具有外部输入的自回归移动平均线模型)。这种模型虽然回归过程比较复杂,并且要求对原始数据进行平稳性处理,但对于时间序列数据,其回归效果远比一般的OLS(ordinary least squares,普通最小二乘法回归)模型好。只要充分地增加自回归滞后和残差的移动平均滞后,就可以使ARMAX 模型实现动态完备性(dynamically complete model),回归的残差可以达到良好的白噪声水平,要比一般的OLS 回归可靠得多。

3.2 数据的来源与特点

共收集了各类网贷平台公司共20 万多条原始数据,以及2013 年6 月以来的上证指数月涨跌幅数据和银行利率和同业拆借利率。然后,通过处理形成了以月度为单位的时间序列数据。

网贷平台数据来自第三方信息平台“网贷之家”和“网贷天眼”,上证指数涨跌幅数据来自中信建投股票交易系统,银行利率及同业拆借利率数据来自中国人民银行官网。

全部网络贷款平台按照当月状态被分为3 种类型。第1 种是正常平台(当月处在正常运营的平台)。第2 种是问题平台(已经出现各种问题不能正常运营的平台)。第3 种是新增平台(当月新上线开展运营的平台)。

为了防止回归时产生内生性,在数据的计算方法上,正常平台与问题平台和新增平台在计算上边界清楚而不交叉,即对于每个具体平台来说,要么它只属正常平台,要么只是属于问题平台,要么只是属于新增平台。

3.3 变量定义

被解释变量fais,是每月下线的问题平台的平均规模。用企业的注册资金来表示企业规模,注册资金多则表明企业规模大。观察发现,在刚刚出现网络贷款爆雷的时候,问题平台多为小企业,这时fais的值较小。随着问题平台的不断爆雷,fais 的值渐渐增大,也就是随后爆雷的平台的规模越来越大(图2)。这说明:在行业内出现风险苗头时,资质水平低的企业先倒闭,然后渐渐引起资质水平高的企业倒闭,从而形成了随着行业内企业的“资质链”从低到高的倒闭顺序。这是存在腐蚀效应关键证据。设计被解释变量fais,就是拟从统计上考察这种腐蚀效应是否存在。

图2 每月下线的问题平台的平均规模fais

解释变量tofain为按月度积累的问题平台总数量。设计解释变量tofain 的思路是,爆雷平台的数量不断积累增加,可能是导致爆雷平台规模渐渐变大的原因,如果在模型中tofain 显著,就说明的确如此,也就是行业内存在腐蚀效应。为了防止模型的内生性,tofain 中只包括从T=0 时到当前月的上个月为止的问题平台的累积数量,不包含当月的问题平台数量。这样,可以防止被解释变量fais(全部为当月的平台数据)影响到解释变量tofain 而产生内生性。

控制变量bors 定义为当月新上线的平台的平均规模。设计该控制变量的目的,是用来检验问题平台的规模不断增大这一现象,是否是由新增平台的平均模型不断变大引起的(如果这样,就否定了问题平台的规模变大是由问题平台的数量增加导致的,从而否定了腐蚀效应,这是为了检验腐蚀效应是否的确存在而设计的)。从图3 来看,bors 似乎没有渐渐变大的趋势,但进行科学的判断,还需要在回归模型中对其进行显著性检验才行。因此,增加控制变量bors,主要是为了提高分析的严谨性。

图3 每月新上线平台的平均规模bors

控制变量intere 定义为中国人民银行规定的一年期存款利率。数据来自中国人民银行官网。众所周知,银行存款利率越低,网络贷款平台吸引的资金就会越多。

控制变量shaind 为上证指数的月涨跌幅。网络借贷市场与股票市场之间通常存在相互影响的现象[47]。

控制变量banklen 为银行间7 日同业拆借利率,数据来自中国人民银行官网。该利率的高低,反映了市场上资金的紧张程度,对网络贷款平台的运行状态具有一定影响。

上述变量定义及符号皆针对原始变量数据进行。由于这些变量数据全部是时间序列数据,并且都是非平稳数据的,不能直接用来进行ARMAX 模型回归。因此,必须对这些原始数据进行差分等,使它们转变为可以回归的平稳的数据序列。

4 对原始变量数据的平稳性的考察与平稳化措施

由于原始的时间序列数据通常具有较强的序列相关性,破坏了样本的随机性假定,导致中心极限定理与大数定理失效,从而不能直接用来统计回归。因此,需要对变量的原始数据进行平稳化考察,如果为不平稳数据,就需要对其进行平稳化处理。

由于涉及变量较多,为了节省篇幅,仅举例展示一个变量的平稳化处理过程。被解释变量fais(各月份由于出现问题而下线的平台的平均规模)在模型中具有重要地位,其回归结果对证实腐蚀效应是否存在具有决定性作用。因此下面将展示对其的平稳性的检验与平稳化处理过程。其他变量处理过程类似,故从略。

对fais 的平稳性考察需要分析其自相图(图4)、偏自相关图(图5)、单位根检验(表1)等。

表1 变量fais 的6 阶ADF 单位根检验

图4 fais 的自相关图

图5 fais 的偏自相关图

由图4 与图5 可见,fais 自相关图6 阶截尾,偏自相关图拖尾。

表1 说明,变量fais 的ADF 检验表明其不平稳。

为了使其平稳化,对变量fais 取对数后再差分,形成处理后的变量dlnfais。然后考察其平稳性,如图6~图8、表2 所示。

图6 变量dlnfais 的时间变化曲线

由图6 可见,dlnfais 已无明显趋势。由图7 及图8可见,dlnfais 自相关1 阶截尾,偏相关拖尾。

图7 dlnfais 的自相关图

图8 dlnfais 的偏自相关图

由表2 可见,对dlnfais 进行ADF 检验的结果表明,该变量可以在1%的水平上拒绝存在单位根的原假设,平稳性良好。

表2 变量dlnfais 的ADF 单位根检验

其他变量的平稳性检验与平稳性处理过程与fais 相同,为了节省篇幅,从略。

通过原始变量的平稳化处理,各个原始变量全部具有了良好的平稳性,从而达到了利用ARMAX模型进行可靠的回归分析的要求。这些原始变量与处理后的新变量的对应名称见表3。

表3 平稳化后各变量的对应名称

5 ARMAX 模型回归分析

采用ARMAX 模型来检验和证实腐蚀效应的存在。根据各变量经平稳化后的自相关图与偏相关图,各变量的平稳序列的滞后阶数情况见表4。

表4 平稳化处理后变量的相关阶数情况

根据表4,在使用全部变量进行回归的情况下,应当采用ARMAX(1,3;1/3)模型。在表5 中,所有的模型回归一律使用异方差稳健标准误,以防止异方差对回归的干扰。

由表5 可见,随着模型中变量的增加,模型的信息准则AIC 逐渐变小,但模型残差的白噪声性在变差(Prob>Chi2 在变小,也就是如果拒绝残差为白噪声的原假设,则犯错误的概率在变小)。其中的原因主要是加入更多控制变量会引起多重共线性从而造成标准误增大,从而导致白噪声变差。可见,由于存在白噪声性要求的制约。因此不宜加入过多的控制变量。

表5 中,Model(1)为被解释变量dlnfais 对解释变量即下线的问题平台积累数量变量dlntofain 的回归。回归结果显示dlntofain 的系数为0.277,且在1%的水平上显著,说明的确随着问题平台的累积数量的增加,后面出现问题而下线平台的平均规模会变得越来越大。

表5 不同模型的变量显著性及信息准则及白噪声检验情况

Model(2)是在Model(1)基础上增加了当月新上线的平台的平均规模变量dlnbors,该模型的用途,主要是用来检验问题平台的规模不断增大,是否是由于新增平台的平均模型不断变大引起的(如果这样,就否定了问题平台的规模变大是由问题平台的数量增加导致的,从而否定了腐蚀效应,这是为了检验腐蚀效应是否的确存在而设计的)呢?回归结果显示,增加了dlnbors 后,dlntofain 的系数仍然显著(达到了1%水平),但dlnbors 的系数却不显著。这充分说明了问题平台的规模变大,并不是当月新上线的平台的平均规模变量dlnbors 引起的,而是仅与爆雷平台不断增多有关,由此充分证明了腐蚀效应的存在。

Model(3)在Model(2)的基础上增加了有可能影响被解释变量dlnfais 的一些控制因素,比如银行利率ddintere、股票指数涨幅度shaind、银行间拆借利率dbanklen 等。从Model(3)的回归结果来看,解释变量dlntofain 的系数仍然为正值并且在1%的水平上显著,说明爆雷的平台规模会随着爆雷平台数量的增加面变大,再一次证明了腐蚀效应的存在。在控制变量中,dlnbors 的系数仍然不十分显著(仅5%水平)。说明了问题平台的规模变大,主要的还是与爆雷平台不断增多有关。从其他控制变量来看,银行利率ddintere、股票指数涨幅度shaind 都在1%基础上显著,但银行间拆借利率banklen 不显著,说明了影响网络贷款的因素多为个人或小企业的行为,他们的行为受银行利率与股票市场影响较大,而银行间拆借等银行行为则对网络贷款无影响。

6 结论及建议

在提出行业风险暴发的“腐蚀效应”理论的基础上,通过对金融科技领域内的网络贷款行业风险暴露过程中的数据的统计实证,发现行业风险暴发的确是沿着企业的资质链从低到高进行的,从而证实了腐蚀效应的确存在。对于一个高速发展的经济领域或行业来说,一旦出现腐蚀效应,对行业的打击将是致命的。因此,在经济高速发展在社会上引发一片乐观情绪时,对于政府来说,保持一份清醒,警惕和积极防范可能出现的腐蚀效应,无疑具有重要的意义。

那么,哪些行业容易出现腐蚀效应呢?一般地说,那些对客户信任高度依赖的行业,最容易出现腐蚀效应。这是因为,根据腐蚀效应的发生机理,行业内的低资质企业一旦率先出现风险事件,其负面信息的扩散会导致行业生存所高度依赖的客户信任就会受到影响,造成整个行业的经营环境变差,从而形成引发新一轮的风险事件暴发潮的腐蚀效应链条(图1)。不难发现,金融业正是这种对客户信任高度依赖的行业。因此,在高速膨胀的网络贷款行业出现腐蚀效应就毫不奇怪了。

根据产生腐蚀效应的两个基本条件:行业内出现了较高的无谓成本,以及行业内的企业资质参差不齐并且存在大量的低资质企业。因此防范腐蚀效应需要从如下两个方面入手。

1)要努力控制行业内可能出现的较高的无谓成本。产生无谓成本的重要原因是行业内出现过度竞争甚至恶性竞争。因此,政府需要关注金融科技等新兴行业中的竞争情况。一方面,竞争可以活跃市场,激发创新与发展,但任何事情都必须“张弛有度”,竞争如果过于激烈甚至出现恶性竞争,则就会导致无谓成本大幅度上升,市场效率就会大大降低,还会引发破坏性极强的腐蚀效应。因此,对行业内的竞争情况密切监管及时消除造成过度竞争的因素,把市场竞争控制在合理范围内,是行业的监管部门的一项重要任务。

2)充分重视并且在行业中设立具有一定难度的进入门槛,特别是对于一些新兴的与金融有关的行业,防止在行业内堆积大量的低资质企业。无论其前景如何,在发展过程中一定要防止无门槛式的“一哄而起”。一旦出现难以控制的暴发式发展,可能会出现腐蚀效应。在当下,金融科技发展大有如火如荼之势,在这样的时候,保持清醒的头脑,加强相应的制度建设,审视和提高行业内企业的资质水平,无疑是监管部门的一项重要任务。

需要说明的是,从政府对行业的管理视角来看,在促进行业发展时不忘记防范风险的实质,是对制度-制度接口的设计问题:在提供相应的促进发展的政策和制度(比如在制定的各种便利制度和补贴及优惠服务制度等)时,必须同时制定防范风险的制度(比如制定一定的行业门槛和行业状态监管制度),做到在制度层面防止腐蚀效应。

猜你喜欢
资质效应变量
河南省有序开展测绘资质复审换证工作
寻求不变量解决折叠问题
抓住不变量解题
懒马效应
2017年农药生产资质合并企业备案申请名单
应变效应及其应用
偶像效应
2014年第四批农药生产资质合并企业名单
分离变量法:常见的通性通法
变中抓“不变量”等7则