论文部分内容阅读
摘要:近年来,由于各项信息技术的推陈出新和推广使用,科技应用水平在金融领域有了极大的提升,因此,新兴的金融行业环境顺应发展潮流出现。网贷平台在融资方面具有重要意义,对于资金需求方而言,网贷平台提供了新的融资方。对于资金供给方,平台回报率较高,同时投资门槛相对较低,成为投资者规划资金的一个新渠道。本文通过分析1000多家网贷平台的真实交易数据,研究平台利率与风险之间的联系,从而预测平台可能出现的违约风险,有助于网贷投资的参与者和监管机构充分了解其潜在风险。
关键词:网贷;平台利率;风险;变量
一、数据描述
王浩博(2020)通过二元logistic模型发现,借贷者的年龄和性别对违约因素没有显著影响。[2]
本文通过大数据挖掘,对一千多家交易信息比较全面的网贷平台进行了数据搜集,调查这些平台的基本信息,例如这些平台所处的地理位置、时间等等。胡金焱等(2020)通过考察外部影响因素发现,股价波动会影响网贷风险增加,同时借贷者的认知能力会放大股价影响、进一步推高或降低平台利率。[1]
本文中使用的变量有注册资本、是否省会城市、是否公布借款人、利率、贷款余额和距离上线时间。我们同时也对我们提取到的信息样本进行了统计。
我们可以从统计结果中提取到一些有用的数据,比如注册资本这一变量,一千多家平台的平均注册资金是5460,大概有63.9%的平台是在省会城市注册的。以及被调查平台的上线时间、投资人数、借款交易的信息披露等都有详细的数据说明。以上数据也是本文分析平台的利率与风险的关系的重要参考数据。
二、实证结论
本文中,被解释变量是平台在未来24周内是否会出现问题,解释变量为利率,我们利用probit进行回归,以便更好地控制其他变量,并建立如下回归模型:
prob(problem_w24it=1)=Φ(α+βInterestRateit+γControlit+provincei+ut+εit) (1)
在這里,虚拟变量是problem_w24it,当平台i在区间[t+1,t+24]周内出现问题时取1,否则取0。表示平台 i 在第 t 周时的利率,Controlit表示控制变量,ut表示季度虚拟变量,provincei表示省份虚拟变量,εit表示误差项。Φ(·)表示标准正态分布的累积分布函数。
首先研究全样本数据并对这些数据进行回归分析。回归结果显示在表1中。因此,我们得出结论:利率越高,风险越大。分析可知,当其他解释变量固定不变时,平台的利率每增加4.573个百分点,该平台出现问题的概率随之增加0.257个百分点。
第2列和第3列回归中均加入了其他控制变量。我们得到了一样的结果:利率越高,风险越大。平台的利率每变化4.57个百分点,该平台出现问题的概率随之变化0.065—0.105个百分点。根据表1,我们可以得出结论:平台的利率与风险正相关。当平台具有其他控制变量时,该结论仍然成立。
三、结论
通过数据的统计分析,这一千多家网贷平台提供的利率与平台风险之间大致存在着正相关关系。而本文的一个重要结论是,在不同的利率区间,平台的利率与该平台的风险的关系出现了一定的异质性现象。具体而言,就是当少部分平台提供了远低于整个网贷市场的平均利率时,该平台可能会出现网贷平台利率与平台风险的负相关关系,那么在投资者眼中,这类平台的投资回报率可能较低;而当少部分网贷平台提供了远高于整个网贷市场的平均利率时,则会出现较明显的正相关关系,这类平台会更加吸引投资者投资或借贷者进行借款。
参考文献:
[1]胡金焱,水兵兵.风险资产配置、股价波动与网贷风险——兼论对网贷利率的影响[J].山东社会科学,2020(11):
124-131.
[2]王浩博.基于二元logistic模型的P2P违约分析[J].现代商业,2020(30):106-109.
基金项目:嘉兴学院重点SRT资助项目(CD8517203034)。
作者简介:王诗琴,女,汉族,浙江嘉兴学院,本科在读。
关键词:网贷;平台利率;风险;变量
一、数据描述
王浩博(2020)通过二元logistic模型发现,借贷者的年龄和性别对违约因素没有显著影响。[2]
本文通过大数据挖掘,对一千多家交易信息比较全面的网贷平台进行了数据搜集,调查这些平台的基本信息,例如这些平台所处的地理位置、时间等等。胡金焱等(2020)通过考察外部影响因素发现,股价波动会影响网贷风险增加,同时借贷者的认知能力会放大股价影响、进一步推高或降低平台利率。[1]
本文中使用的变量有注册资本、是否省会城市、是否公布借款人、利率、贷款余额和距离上线时间。我们同时也对我们提取到的信息样本进行了统计。
我们可以从统计结果中提取到一些有用的数据,比如注册资本这一变量,一千多家平台的平均注册资金是5460,大概有63.9%的平台是在省会城市注册的。以及被调查平台的上线时间、投资人数、借款交易的信息披露等都有详细的数据说明。以上数据也是本文分析平台的利率与风险的关系的重要参考数据。
二、实证结论
本文中,被解释变量是平台在未来24周内是否会出现问题,解释变量为利率,我们利用probit进行回归,以便更好地控制其他变量,并建立如下回归模型:
prob(problem_w24it=1)=Φ(α+βInterestRateit+γControlit+provincei+ut+εit) (1)
在這里,虚拟变量是problem_w24it,当平台i在区间[t+1,t+24]周内出现问题时取1,否则取0。表示平台 i 在第 t 周时的利率,Controlit表示控制变量,ut表示季度虚拟变量,provincei表示省份虚拟变量,εit表示误差项。Φ(·)表示标准正态分布的累积分布函数。
首先研究全样本数据并对这些数据进行回归分析。回归结果显示在表1中。因此,我们得出结论:利率越高,风险越大。分析可知,当其他解释变量固定不变时,平台的利率每增加4.573个百分点,该平台出现问题的概率随之增加0.257个百分点。
第2列和第3列回归中均加入了其他控制变量。我们得到了一样的结果:利率越高,风险越大。平台的利率每变化4.57个百分点,该平台出现问题的概率随之变化0.065—0.105个百分点。根据表1,我们可以得出结论:平台的利率与风险正相关。当平台具有其他控制变量时,该结论仍然成立。
三、结论
通过数据的统计分析,这一千多家网贷平台提供的利率与平台风险之间大致存在着正相关关系。而本文的一个重要结论是,在不同的利率区间,平台的利率与该平台的风险的关系出现了一定的异质性现象。具体而言,就是当少部分平台提供了远低于整个网贷市场的平均利率时,该平台可能会出现网贷平台利率与平台风险的负相关关系,那么在投资者眼中,这类平台的投资回报率可能较低;而当少部分网贷平台提供了远高于整个网贷市场的平均利率时,则会出现较明显的正相关关系,这类平台会更加吸引投资者投资或借贷者进行借款。
参考文献:
[1]胡金焱,水兵兵.风险资产配置、股价波动与网贷风险——兼论对网贷利率的影响[J].山东社会科学,2020(11):
124-131.
[2]王浩博.基于二元logistic模型的P2P违约分析[J].现代商业,2020(30):106-109.
基金项目:嘉兴学院重点SRT资助项目(CD8517203034)。
作者简介:王诗琴,女,汉族,浙江嘉兴学院,本科在读。