P2P网络借贷市场对资本市场的风险溢出效应

技术经济

Technology Economics

Vol. 35,No. 11

Nov.，2016

P2P网络借贷市场对资本市场的风险溢出效应

刘镜秀，门明

(对外经济贸易大学国际经济贸易学院，北京100029)

摘要：构建Copula-GARCH模型，并利用2013—2016年中国P2P网络借贷市场、股票市场和债券市场的

曰收益率数据，实证研究了 P2P网络借贷市场对资本市场的风险溢出效应。结果显示：P2P网络借贷市场 与股票市场之间存在“跷跷板”效应，与债券市场之间呈现出较弱的联动效应；P 2 P网络借贷市场与股票市 场和债券市场的上、下尾部相关性均很弱，风险溢出效应不显著。结论表明：在确保金融系统稳定的同时， 中国可以适度发展P2P网络借贷行业。

关键词：P 2 P网络借贷市场；股票市场；债券市场；资本市场；风险溢出中图分类号：F832. 5

文献标志码：A

文章编号：1002 — 980X( 2016)11一0097一08

1研究背景

P2P

显的风险溢出效应，是检验互联网金融是否影响传 统金融市场的一个视角。目前已有很多学者关注网

络借贷的相关问题，但鲜有文献探讨P2P网贷市场 与资本市场的关系，本文对这一问题进行有益的探索。

网络借贷是借贷双方依靠互联网中介平台

Z〇Pa

达成借贷交易的一种创新金融模式。自2005年英 国出现首家网贷平台——

以来，P2P网络借贷

以成本低廉、高效便捷等优势在全球范围内蓬勃发 展。在“金融脱媒”及利率市场化逐步升级的背景

下，国内首家P2P网贷平台——拍拍贷于2007年 成立。此后，中国P2P网络借贷行业通过迎合大 众投资及满足小微企业融资的强烈需求而迅速成 长壮大。在国内经济结构调整的重要阶段，以P2P 网络借贷为代表的互联网金融为修正中国金融体 系的失衡带来了契机[1]。作为一种新兴的金融交 易模式，P2P网络借贷市场（以下简称为P2P网贷 市场）与商业银行以及股票市场和债券市场等传 统金融市场存在较大差异。从交易客户、定价机 制和流程体验来看，P2P网贷市场主要为排斥在传 统金融市场之外的小微企业和中低收人者提供投 融资渠道，资金的定价更为市场化，交易流程也更 加透明、简洁。

虽然目前P2P网贷市场的规模远小于传统金 融市场，但是其发展速度快、影响范围广。P2P网贷 市场已成为普惠金融领域的重要支撑力量，并对传 统金融市场产生一系列冲击。随着国内互联网金融 的影响力越来越大，P2P网贷市场对传统资本市场 的影响如何？ P2P网贷市场对资本市场是否存在明

收稿日期：2016 — 07 — 25作者简介：刘镜秀（1985—），女

2文献回顾及理论分析

2.1文献回顾

当前关于网络借贷的研究中，一些文献着重论

述了 P2P网贷市场的风险，并提出了相应的监管建 议&5]; 一些文献探讨了网络借贷的信用风险问 题

、P2P网贷市场参与者的行为特点[_]以及网

络贷款借贷成功率的影响因素[11〜]等。此外，陈霄 和叶德珠考察了 P2P网贷市场的波动性，认为P2P 网贷市场尚未达到弱势有效且具有逆周期性，网贷 利率呈现波动聚集性和趋势性特征[14]。

关于P2P网贷市场与传统金融市场间关系的 文献较为缺乏，仅少数文献探讨了互联网金融对商 业银行的影响。例如：戴国强和方鹏飞通过理论分 析和数值模拟发现，互联网金融推高了银行的资金 成本和贷款利率，降低了银行的盈利能力，增大了银 行的破产风险[15];吴诗伟、朱业和李拓也证实，互联 网金融对商业银行利润形成一定侵蚀，增加了银行 破产及不良资产的风险[16];韦起和张强认为，网贷 平台对商业银行的风险溢出效应具有稳定性，且负 向溢出效应更为明显[17 ];郭品和沈悦发现，互联网

，山东诸城人，对外经济贸易大学国际经济贸易学院博士研究生，研究方向：金融市场、金融

风险管理；门明（1962—)，男，吉林长春人，对外经济贸易大学远程教育学院院长，国际经济贸易学院教授，博士 生导师，博士，研究方向：金融工程。

97

技术经济

第35卷第11期

金融的冲击提高了商业银行的风险承担水平[18];王 锦虹指出，网贷平台与商业银行的借款客户的重合 度很小，P 2 P网贷市场的发展对银行资产规模的影响较小[19]。

根据笔者掌握的资料，鲜有文献涉及P2P网贷 市场对资本市场的波动溢出效应。文献中研究波动 溢出效应的工具主要有VAR模型[2°]、GARCH模 型[21]

、DCC 模型[22]和 Copula 模型[23]。其中，Cop­ula 模型最早由 Sklar 提出[24] ，后经众多学者发展完

性虽然较大，但是不会造成投资者收益损失，实际风 险主要来自借贷者违约以及平台的合规风控等方 面。由于目前大部分平台提供保本保息承诺，且网 贷产品的收益率比债券、货币基金和银行理财产品 等低风险资产的收益率高很多，因此网贷产品对上 述资产具有较强的替代性，成为个人投资者获取稳

定收益的低风险资产之一。除此之外，P2P网贷市 场与股票市场的投资者有一定重合，使得相当一部 分资金在P2P网贷市场与股票市场之间自由流动。 在股市繁荣时期，投资者会将资金主要投向股市以 善，成为研究金融市场风险相依关系的主流方法。

相比其他模型，Copula模型的连接函数和边缘分布 函数较为灵活，能够更加准确地描述收益率序列之 间的非线性相依结构，而且能刻画变量间的尾部相 关性，因此在研究金融市场间风险溢出效应方面具 有更多优势。

2. 2

理论分析

根据套利定价理论，各类资产的收益会受到某 些共同因素的影响，这些共同因素往往是与宏观经 济有关的系统性因素，不同资产收益率在共同的宏 观经济因素的驱动下呈现出相关性。具体而言， 金融资产是企业在金融市场开展投融资活动的最 终实现形式，这些金融资产的现金流与企业的收 人相关。宏观经济基本面影响绝大多数企业的生 产经营活动：当宏观经济向好时，企业的收人提 高，生产经营活动扩张，社会融资规模上升，各类 金融资产收益率也普遍增加；当宏观经济低迷时， 企业的收人下降，生产经营活动收缩，社会融资规 模缩减，各类金融资产收益率普遍减少。因此，在 宏观经济因素占主导的情况下，各类金融资产收 益率之间的相关性通常表现为联动效应。除此以 外，在实际金融市场中，金融资产的收益率还受到 市场分割程度、投资者行为偏好、信息传导有效性 等因素的影响。当这些因素对金融资产收益率的 影响占据主导地位时，各金融资产收益率之间的 关系可能呈现为联动性，也可能表现为跷跷板效 应，还可能呈现出一定的性，因此需要根据各 个市场的具体情况进行分析判断。

2. 2.1 P2P网贷市场收益率与股票市场收益率的关系

一方面，作为小微企业融资的新型市场的P2P 网贷市场，与大中型企业上市融资的股票市场一样，

都会受到宏观经济基本面的影响。结合前文分析可 知，两者的收益率可能具有联动性。另一方面，P2P 网贷市场的资产风险及收益与股票市场不同：股票 市场的波动性大，且融资融券业务加大了股市的杠 杆效应，使得股票市场具有高风险、高收益的特征； P2P网贷市场处于发展初期，其市场收益率的波动 98

获取更高收益；当股票市场低迷时，投资者可能将资 金转向投人P2P网贷市场以获取较低的稳定收 益——

这导致P2P网贷市场与股票市场负相关，即 存在“跷跷板”效应。

总体而言，目前无法确定是宏观经济因素的影 响占据主要地位，还是投资者行为及资金流动的影 响占据主导地位。鉴于此，需要实证检验P2P网贷 市场与股票市场的具体关系。

2. 2. 2 P2P网贷市场收益率与债券市场收益率的关系

P2P

网贷市场和债券市场都是债权类资产交

易的场所，其中多数债权资产来源于企业为周转 资金而进行的借贷活动。因此，当宏观经济因素

处于主导地位时，存在P2P网贷市场收益率与债 券市场收益率的联动效应。不过，P2P网贷市场与 债券市场还存在一系列区别。一是借款客户与投 资者结构不同。P2P网贷市场的借款客户主要为 个人和小微企业，投资者多为个人；而债券市场的 借款客户以大中型企业居多，投资方以各类机构 为主。二是借款期限结构不同。P2P网贷期限基 本为1年以内；而债券期限多为1年以上。三是借 贷规模不同。P2P网贷规模很小，单个贷款规模在 几万到几十万不等，很少超过百万；而债券市场的 单个债务规模则在几千万到几百亿之间。四是风 险因素有区别。P2P网贷市场除了具有违约风险 外，还有平台违规、欺诈等造成的资金损失风险； 债券市场的风险主要是企业经营不善、现金流不 足导致的违约风险。五是市场流动性不同。P2P 网贷一般为固定期限，到期还本付息，市场缺乏债 权转让交易的灵活机制；债券市场则具有相对完 善、具有一定流动性的二级市场，投资者可以进行 债权转让交易。六是市场规模差别较大。目前 P 2 P网贷市场的规模仅为债券市场规模的几十分 之一。由此可见，P2P网贷市场与债券市场在投资 群体上存在明显差异，且缺乏顺畅的资金流通渠 道，这可能会减弱两个市场之间的联系。

刘镜秀等：P2P网络借贷市场对资本市场的风险溢出效应

3

3. 1

研究设计

样本选择

z,〜SkT('v，入）；(4)

t

/lt=C〇 + QsLl+/^lt—1。

上式中：st为市场收益率r

A(—1

（5)

的残差；/it是条件

本文选取网贷之家发布的网贷利率指数来反

映P2P网贷行业每日成交的平均利率。该指数由 网贷之家于2011年11月发布。其具体计算方法 为：在每一■父易日24: 00后，由网贷之家计算如一■ 曰成分平台利率的算术平均值得到。网贷之家根 据网贷行业与网贷平台的变化与发展，定期调整 成分平台和网贷利率指数，以真实反映网贷行业 方差；服从自由度为> 2)、非对称性参数为

<

A<

1)的偏斜学生 f 分布

和为方程的主要参数，其中a代表近期市场信 息的影响，a值越大表明近期信息对未来市场波动 性影响的持续时间越短；体现了历史信息冲击的

持久性，值越大表明历史信息对市场波动性的影 响越持久。

的利率情况。

本文选取上海证券交易所综合股价指数和中国 债券总指数分别计算股票市场和债券市场的收益 率。指数行情数据来源于锐思数据库。

考虑到网贷行业发展的活跃度及数据的可得 性，本文的样本区间为2013年6月1日至2016年<4 月1日。由于P2P网贷市场几乎不分节假日，而债 券市场和股票市场只在交易日有数据，因此，为更好 地匹配数据，本文采用线性插值法对债券市场和股 票市场的非交易日数据补齐，共得到1036个数据。

要研究各市场收益率的波动性，需要计算三个 市场的收益率。计算公式如下：

rt = In(九/夕h )。 （1)式（1)中：^为^日的市场收益率;九为Z日的市 场指数。本文用和分别表示P2P网贷 市场收益率、股票市场收益率和债券市场收益率。

3.2研究方法

在研究P2P网贷市场与股票市场、债券市场的 风险溢出效应时，需要解决两个问题:一是选择合适 的边缘分布函数来拟合各市场的收益率数据；二是

选择恰当的Copula函数刻画市场之间的相依结构， 并估计变量间的尾部相关性，以描述极端情况下的 风险溢出效应。具体步骤如下：

第一步，估计P2P网贷市场、债券市场和股票 市场的边缘分布。

通常情况下，金融资产收益率序列具有自相关、 尖峰、厚尾和波动聚集的特征，而GARCH (1，1)模 型可以较好地刻画这些特征。对于新兴的P2P网 贷市场而言，陈霄和叶德珠证实了 AR-GARCH模 型适用于分析中国P2P网贷市场收益率[14]。考虑 到收益率序列具有厚尾和偏态的特征，本文选取偏 斜学生z分布泓T(W，A)估计残差序列。综合上述 分析，本文选择AR(1)-GARCH(1，1)模型估计变 量的边缘分布。模型表述为：

rt = c〇 + Cirt-j + et;

(2)

£t =

\\/Kz, ■, (3)

第二步，通过概率积分变换将样本残差转换成 均匀分布序列。第三步，利用二维Copula函数分别估计P2P 网贷市场与股票市场、P2P网贷市场与债券市场的 整体相依关系及尾部相关性。

为了刻画不同金融资产收益率边缘分布的动态 相依结构，本文采用Patton提出的时变Copula函 数[25]建立模型。本文在建模过程中对比了 3种时 变Copula函数，即二维Gaussian Copula函数、二维

t Copula 函数和二维 SJC (Symmetrized Joe-Clay- ton)Copula 函数。

二维Gaussian Copula函数的密度函数表达式 如下：

1

2k \\/\\ — p

(6)

二维t Copula函数的密度函数表达如下:

1

2tc

— p

[1 +

~ 2pst -|~ t2 --U+2)/2

k(l — p )dsck。

(7)

其中；为标准正态分布函数的逆函数；C1

为自由度为々的一元Z分布函数的逆函数。Gaussi­

an Copula 函数和 t Copula 函数的相依性参数 p 分

别服从如下动态过程：

pt = A Lc〇P + apet-i

+ PP| X

中—U I];

(8)

pt = A ^cop + apet-i

+ X

| f1 (Mh)—

i~l

厂1、，）I]。 （9)

其中：

= (i

—f

v(i

+f

);%+各<1，

e

(〇，i);St为进行概率变换后的标准化残差

序列。

二维SJC Copula函数的密度函数表达式如下：

99

技术经济

第35卷第11期

SJC Copula函数则对变量间尾部对称和非对称相

CSJC (.U^v \\ TU yTL) = -^-(cjc (w , ^ I TUyTL)-\\-Cjc(l一 u , 1 一 v | zu ^zL ) U

关的情形都适用。

V 一 1)。

(10)

其中，，和y分别为SJC Copula函数的上尾、 下尾相依系数：

ft

=

4实证分析

4.1描述性统计

+a^ X—

1 13

A(c^ |i—i |); (11)

表1列示了样本数据的描述性统计特征。由

表1可知：P2P网贷市场收益率的均值、标准差都高 于债券市场和股票市场，表明目前P2P网贷市场的 波动性比传统资本市场更大。可能的原因是：一方 面，P2P网贷市场处于发展初期，市场机制还不完

Tt = A(c^ +

l3pT^-i +ap X—

1 1〇

\\

u^

—

vt^

|);

(12)

Cjc(u,V I

T° ,TL) = 1 — { 1 — [(1 —

（13)

(1 — M)0—r + (1 —（1 — tOO—r — 1]—1/r}1A。

善，从而使得市场对各类信息反应过度；另一方面， 网贷产品的收益率相比其他低风险资产更高，从而 吸引了众多“散户型”非理性中小投资者，使得市场 波动性更大。3个市场收益率序列的峰度均大于3, 表明各市场收益率具有尖峰、厚尾特征;偏度系数表 明，3个市场收益率序列均呈偏态分布。J-B检验结 果表明，各市场收益率均不服从正态分布假设。

A(x) = (1+e-1)-1 0以上3个Copula函数各有特点：二维Gaussian

Copula函数具有对称的尾部，适用于刻画尾部渐进

的二维随机变量间的相依关系；二维t Copula 函数也具有对称的尾部，但尾部较厚，因此适用于刻 画尾部相关的二维随机变量间的相依关系；二维

表1 P2P网贷市场、股票市场和债券市场收益率的描述性统计结果

变量

tp^p

均值

3. 60e一038. 00e—041. 00e—04

标准差

0. 080. 021. 20e —03

最大值

0. 670. 069. OOe一03

最小值

-0• 27—0• 08—7. 20e — 03

偏度

1. 17-1. 040. 32

峰度

11. 047. 168. 48

J-B检验3022. 39* * *934. 22* * *1315. 74* * *

rstockrbond

注：“******”表示在1%的水¥下显著。

4. 2数据平稳性检验与ARCH效应检验

GARCH-Copula模型要求时间序列数据具有平稳

4.3 P2P网贷市场、股票市场与债券市场的 边缘分布估计

性，本文使用ADF单位根检验对P2P网贷市场、股票 市场和债券市场的收益率序列进行平稳性检验，结果

如表2所示。由表2可知，3个市场收益率序列拒绝存 在单位根的原假设，可认为序列是平稳的。

表2列出了收益率序列的ARCH效应检验结果。 对3个市场收益率序列建立AR(1)-GARCH(1，1)模型 进行ARCH-LM检验。结果显示，P2P网贷市场收益 率、股票市场收益率和债券市场收益率均存在显著的 ARCH效应，表明3个市场收益率序列具有波动积聚 性，符合GARCH(1，1)模型的建模要求。

表2

平稳性检验结果与ARCH效应检验结果

单位根检验

变量

T统计量— 15. 09* * *— 20. 69* * *— 16. 25* * *

ARCH-LM 检验

F统计量24. 90* * *180. 35* * *244. 86* * *

表3列示了基于AR(1)-GARCH(1，1)模型得 到的3个市场收益率边缘分布的估计结果。结果显 示:3个方程中的Cl均显著不为0,表明3个市场都 具有一定的价格发现功能；P2P网贷市场的a值最 小，股票市场次之，债券市场的a值最大，表明P2P 网贷市场对近期信息反映较为迟钝、信息传递效率

较低；股票市场对近期信息的吸收速度较快;债券市 场对近期信息反应最为灵敏、信息传递效率最高。 相应地，债券市场的值最小，股票市场的值次 之，P2P网贷市场的值最大。这说明，历史信息对 债券市场未来波动性影响的持续时间最短，对股票 市场未来波动性影响的持续时间次之，对P2P网贷 市场未来波动性的影响最为持久。这与现实情况相 符:P2P网贷市场以小微借款客户和个人投资者为 主，他们对市场信息往往缺乏专业的分析能力，市场 参与者需要较长时间才能消化吸收相关信息；而债 券市场以机构投资者为主，投资机构对市场信息的 解读更为专业、反应更为敏锐，因此市场参与者对信 息冲击的吸收更快。股票市场的投资者构成介于上

结论平稳平稳平稳

是否存在

ARCH效应

r?2prstockrbond

是是是

注”表示在1%的水¥下显著；单位根检验采用无常数

项、时间趋势和滞后阶数的ADF检验;ARCH检验滞后阶数为1。

100

刘镜秀等：P2P网络借贷市场对资本市场的风险溢出效应

述两者之间，股市中占比较大的散户投资者虽然不 具备专业投资机构的分析能力，但是股票市场的发 展历史较长，市场信息披露等制度更为完善，投资者 对信息的反馈相对理性，因此能对市场信息做出较 快速的反应。

对基于AR(1)-GARCH(1，1)模型得到的残差 序列进行概率积分变换。通过K-S检验可知®，新 序列服从[〇，1]均匀分布，符合构建Copula函数模 型的条件。

表3 AR(1)-GARCH(1,1)模型的估计结果

变量

rp2p

CQ

ci—0• 32* * *(0.03)

0• 47* * *(0. 04)0• 50* * *(0.04)

CO

7. 12e—05* *

a0.15** *

J30. 85* * *

KS-TEST0. 56

1. 90e—03(1.40e一03)5. 99e—04 *(3. 68e一04)9. 38e—05* *

rbond

(2. 69e —05)2. 23e—05* * *(4. 00e —06)1. 43e—07* * *(1.07e一08)

(0. 04)0• 50* * *(3.59e一 06)

0• 55* * *

(0.03)0• 50* * *(3. 80e—03)

0• 45* * *(0.10)

rmck

0. 52

(3. 07e一05)”和

(0- 11)

0. 34

注”分别表示1〇%、5%和1%的显著性水括号中的数值为标准误;KS-TEST列为检验统计量的p值。

4.4 P2P网贷市场与股票市场、债券市场的 时变相关性及尾部相关性

表5列示了 P2P网贷市场与股票市场的相关 系数的描述性统计结果。图1显示了 P2P网贷市 场与股票市场的动态相关系数和尾部相关系数的走 势。由表5和图1可知：P2P网贷市场收益率与股 票市场收益率之间存在明显的动态相依性；动态相 关系数均值为一 0.02116,呈负偏态，且动态相关系 数的标准差很小，说明动态相关系数的波动性较小。 据此可知，P2P网贷市场收益率与股票市场收益率 之间存在负相关性，即P2P网贷市场与股票市场之 间存在一定的“跷跷板”效应。由此推断，目前P2P 网贷市场与股票市场的关系主要受到投资者行为和 资金流动的影响。由于两个市场的投资者群体具有 重合性，同时网贷产品与股票的风险收益情况明显 不同，因此理性的投资者在股票市场上涨趋势明显 时会将资金从P2P网贷市场抽离并投人股票市场， 以获得上涨趋势带来的高收益；当股票市场处于下 跌周期时，股票市场的波动性通常加剧，投资者买卖 股票出现亏损的概率上升，理性的投资者为规避风 险会转而投资网贷产品以获取稳定收益，从而导致 两个市场的市场收益之间表现出负向关系。

从尾部相关性来看，由表4中时变SJC Copula 函数的参数估计结果可知，P2P网贷市场与股票市 场的尾部相关系数具有非对称性。结合表5和图1 来看，两个市场的上尾相关系数和下尾相关系数都 非常小，表明P2P网贷市场与股票市场同时暴涨或 暴跌的概率很小，可以认为两个市场之间几乎不存 在尾部相关性。鉴于P2P网贷市场主要服务于小 微客户，与股票市场的服务目标有较大区别，且两者 在市场规模、监管框架方面也有诸多差异，因此P2P 网贷市场对股票市场不具有明显的风险溢出效应。

为检验P2P网贷市场与股票市场、债券市场的 时变相关性，本文估计时变Gaussian Copula函数、

时变t Copula函数和时变SJC Copula函数的相关 参数，同时给出动态相关系数和尾部相关系数的描 述性统计结果。

1)P2P网贷市场与股票市场。表4：列亦了基于时变Gaussian Copula函数的 P2P网贷市场与股票市场的参数估计结果。根据 AIC值可判断，对于两种市场组合，时变Gaussian Copula函数的拟合效果均优于其他模型。鉴于此， 本文以基于Gaussian Copula函数拟合得到的两种 市场组合收益率的动态相关系数为准，考察P2P网 贷市场与股票市场、债券市场的动态相依关系。此 外，基于时变SJC Copula函数得出的各市场组合的 上尾相关系数和下尾相关系数，可用于考察各市场 组合收益率同时暴涨或暴跌的可能性。

表4

时变相关Copula函数的参数估计结果 —

参数

Copula

P2P网贷市场与股票市场

时变t

Copula199. 95 * * *

时变 Gaussian 时变 SJC Copula上尾参数

-8. (5.56)-6. 79 (7.83)0. 27 (0.25)28. 20-8. 10

下尾参数

—3. 10 (2.97)-1. 79 (4.51)

2. 00* * *

OJp

(3.50e一03)

3. 34e一06

1.07e—05

(7. 23e一05)

ap

(1. 90e一05)0. 94* * (0.29)3. 530. 24

ft

AICLL

0. 94* * (0. 31)7. 01

(0.33)

一0.50

注：“ ** ** ”和“ ** ** ** ”分别表示5%和1 %的显著性水¥ ;括号中的 数值为标准误。

①KS-TEST原假设为：变换后的残差序列服从[0，1]均匀分布。

101

技术经济

表5

市场组含

第3S卷第11期

动态相关系数和尾部相关系数的描述性统计结果—

均值—2. 12e—021. 14e-031. 21e — 03

标准差7. 08e-〇6‘ 63e—035‘ OSe—03

最小值—.2- :12e —021. 00e—031. 00e—03

P2P网贷市场与股票市场

最太值-2. lle-02

0. 150. LB

偏度-0. 1532. 1426. 31

峰度2.861081 00740. 03

P2P网贷市场一股M市场P2P网贷市场一股^市场（hM)

P2P网贷市场一股票市场（下尾）

表6时变相关Copula函数的参数估计结果 —

P2P网贷市场与债券市场

吋变t

Copula函数199.88 \"

(0.02)

时变 Gaussian

参数

c〇P

3 61e一08

ap

(5. 45e—04)

0. 83 Copula函数

吋变SJ(: Copula函数上尾参数一9. 37*'料

(0. 35)—9. 05* * * (1.05)0. 74* * * (2. 5$e—02)

下尾参数

—7. 56* 费 * (0, 52)—6. 78* * * (0. 8,9)0. 58“ *

*

5.38e—06 (1.60e一03)

0. 82 (2.68)6.47—0. 24

怂

AICLL

(5. 95)3. 800. 10

(1.90e— 03)

20. 17—4.09

注：^

0.16

”分別表示1 %的M著性水平；括巧内的数位为祕

准误。

^ 0.10 - 0.08 - 0.06 - 0.04 -

尕

™

表7列示了 P2P网贷市场与债券市场的相关

系数的统计特征。图2显示了 P2P网贷市场与债 券市场的动态相关系数和尾部相关系数的走势。由 表7和图2可知：P2P网贷市场收益率与债券市场 收益率之间具有明显的动态相关性，动态相关系数 均值为〇. 01453,呈正偏态；动态相关系数的标准差 很小，表明动态相关系数的波动性很小。由此可知， P2P网贷市场与债券市场之间存在较弱的正向联动 性。由于两个市场的功能定位、监管和投资者 结构存在较大差异，因此两市场之间的信息及资金 流动渠道不畅。这使得P2P网贷市场与债券市场 的相关性很弱，在共同的宏观经济因素的驱动下，两 市场之间呈现出微弱的联动性9

P2P网贷市场与债券市场

最大值

1. 46e—020. 150. 15

0.02

-

0 ------1------1------1------1------1----1

■

2013/6/1 2013/12/1 2014/6/1 2014/12/1 2015/6/1 2015/12/1

网贷市场与股市的上尾相关系数 网贷市场与股市的下尾相关系数

b M

图1

部相关系数

动态相关系数和尾部相关系数

走势图—P2P网贷市场与股票市场

2)P2P网贷市场与债券市场。

表6列示了基于时变Gaussian Copula函数的

P2P网贷市场与债券市场的参数估计结果。

表7

市场组合

P2P网贷市场一债券屮场P2P网贷1丨丨场一侦券1丨丨场（丨:M)P 2 P网贷市场一侦券山•场（下M)

动态相关系数和尾部相关系数的描述性统计结果—

均值

1. 45e—021. He—031.: 1§«—03

标准差

5. 31e —0. 63c一034. c-〇3

最小值

1. 4Se—0.21. 00e — 031. 00e—03

偏度

0. 1532.1431. 92

峰度

4. 671034. 001024. 37

0.16 r 0J4

0.12 0.10 0.08

-

2013/6/1 2013/12/1 2014/6/1 2014/12/1 2015/6/1 2015/12/1

—

-网贷市场与股市的动态相关系数

a动态相关系数

网贷市场与股市的上尾相关系数

b尾部相关系数

............一网贷市场与股市的下尾相关系数

图2动态相关系数和尾部相关系数走势图—P2P网贷市场与债券市场

102

刘镜秀等：P2P网络借贷市场对资本市场的风险溢出效应

从尾部相关性来看，由表6中时变SJC Copula 函数的参数估计结果可知，P2P网贷市场与债券市

场的尾部相关系数具有非对称性。再结合表7和图 2来看，两市场的上尾相关系数和下尾相关系数都 非常小，表明P2P网贷市场与债券市场同时暴涨、 暴跌的概率很小，可以认为两者之间几乎不存在尾 部相关性。根据前文的理论分析，本文认为P2P网 贷市场与债券市场之间存在较大的壁垒，使得资金 和信息不能在两个市场之间自由流动，因此P2P网 贷市场对债券市场不具有明显的风险溢出效应。

定的性，可以避免极端情形下系统性风险的相

互传染。综上，适当发展P2P网络借贷行业不会威 胁金融系统的稳定，同时有助于推动普惠金融的发展。

参考文献

[1] 孙涛，苗妙.互联网金融对区域金融可得的均衡效应—

35(8):118-128.

[2] 李逸凡.比较与借鉴—

美国和中国P2P网贷平台的发

基于P2P网贷交易数据的实证研究[J].技术经济，2016,

展[J]•理论月刊，2014(10):125-129.

5结论与讨论

P2P

网贷市场作为互联网金融创新潮流下的新

型资金融通平台，对资本市场的影响及其程度是互 联网金融发展过程中需要关注的问题。本文利用

Gaussian Copula 函数、SJC Copula 函数对 P2P 网 贷市场收益率对股票市场和债券市场收益率的波动 溢出效应进行了实证检验。结果表明：3个市场收 益率序列均具有尖峰、厚尾、有偏和波动积聚的特 征，可用GARCH类模型进行拟合；P2P网贷市场 与股票市场之间存在负向动态相关性，即“跷跷板” 效应；P2P网贷市场与债券市场之间存在正向动态 相关性，即联动效应；P2P网贷市场与股票市场、债 券市场的尾部相关性很弱，几乎不存在风险溢出效 应。

在当前宏观经济下行过程中，众多小微企业在 传统金融市场中的融资难度增大，它们倾向于在民 间借贷市场寻求资金，P2P网贷市场为此提供了一 个很好的平台，也为投资者手中的闲散资金提供了 理财渠道。P2P网贷市场收益率向外界传递了小微 借贷客户的风险信息，这些信息可能经由某些渠道 对股票市场和债券市场造成一些影响。一方面，宏 观经济因素可能引起P2P网贷市场、股票市场和债 券市场同时涨跌；另一方面，各市场存在的结构差 异、制度壁垒等使得P2P网贷市场与股票市场、债 券市场的关系表现出一定的复杂性。宏观经济因素 对P2P网贷市场和股票市场的相关性影响较弱。 投资者在P2P网贷市场与股市之间进行自由的资 金配置，使得P2P网贷市场与股票市场之间存在 “跷跷板”效应;而P2P网贷市场与债券市场在制度 和投资者结构上的显著差异，使得资金在两个市场 之间的流动受到，因此这两个市场更多地受到 宏观经济因素的影响而呈现出联动效应。尽管如 此，P2P网贷市场的市场定位、服务主体、市场规模 和监管制度等与股票市场和债券市场仍然存在明显 区别，因此P2P网贷市场与资本市场之间仍具有一

[3] 丁杰，马柱.P2P网贷模式异化及风险管控[J].开放导

报，2015(5):101-104.

[4] 俞林，康灿华，王龙•互联网金融监管博弈研究：以P2P

网贷模式为例CI]•南开经济研究，2015(5): 126-139.[5] 韩景倜，陈群•不确定条件下P2P网贷平台运营与监管演化博弈稳定性分析[；!]•商业研究，2016(3) :36-44.[6] 顾慧莹，姚铮.P2P网络借贷平台中借款人违约风险影响因素研究—以WDW为例[J] •上海经济研究，2015

(11) :37-46.

[7] 于晓虹，楼文髙.基于随机森林的P2P网贷信用风险评价、预警与实证研究[；!] •金融理论与实践，2016 (2): 53­58.

[8] 陈冬宇，朱浩，郑海超.风险、信任和出借意愿—

基于拍

拍贷注册用户的实证研究[J] •管理评论，2014,26(1): 150-158.

[9] 廖理，李梦然，王正位•观察中学习：P2P网络投资中信息

传递与羊群行为[；!].清华大学学报：哲学社会科学版， 2015，（1):156-165.[10]

吴佳哲.基于羊群效应的P2P网络借贷模式研究[J国际金融研究，2015(11) :88-96.

[11]

黄文彬.我国P2P网络借贷成功率影响因素研究[J厦门大学学报:哲学社会科学版，2016(3): 136-146.

[12]

赵旭，周菁，赵子健.中国P2P平台借款成功率的影因素研究[J]•现代管理科学，2016(5):24-26.

[13]

孙武军，樊小莹•从业经历和教育背景是否能提髙借成功率？——

来自P2P平台的经验证据[J].财经

大学学报，2016，（3):33-41.

[14]

陈霄，叶德珠.中国P2P网络借贷利率波动研究[J].际金融研究，2016，（1):83-96.

[15]

戴国强，方鹏飞•利率市场化与银行风险—

基于影银行与互联网金融视角的研究[J1金融论坛，2014(8): 13-19.

[16]

吴诗伟，朱业，李拓.利率市场化、互联网金融与商业行风险—

基于面板数据动态GMM方法的实证检验

[J]•金融经济学研究，2015,30(6):29-38.

[17]

韦起，张强.我国网贷平台对商业银行风险溢出效应实证研究[J]•金融评论，2015(3):93-104.

[18]

郭品，沈悦•互联网金融加重了商业银行的风险承吗？——

来自中国银行业的经验证据[J]•南开经济研

究，2015(4):80-97.

[19]

王锦虹•互联网金融对商业银行盈利影响测度研究—

基于测度指标体系的构建与分析[J].财经理论与实践， 2015,36(1):7-12.

103

].

].

响

贷

国

子

银

的

担

技术经济

[20] 殷剑峰•中国金融市场联动分析：2000〜2004[J]•世界

第35卷第11期

定—

基于股票市场与债券市场溢出效应分析的视角

经济，2006(1) :50-60.

[21]

ASAI M,BRUGAL I. Forecasting volatility via stock re­turn., range, trading volume and spillover effects：the case of brazil[J]. North American. Journal of Economics and Finance,2013,25：202-213.

[22] 何德旭，苗文龙.国际金融市场波动溢出效应与动态相

[25] [24]

[J]•金融研究，2013(3):170-180.

SKLAR A. Fonctions de repatitions a n. dimensions et leur marges[J]. Publication, de Mnstitut de statistique de l’Universite de Parisl959,8: 229-231.

PATTON A J. Modelling time-varying exchange rate de­pendence using the conditional copula[C/OL]. [2016-7­6]. http：//ssrn. com/abstract= 275591.

关性[J]•数量经济技术经济研究，2015(11) :23-40.

[23]

史永东，丁伟，袁绍锋•市场互联、风险溢出与金融稳

Risk Spillover Effect of P2P Lending Market on Capital Markets

Liu Jingxiu，Men Ming

(School of International Trade and Economics»University of International Business and Economics»Beijing 100029 »China)

Abstract： Based on. the daily return, data from Chinas P2P lending market, stock market and bond market during the period of 2013-2016,this

paper empirically studies the risk spillover effects of P2P lending market on. capital markets by the Copula-GARCH models. The result shows as follows ： there exists a \"see-saw\" effect between. P2P lending market and stock market»while there is a weak linkage effect between. P2P lending market and bond market；the dependence of upper and lower tail is very weak between. P2P lending market and these two markets,and the risk spillover effect of P2P lending market on. capital markets is not significant. Conclusions show that it is appropriate to develop P2P lending indus­try while ensuring the stability of financial system in. China.

Keywords： P2P lending market；stock market；bond market；capital market；risk spillover

(上接第72页）

Evaluation on Competitiveness of Logistics Industry of Inland Node Cities in

“One Belt and One Road”：Based on Combination Model of

Entropy Weight and TOPSISLiu Yan1，Ca〇 Wei1，Wang Yanyan2

(1. School of Logistics»Beijing Wuzi University»Beijing 101149»China；2. China Center for International Economic Exchanges»Beijing 100050»China)

Abstract： By the method of entropy weight and TOPSIS»this paper constructs an. evaluation, index system for the competitiveness of logistics

industry which includes economic development capability»city supply capability»logistics demand capability»talent environment capability and in­formatization. capability. Then, it evaluates the competitiveness of logistics industry of ten. inland node cities in. \"One Belt and One Road\". And it ranks and classifies them according to their scores. Finally,it gives the development proposals.

Keywords： One Belt and One Road；logistics industry；city competitiveness；industrial competitiveness

104