内控＆风险I Internal Control&Risk
基于云模型与组合赋权的 P2P网贷公司风险评价
河海大学商学院 张 强 张 雪 陈志明
摘要：本文针对目前网贷行业问题平台高发的趋势，结合国内P2P网贷行业的实际情况，建立
P2P网贷公司风险评价指标体系。笔者考虑各指标子系统之间的模糊性和随机性，采用正态云模型
实现风险指标定性与定量之间的映射，得出流动性、安全性和收益性各子系统的风险情况。最后，对
2014年 l2月份全国时间加权成交量前 100名的 P2P网贷公司进行综合的风险等级划分并进行风
险分析，为监管部门和投资者决策提供参考。
关键词 ：P2P网贷公 司 云模型 组合赋权 风险评价
一
、引言
2013年作为我国互联网金融发展元年 ，2014年互联网
金融依旧火热。然而，在P2P网贷行业疯狂发展的背后却是
问题公司数量的急剧增加。据网贷之家测算，截至2014年
底，累计问题平台数量已达~1J367家。其中，2014年全年问
题平台达275家，平均约6个P2P平台中就有一个是问题平
台。其中2014年12月问题平台数量高达92家，超过去年全
年问题平台数量，网贷行业的问题平台多数是诈骗、跑路、
提现困难等原因导致。由于监管的缺失和追责的不到位，
问题平台一旦发生将给投资者和社会造成巨大的损失。风
险管理问题是网贷行业健康发展的重中之重 ，风险评估是
风险管理中重要的一环，进行有效的风险评估可以为管理
决策提供依据 ，在这种情形下，对P2P网贷公司风险评价等
问题的研究具有重要的现实意义。
二、文献综述
目前，针对网贷行业的研究多集中于政策监管等定性
层面，较少涉及定量研究。目前，国内对借贷的研究大多集
中在分析概念、模式和各国发展情况方面，对P2P网贷公司
进行风险评价的研究还较少，但对于金融领域的其他分支
的研究成果则较为丰富。李明等(2013)以模糊层次法为分
析工具，建立小额贷款公司风险评价指标体系，并经三角
模糊判断，设定指标权重，进而对小额贷款公司风险做出
最终评价 ，虽然取得了一定效果 ，但方法存在指标权重确
定不确定性较大等问题。方先明等(2007)利用Hop eld神经
网络记忆与联想功能，建立基于Hopfield?~经网络的风险评
价模型 ，将其应用于信用风险评价 ，网络运行结果可以反
映信用风险的当前状态，该方法面临记忆容量的限制和权
值的设定等难点。龚艳冰(2010)针对金融衍生品交易的高
收益和高风险特性，采用支持向量机方法来处理数据，能
较客观地对衍生品的风险进行评价，为金融机构建立金融
衍生品风险评价体系提供有力的支持 ，为了提高评价的准
确性，还可以在支持向量机的核函数和参数的选择上做进
透明度，强化渠道信息约束。给予投资者充分的知情权 ，不
仅有利于增强消费者的渠道依赖 ，也有利于P2P网贷渠道
的长期健康发展。
(3)探索客户资金存管机制 ，确保资金安全隔离。客户
资金的安全将直接影响到消费者对P2P网贷平台的态度和
选择。客户资金与P2P网贷平台隔离可以有效确保资金安
全，有利于渠道风险的控制，切实保护投资人(投资人和借
款人)利益，提高合作意愿，巩固消费者的渠道地位。
本文系国家社会科学基金一般项目“互联网P2P借贷
支持小微企业融资的协 同机制与风险监管研究”(项 目编
号：15BJYI60)、江苏省社科基金项 目“科技银行信贷制度
创新与绩效评价机制研究”(项目编号：13EYD033)；江苏省
软科学项目 “江苏互联网金融支持科技 中小企业发展研
究”(项目编号：BR2015056)阶段性研究成果。
参考文献：
[1]杨慧：《新世纪营销渠道行为理论的变革》，《江西社
射今通讯 2016]TF．~26~1]
会科学))2003年第10期。
[2]彭国红：《分销渠道结构理论演进及其分析》，《统计
与决策}2009年第15期。
[3]艾金娣 ：((P2P网络借贷平 台风险防范》，《中国金
融》2012年第14期。
[4]王会娟、廖理：《中国P2PN络借贷平台信用认证机
制研究——来自“人人贷”的经验证据》，《中国工业经济》
2014年第4期。
[5]赵雅敬：(<v2v网络借贷缓解科技型中小企业融资
难问题研究》，《经济研究参考))2014年第25期。
[6]黄迈、杨哲、何小锋 ：《商业银行参与P2P网络借贷
的战略分析与路径选择》，《金融理论与实践))2013年第11
期。
[7]宋鹏程、吴志国、赵京：《投融资效率与投资者保护
的平衡：P2P借贷平台监管模式研究》，《金融理论与实践》
2014年第1期。
(编辑 成 方)
一 步研究。鲍勤等(2014)利用中国银行业数据，使用最大
熵方法估计银行问资产负债关系，建立银行间市场网络以
研究我国单个银行破产引发的金融风险的传染概率和影
响程度，但该方法存在结果泛化等问题。
考虑到上述方法的不足和影响网贷公司风险评价因
素复杂繁多，且存在的模糊性与随机性等诸多问题。本文
引入组合赋权法和人工智能中的正态云模型，合理准确确
定各指标的权重 ，将模糊性和随机性完全集成到一起 ，对
定性与定量相结合的信息进行处理 ，用于解决P2P网贷公
司风险评价问题。
三、正态云基本理论
云模型是李德毅(1995)在传统模糊集理论和概率统计
的基础上提出的定性定量不确定性转换模型，用期望Ex、
熵En和He超熵 个数字特征来表征一个概念 ，将模糊性和
随机性完全集成到一起，对定性与定量相结合的信息进行
处理 。云模型的种类有很多 ，如正态云模型 、梯形云模型 、
半云模型等。李德毅(2004)已经论证了正态云模型的普适
性 ，因此，本文选取正态云模型对网贷公司风险进行评估。
由网贷公司风险的期望Ex和En熵两个数字特征便确定了
具有正态分布形式的云期望曲线方程：
(x—Ex)
u(x)=e
在正态云模型中，根据正向正态云的“3En准则”，云滴
对定性概念的贡献主要集中在[Ex一3En，Ex+3En]，而该区
间以外的云滴对定性概念的贡献几乎可以忽略不计。
云发生器建立起定性和定量之间相互联系、相互依存
的映射关系，主要包括正向云发生器、逆向云发生器 、x条件
云发生器和Y条件云发生器。正向云发生器是从定性到定量
的映射，在已知 个数字特征的情况下用来生成所需数量
的云滴。其输入为表示定性概念的期望值Ex、熵En、超熵He
和云滴数量n，输出是n个云滴在数域空间的定量位置及每
个云滴代表该概念的确定度。逆向云发生器是从定量到定
性的映射，它将一定数量的精确数据有效转换为以恰当的
定性语言值(Ex，En，He)表示的概念，并据此代表这些精确
数据所反映的云滴的整体。x条件云发生器是当已知云的
三个数字特征后，对给定特定的x值，产生这个X在概念中对
应的一个云滴，即得到x对该概念的一个隶属度。Y条件云发
生器是对给定概念的隶属度，产生对应该隶属度的X值。本
文主要通过正向云发生器和x条件云发生器建立网贷公司
风险评估的云模型。
四、组合赋权法
各指标对于风险评价所起的作用不同，即相同的指标
体系，权重不同，则评价结果也会产生差异。因此 ，需要首
先确定各个指标的权重值。本文采用两种方法确定各评价
指标的权重 ，一种是基于信息熵原理计算指标的数学权
重，另一种是利用网络分析法(ANP)确定的经验权重，基于
内控＆风险I Internal Control&Risk
两种方法的优点和不足，采用组合权重的方法确定最终的
指标权重值。组合赋权法体现了系统分析的思想。
熵权法能够更客观地反映出指标信息熵的效用价值 ，
其给出的指标权重值有更高的可信度。信息论中的熵值反
映信息的无序化程度 ，用于度量已知数据所包含的有效信
息量，熵值越小，某项指标的无序度越大，说明该指标提供
的有效信息量较大，其权重也较大；反之，熵值越大，说明
该指标提供的有效信息量较小，其权重也较小 ，因此可用
信息熵评价指标信息的有序度及其效用。
网络分析法(Analytic Network Process，ANP)是美国匹
兹堡大学的T．L．Saaty教授于1996年率先提出的，它是在
AHP层次分析法的基础上发展起来的一种新的决策方法。
ANP考虑的是系统中低一级元素对高一级元素的反馈 ，将
系统划分为两部分 ：一是控制层 ，包括实现目标和决策准
则；二是网络层，由所有受控制层支配的元素组成 ，元素之
问会相互作用。所以，尽管AHP作为重要的系统评价方法之
一 而得到了广泛的应用，但是它只是考虑到了上层对下层
的影响，并没有考虑到同一层次元素之间是否有相互依存
的关 系 ，而ANP法恰恰 解决 了这一 问题 。本 文采用
SuperDecision软件计算ANP法的权重。
熵权法和ANP法均具有各自的优点与一定的局限性 ，
本文采用组合权重法，综合了数学权重和经验权重的各自
优点，提高了权重选取的可靠性，其计算公式如下：
w= wl+(1一 )w2 (2)
式中 ：W表示组合权重 ；w 表示评价指标的ANP法权
重 ；W 表示评价指标的熵权法权重；d表示灵敏度系数 ，
0<仅<1。一般情况下，Or．取值范围为0．5～0．7，本文选取中间
值0．6作为组合权重的灵敏度系数。
五、基于正态云模型与组合赋权法的P2P网贷公司风险
评价模型构建
考虑到网贷公司风险本身的复杂性，评价指标体系繁
多，各指标对于风险评价所起的作用不同，即相同的指标
体系，权重不同，则评价结果也会产生差异。考虑到各指标
上层对下层的影响和同一层次元素之间的相互依存关系，
本文采用组合赋权法来确定指标权重。因此 ，将正态云模
型和组合赋权法结合建立P2P网贷公司风险评价模型，该
模型构建主要包括以下四个步骤：
Stepl：输入100家P2P网贷公司原始数据x，并对其进行
预处理。
Step2：首先由云模型计算出各个评价指标的隶属度矩
阵 ．(i_1，2⋯，n)，n为评价指标的个数，按照最大隶属度原
则 ，取 中的最大值，即n =max{tl。，u 一．u }(为风险等级的
评价级数)，r1 就是该公司该月份第i个指标的最大隶属度。
Step3：采用组合赋权法确定权重向量w，采用模糊变
换进行合成运算得到各个子系统的风险等级评价向量N_
(i=1,2⋯．m)，m为待评价网贷公司的数量，即：
财务通孔 2o16年第26期
内控&风险l Internal Control&Risk
NFW。ni=(n⋯一nk) (3)
K为风险分类标准的级数，采用合成运算模型M (·，
+)，其中“·”为普通乘法运算 ，“+”为求和运算。
step4：根据各公司子系统风险值的进行不同网贷公司
风险的综合评估。 ‘
六、P2P网贷公司风险综合评价
(一)P2P网贷公司风险评价指标体 系 任何评价预
测模型都是建立在一定的评价指标体系之上的，但是评价
指标体系的确定是一项非常困难的工作。考虑~IJP2P网贷
公司的特点，本文把P2P网贷公司风险评价系统分为流动
性、安全性和收益性3个子系统，P2P网贷公司风险是这个
大系统中各子系统相互作用的产物 ，而这3个因子风险的
大小是由多种不同的相应的指标以及其权重来决定的。因
此，需要综合考虑影,~P2P网贷公司风险的各个子系统的
主要指标进行分析研究。基于此，建立P2P网贷公司风险评
价的指标体系。表1和表2分别是P2P网贷公司风险评价指
标和评价标准。
表1 P2P网贷公司风险评价指标体系
目标层 一级指标层 二级指标层
投资人数(x。。)
借款人数(x。 )
流动性(X。) 平均标的期限(X )
债权转让情况(x． )
评价指标体系 时间加权成交量(X )
累计待还金额(x， )
安全性(x ) 待收杠杆(X，，)
注册资金(x， )
收益性(x ) 综合收益率(X ．)
风险收益 比(X )
表2 P2P网贷公司风险评价等级
— —
＼ 风险等级 1级 2级 3级 4级
评价指标 —～＼
投资人数(人) Xl1 >1OO00 50o0～1000o 1O0o一500o <1000
借款人数(人) Xl2 >100o l00—100o 50 1oo <50
平均标的期限(月) Xl3 <3 3—6 6—12 >12
债权转让情况 X J 4 3 2 l
时间加权成交量(万 月： Xl5 >1000o0 50o00—100o00 20ooO一5oo00 <20O0o
累计待还金额(万元) X2l <10o00 l0o0o一500o0 500o0—100000 >1O000I
待收杠杆(倍) X筮 <5 5—10 10—50 >50
注册资金(万元) X∞ >5002 30o2 5oo2 l002—3002 <1002
综合收益率(％) X <10％ l0％ 15％ l5％一2O％ >20％
风险收益比 X32 >0．02 0．0o5—0．O2 0．002—0．005 <0．002
流动性(x )主要体现在投资者收回本息的快慢程度，
流动性越强代表在该平台收回本息越快。本文选取投资人
数(x )、借款人数(x。：)、平均标的期限(x ，)、债权转让情
况(x )、时间加权成交量(x。 )作为流动性的评价指标。其
中时间加权成交量为当月实际成交量和当月时间加权成
交量加权得出。
安全性(x：)主要体现为投资者的资金的安全程度。本
文考虑累计待还金额 (x )、待收杠杆 (x )和注册资金
(X )来反应投资资金的安全性。其中待收杠杆=平台待收／
(注册资金 ×做实程度+风险准备金+担保公司注册资金 ×
射套通孔 2016年第26期
0．5％X做实程度)。
收益性(X )主要考虑平台综合收益率和风险收益比，
收益性越高，表明在该平台投资获得的收益可能越高。风
险收益比=(收益率一无风险收益率)／平台待收杠杆。故本文
采用综合收益率(x )和风险收益l：t(x， )来分析各P2P网贷
公司的收益情况。
本文以全国2014年12月份时间加权成交量前100名的
P2P网贷平台为研究对象进行风险评估。综合考虑流动性、
安全性和收益性三个方面，构建基于正态云和组合赋权法
的P2P网贷公司评价模型，对100家P2P网贷公司风险进行
综合评价，各评价指标的组合权重如表3所示。
表3 P2P网贷公司风险评价的组合指标权重值
(二)-Z-模型数字特征的计算 根据指标特征值及风
险评价指标的等级划分，可以计算出云的三个数字特征，
期望Ex、熵En和He超熵，其中超熵He人为确定 ，这里取20。
以时间加权成交量为例 ，四个等级区间为：1[a+∞)，2(b，a)
，3(c，b]，4(一o。，c]，期望Ex的计算如下：
Exl=a；Ex2=(a+b)／2；Ex3=(b+e)／2；Ex4=e。
熵En的计算采用黄金分割模型，相邻的语言值，离中心
较近的语言值的熵是较远的0．618倍。具体计算过程如下：
En1=EnJ0．618；En2=0．382 X(x一一X )／6；En3=0．618 ×
En2；Ena=En2。
其中，x一和x 分别为2014年l2月份这100家网贷公司
的时间加权成交量的最大值和最小值。
同理，可以计算出各个指标的云的三个数字特征 ，如
表4所示。最后，根据步骤二和步骤三，依据最大隶属度原
则 ，选择最大的隶属度所对应的第 个评价等级作为综合评
价的结果，如表5所示。
表4 1 0O家P2P网贷公司综合风险等级正态云标准值
评价指标 风险等级
一 级 二级 三级 四勃
l (833，10000，20) (833，7500，20) (1500，3000，20) (666，1000，20)
K12 (150，1000，20) (150，550，20) (158，75，20) (8,50，20)
Kl3 (0．5，3，20) (0．5，4．5，20) (1．5．9．20) (1，12，20)
K14 (0．66．5，20) (0．66，3，20) (0-33．2．20) (O．33，1，2O)
Xl5 (8333，100000，20’ (8333，75000，20) (13333，35000，20) (5000，20000，20)
X，1 (6666，10000，20 (6666。30000，20) (15000，75000，20， 8333，100000，加
X (O．83，5，20： (0．83，7．5，20) (7．5，30，20) (6．66，50，20)
X (333。5o02，20： (333，4oo2，20) (666，20o2．2O： (333，1002．20)
X1I (0．oo8．0．1．20) (O．008，0．125，20) (0．016．0．175．20 (0．008，0．2，20)
X北 (0．0025，0．02，20) (0．0025，0．0125，20， (0．003，0．0035，20) 、0．0005．0．002．20
(三)P2P网贷公司风险评价 根据前面关于正态云和
组合赋权模型的介绍，以各公司投资人指标为例做具体的
说明，探讨正态云和组合赋权模型在P2P网贷公司风险评
价中的应用。
首先，利用正向云发生器算法，生成各公司投资人数
坪价指标的综合云模型图，如图l所示，横轴是指标的级别
划分，纵轴是隶属度。
表5 1 00家P2P网贷公司综合风险等级正态云隶属度
正态云隶属度
一 级 二 级 ：甥 四 级 评 缎
0．36 0．37 f1．43 OI35 3
0．29 n29 0．43 0-35 4
O．43 f)．33 0．32 O_31 1
0．3O f)．31 ()．34 0．37 4
0．29 ()．29 ()．33 O．4l 4
0．32 n32 0．37 O_33 3
0-3l f1．31 ()．42 0．33 3
D38 (1．51 ()．37 O-37 2
0．3l (】¨31 0 32 0．33 4
[)-32 《1．32 (1．34 O_35 4
图1 投资人数指标隶属于风险等级的四级云模型图
同理 ．运行上述方法 ，可以计算出各公司其他9个指标
的云模型图，进而得出最终的综合风险等级，如表6所示。
表6 100家P2P网贷公司综合风险等级
公司 综合评级 公司名称 综合评级 公司名称 综合评级 公司名称 综合评鲴
陆金所 3 投哪网 I 信融财富 3 腾邦创投 4
宜人贷 4 盛融在线 l E速贷 3 地标金融 3
红岭创投 l 银豆网 3 合时代 3 广信贷 4
人人贷 4 银湖网 2 财富中国 3 金e贷 4
向上金服 4 一起好 2 永利宝 3 上成BANK 3
你我贷 3 汇投资 2 互利网 3 小油菜 4
有利网 3 钱多； 3 房金所 3 国湘资本 3
金信网 2 合拍在线 ' 网利宝 3 人众金融 l
翼龙贷 4 鑫合汇 2 四迭投资 3 起点贷 l
爱投资 4 融金所 2 安心贷 3 后河财富 4
积木盒子 3 365易贷 2 一城贷 3 普天贷 4
PPmonev 3 和信贷 2 前海理想金融 3 爱贷网 3
易贷网 温商贷 3 金海贷 3 众信在线
爱钱进 4 国诚金融 2 中益信金融 3 雪山贷 3
微贷网 3 微金所 3 口贷网 3 三信贷 4
小牛在线 2 付融宝 3 鲁商贷 3 互融宝 4
逮帮贷 3 温州贷 2 汇通易贷 3 紫枫信贷 4
团贷网 2 808信贷 3 融易融 3 众金在线 3
诺诺镑客 3 保必贷 3 诚汇通 4 星月创投 4
易九金融 3 钱爸爸 l 礼德财富 3 360贷贷网
晋商贷 3 德众金融 3 68理财网 4 鼎玉财富 4
垠客网 3 贷贷兴隆 3 我企贷 4 速可贷 3
8财富网 3 招商贷 3 工商贷 4 新联在线 3
众信金融(京) 3 9l旺财 3 舍盘贷 3 融贷通赢 3
人人聚财 钱吧 3 珠宝贷 3 短融网 3
由表3．1知，评级指标中时间加权成交量的权重最大，
投资人数次之，债权转让情况的权重最小。投资者可以较多
地关注不同网贷平台的时间加权成交量和投资人数这两个
指标，结合 自身的情况适当投标，以规避风险。由表6可以看
内控&风险I Internal Control&Risk
出，2014年12月份时间加权成交量前100名的P2P网贷公司
中，风险水平为一级的占比为10％，二级的占比为10％，三级
的占比为56％，四级的占比为24％，三四级的占比达到了
80％，可以看出整个P2P网贷行业处于较高的风险水平，这
与2014年12月份问题平台数量达到创纪录的情况相吻合。
七、结论
本文针对目前网贷公司风险研究中存在的问题，以及
相关研究的发展趋势，结合已有的研究成果，对网贷公司的
风险管理提出新的风险评价思路，基于中国网贷行业实际
情况，构建了网贷公司的风险评价指标体系，较为全面地分
析了影响网贷公司风险的因素。建立了定性定量不确定性
转换的正态云模型和组合赋权的风险评价模型，对2014年
12月份全国时间加权成交量前100名的P2P网贷公司进行风
险评估．得到综合风险等级，并进行风险分析，方便投资者
做出更加科学、满意的决策。但是从具体风险分级结果来
看，一些时间加权成交量排名靠前的平台风险反而很大，联
想最近显现出来的问题平台，潜藏的风险主要在一些不可
量化的指标，比如持股人情况，投资标的，是否涉嫌自融等。
上述指标的获取难度较大或者存在数据不准确等情况 ，这
是本文的不足之处，也是后续需要研究的方向。
本文系国家社会科学基金重大项 目 (项 目编号：
l2&ZD214)阶段性研 究成果
参考文献：
[1]胡剑波、丁子格：《互联 网金融监管的国际经验及
启示》，《经济纵横))2014年第8期。
[2]黄震、邓建鹏、熊明等 ：《英美P2P监管体系比较与
我国P2P监管思路研究》，《金融监管研究))2014年第10期。
[3]李明、刘桔林 ：《基于模糊层次分析法的小额贷款
公司风险评价》，《统计与决策))2013年第23期。
[4]方先明、熊鹏、张谊浩：《基 Hopfield~经网络的信
用风险评价模型及其应用》，《中央财经大学学4~))2007年
第8期 。
[5]鲍勤、孙红霞：《网络视角下的金融结构与金融风
险传染》，《系统工程理论与实践))2014年第9期。
[6]山成菊、萱增川、樊孔明等：《组合赋权法在河流健
康评价权重计算中的应用》，《河海大学学报 (自然科学)》
2012年 第6期 。
[7]Saaty T L．Decision making with dependence and
feedback：The analytic network process．1 996．
1 8 j Kaur P，Mahanti N．A fuzzy ANP—based approach for
selecting ERP vendors International jonrnal of soft computing，
2008．3(1)：24—32．
(编辑 成 方)
埘会通风 2016年第26期l0l
