本文共字，预计阅读时间。

二、研究方法

金融资产的收益率序列常常表现出“尖峰厚尾”（Leptokurtosis）、“波动聚集性” （Volatility Clustering or Volatility Pooling）以及“杠杆效应”（Leverage Effect） 等特征。“波动聚集性”意味着序列存在着异方差性，而自回归条件异方差模型可以很好地描述这种特征，该模型最早由Engle（1982）提出。但是ARCH模型存在滞后长度难以确定以及违反参数非负约束等缺陷，使得人们在ARCH模型的基础上提出了各种扩展，Bollerslev（1996）在此基础上提出了广义的自回归条件异方差模型，即GARCH模型。这些模型广泛应用于金融领域，尤其是在高频时间序列的分析中。

（一）ARCH 模型

ARCH 模型的主要思想：随机扰动项εt的条件方差依赖于它的前期值εt-1的大小，ARCH模型就是时刻t的条件方差（σt）依赖扰动项平方的大小：

其中，ut为白噪过程，该模型表示在ARCH的框架下大方差发生的概率比小方差要大，类似于资产收益率波动的“波动聚集性”。

（二）GARCH类模型

收益率随机游走模型残差的方差表示投资风险的大小，方差高则风险大，方差小则风险小。Bollerslev（1986）在Engle研究的基础上提出了一个广义自回归条件异方差模型（GARCH），考虑一个GARCH（p，q）模型：

该模型通常可以解释金融资产收益的波动群集现象，即高收益对应着高风险和高损失。但在GARCH模型中无法解释收益和收益变化波动之间的负向关系，即一般假设收益率序列的条件均值是不变的，但在很多情况下，资产收益率通常和风险密切相关，因此Engle（1987） 提出了GARCH-M模型，其数学表达式如下：

式（6）中第三项表示网贷市场利率的风险补偿要求。

（三）TGARCH模型

GARCH模型无法解释金融收益中的杠杆效应，因此Glosten（1993）提出了一个TGARCH 模型，指利用虚拟变量来设置一个门限，用于区分正的和负的冲击对条件波动性的影响，解释可能的非对称性，考虑TGARCH（1，1）模型，其数学表达式如下：

其中，It-1为虚拟变量，当εt-1<0 时，It-1=1，否则为 0；当 γ=0，说明不存在非对称效应；若 γ>0，则表示存在非对称效应，及资产收益的下跌比同样程度的上涨产生的波动更大。

（四）EGARCH模型

为了允许在模型中体现正的和负的资产收益的非对称效应。Nelson（1991）在考虑加权信息的情况下提出了 EGARCH 模型，考虑一个 EGARCH（1，1）模型：

等式左边是条件方差的对数，这意味着杠杆影响是指数的，杠杆效应的存在通过γ<0 的假设验证，只要 γ≠0 则说明冲击的影响就存在非对称性。

三、数据及变量设计

（一）数据来源

网贷之家是中国首家、最大的网贷第三方网站，声誉较好且数据权威，我们的利率数据均来源于网贷之家官网，并手工收集。样本区间为2012年3月16日至2014年5月21日， 共797个交易日。

（二）变量设计

网贷市场利率。由于目前中国P2P网贷平台之间的规模差异很大，因此，我们根据网贷之家所统计发布的每日单个网贷平台综合利率和成交量数据的加权平均数，衡量网贷市场利率水平，具体计算公式如下：

其中，Vi为反映平台规模的第i家网贷平台的成交量，Ii为第i家网贷平台的当天平均利率水平。由于P2P网贷市场是一个新型的借贷市场，其利率的波动可能存在“大起大落” 的特征，为分析网贷市场利率的长期均衡的动态波动弹性，同时出于稳定性考虑，我们将每日网贷市场加权平均利率取对数收益率得出网贷平台利率的收益率序列：

（三）数据特征分析

样本的描述统计如表1所示，从中我们可以看到网贷市场利率序列偏度S>0，说明样本呈右偏分布，而峰度K<3，说明序列分布的尾部比正态分布的尾部要薄，其分布出现“矮胖”的形状。而网贷平台收益率序列的分布与大多数金融时间序列的分布特征相符，S>0，右偏分布，峰度 K>3，说明序列分布的尾部比正态分布的尾部要厚，换句话说其分布相对于正态分布是凸起的。J-B 统计量的伴随概率值均小于0.05，两个序列均在5%的置信水平下不服从正态分布。

大多数学者认为，互联网金融市场能够帮助实现融资并减轻“搜寻成本”，而资金供求双方的交易成本非常低。网络借贷针对“长尾市场”的中小企业及家庭提供了新型的借款方式，因此认为能够降低小微借款主体的融资成本，提高贷款效率。但是，从我们的数据看，网贷市场的平均利率为18.198%，意味着借款人在网贷市场的借款成本要远远高于正规金融机构的借款成本，因此总体而言网贷平台仅仅提高了投资者及小微融资主体的资金配置效率和减少了“搜寻成本”，但是并没有在很大程度上改善小微借贷主体的融资状况降低其融资成本，解决这一问题还需发挥正规金融机构在普惠金融中的作用。

但从出借者的角度看，网贷市场的平均利率即出借者的平均投资收益为18.198%，远超银行存款利率及各类传统金融市场中的投资收益。可以说网贷市场拓宽了目前社会大众的投资理财渠道，但应意识到利率是用于补偿投资风险所导致的负效用，出借者需要识别利率背后的违约风险。

图1为网贷市场利率序列的折线图，从中难以发现其波动的规律性，但是可以看到其具有一定的“波动聚集性”和趋势性的特征，从图1可以看出网贷市场利率从2012年7月到2012年9月其波动具有“聚集性”的特征，从2013年4月到2013年10月经历了一个明显的波动上升的过程，而从2013年11月到2014年5月则是一个明显的波动下降的过程。这很可能与中国的宏观经济变动、货币供求及民间借贷利率之间存在一定的相关性。

为验证上文的观点，我们将中国自2012年以来季度GDP环比增长率、Shibor隔夜拆借利率和温州民间借贷综合利率与网贷利率分别进行了比较。

互联网借贷结合新的技术手段进行的金融创新具有影子银行的特征，因此可将其视作中国影子银行的组成部分之一，而影子银行具有明显的逆周期特征（裘翔，2014）。由图2可见，从2013年第二季度开始网贷市场利率的变动与GDP的变动存在一个反方向关系。据此，我们认为网贷市场具有“逆周期性”，其作用机理表现为当经济繁荣时银行等正规金融机构具有大规模放贷的冲动，而网贷平台的融资作用将会被削弱； 当经济衰退或流动性紧缩时，正规金融机构减少放贷，部分有资金需求的企业和家庭得不到满足，进而被迫转向网贷市场融资，促使了网贷市场平均利率上升。

随着中国利率市场化的逐步推进，中国人民银行2007年推出了上海银行间同业拆借利率Shibor，自推出至今，Shibor作为货币市场基准利率的地位基本得到认可。Shibor 的变动不仅包含着大量金融市场中的信息，同时能够反映货币供求的关系。从图3可见，网贷市场利率与Shibor隔夜拆借利率的变动基本趋于一致，但是网贷市场利率的变动在上升期要较为滞后于Shibor隔夜拆借市场利率的变动，而在下降时期Shibor隔夜拆借市场利率的变动要领先于网贷市场利率的变动。这在2013年6月至9月期间尤为明显。我们认为，由于网贷市场的交易规模相对于传统金融市场较小，正规金融市场基准利率Shibor隔夜拆借利率对于网贷市场利率存在一种单项的溢出效应，当融资主体对贷款的需求在 正规金融机构得不到满足时，会转向非正规金融机构，例如互联网借贷市场，进而推高网贷市场利率 的走势。但当正规信贷市场处于宽松状态时，网贷市场与正规信贷市场的巨大利差可能会导致融资主体的套利行为，这种行为对于网贷市场利率的波动具有“熨平”效应，因此网贷市场利率的下降要滞后于正规金融市场的基准利率。我们尝试对于两者之间的关系进行一个简单的实证检验，时间窗口为2012年3月至2014年5月，我们主要使用Granger因果关系检验对于两者之间的关系进行验证。检 验结果表明，当滞后阶数为1-4时，Shibor1o是rm 的Granger原因均通过了检验，rm是Shibor1o的Granger原因均未能通过检验。因此可以认为Shibor隔夜拆借利率与网贷市场利率之间存在着单向Granger因果关系，即Shibor 隔夜拆借利率对网贷市场利率具有一种单向的溢出效应。

浙江温州作为中国民间借贷的经典样本，是民间投融资最为活跃的地区之一。前期研究认为，温州的民间借贷已经超出了传统意义上民间借贷的范围（张雪春，2013） 因此，该地区的利率水平具有重大参考价值。而P2P网络借贷在一定程度上可视为互联网中的民间借贷，这两者之间利率的变动可能会存在传染性。对此我们使用温州民间借贷综合利率2013 年1月1日至2014年5月21日的每日数据与网贷市场利率数据进行了对比，发现温州民间借贷综合利率的波幅相对较窄，范围大约在20%-22%之间，温州民间借贷市场经历了长期的发展，相比P2P网贷市场而言更为规范，因此利率波动较为平稳。

与上文相同，我们同样对这两者进行一个简单Granger因果关系检验，检验结果表明： 温州民 间借贷综合利率与网贷市场利率并不存在显著的Granger因果关系。由于非正规金融机构的信息优势具有一定的局限性，但这些机构通常都有相对固定的客户群体，进而造成非正规金融市场之间的高度割裂（Timberg，1984；Siamwalla，1990）。温州民间借贷市场具有局部垄断性，而P2P网贷市场则相对覆盖面较广，导致了两个市场之间的利率运行呈双向分割的状态。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。