基于模糊层次分析法的p2p网贷平台声誉风险评估研究

《基于模糊层次分析法的p2p网贷平台声誉风险评估研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊层次分析法的P2P网贷平台声誉风险评估研究【摘要】随着P2P网贷平台迅猛发展，平台提?F困难、停业、跑路等现象频发，使网贷平台面临巨大的声誉风险。文章以P2P声誉风险为研究对象，借鉴Harris-Fombrun模型，形成P2P声誉风险指标体系，采用模糊层次分析法对网贷平台声誉风险进行评价，进而提出相关建议。【关键词】P2P网贷平台声誉风险风险防控一、问题的提出P2P网络借贷是一种基于互联网而形成的新型金融服务方式，是现有银行体系的有益补充。从2007年第一家P2P公司拍拍贷的成立，发展到2014年的1575家网

2、贷平台，P2P在中国得到蓬勃发展。截止2015年10月，P2P平台数目已经发展到3000多家。P2P网贷平台凭借门槛低、手续简便、收益高等优点，吸引了大批的投资者和融资者，有效缓解了小微企业融资困难的现状，同时为个体投资和经营消费贷款拓宽了渠道。然而，由于监管缺失，借款人出现违约，贷款人无力偿还等引发平台出现流动性风险，信用风险，加上媒体负烦报道及传播，服务纠纷没有得到妥善处置，风险控制不足等，给外界留下了恶劣印象，对P2P的持续经营产生严重影响。整体来讲，继上海银岭成为第一家出现问题的平台后，在接下来的几年间，出现问

3、题的平台也野蛮牛长着，到2013年有问题的平台已经突破150个，2015年已经超过1000家。这些平台常见的问题主要有提现困难及停业、诈骗、跑路等，严重影响P2P网贷在投资者心中的形象。频频岀现的跑路事件给P2P及投资者敲响了警钟：一部分投资者丧失对网贷平台的信心，选择安全可靠的投资渠道；P2P开始加强风险管理控制，保障模式由平台口有资金发展到多重保护。然而多重保障仍避免不了投资者的流失及跑路事件的频发。P2P网贷平台发展的现状，验证了声誉对于企业发展的重要。因此，网贷平台要重视良好声誉的维护及声誉风险的防范与控制。二

4、、声誉风险相关理论研究声誉作为一种无形资产，其风险主耍是利益相关者负面评价的风险因素累积的过程，其重要但复杂的根本原因在于它与企业所有内部风险与外部不良事件高度相关，而且其计量十分复杂。就国外研究来讲，对声誉的研究可以追溯到200多年前，随后Fama将声誉引入经济学领域，打破了声誉狭窄的概念，以至后来发展到金融业乃至银行业的研究。Lazear(1979)首次将博弈论运用到声誉研究屮，Kreps、Milgrom>w订son(1982)对前人研究进行完善，建立KMEW声誉模型。2009年，巴塞尔协议将声誉风险纳入银行风险管

5、理体系。同时，国外研究对声誉的计量方法也得到完善补充，计量方法主要有博弈论、RepTrak模型、声誉商数及二维评估模型。其中，Ilarris-Fombrun(哈里斯一丰布兰)的声誉指数模型最具有代表性。该模型从利益相关者角度出发，总结了六个方面的一级指标，即工作环境、社会责任、情感诉求、产品服务、公司愿景和领导力、财务状况及20项二级指标，形成声誉指数指标体系［1］。就国内研究来讲，声誉风险研究主要集中在银行层面，主要有：胡荣尚（2014）对商业银行声誉风险进行博弈分析，认为股东与高管层的博弈困境是声誉风险的一个重要原

6、因；毕翼（2013）基于Harris-Fombrun模型对商业银行声誉风险进行实证分析，认为员工工资增长率，学丿力比例增长率，支行总数增长率等对声誉风险影响较大［2］；李海燕（2015）釆用OLS回归对商行声誉风险进行度量，从员工工资、机构数量、流动比例等层血研究影响声誉风险的因素［3］；胡敏（2014）采用完全信息动态博弈模型分析了商业银行声誉风险形成的内部因素，构造指标体系，从计算机,数学和统计学理论度量了声誉风险［4］。通过对声誉风险相关文献的梳理与总结，文章认为Harris-Fombrun指标体系较完善地表示了

7、P2P声誉风险，因此下文将参考该指标体系及结合国内P2P发展特色对其进行改进与完善，形成P2P声誉风险指标体系，釆用模糊层次分析法对其进行评价，并提出建设性意见。三、研究设计由于声誉风险是内部及外部不良因素累积的过程，所以P2P声誉风险的衡量需要涵盖企业涉及的各种利益相关者。这要求建立P2P声誉风险评估指标体系时应抓住关键影响因素。（一）P2P声誉风险指标建立根据前文总结，文章认为虽然Hanris-Fombrun声誉指数模型高度概括声誉风险，但有些指标不符合目前中国P2P的发展现状，因此文章对此进行改进，具体如下:(二

8、)声誉风险指标权重的确定本模型按照1—9标度法赋值。同时将P2P声誉风险按等级标准分为以下5个等级：很低、低、中、高、很高。根据研究目的，通过对声誉理论分析，参考网站利益相关者在交流论坛发表的感受，并针对所建立的体系询问金融学专业的研究生、博士生及老师等20位相关人士意见，构建各个判断矩阵，如下：根据矩阵X,计算出的最大特征根值为