本文共字，预计阅读时间。

四、实证分析

（一）单位根检验

由于GARCH类模型适用于平稳序列，因此首先对两个序列进行单位根检验，根据检验结果可知，网贷市场利率并没有通过单位根检验，而网贷市场利率的收益率序列通过了ADF单位根检验，且为零阶单整序列I（0），因此采用该序列进行实证分析是合适的。

（二）ARCH效应检验

一般情况下，金融高频数据的波动率与过去存在着相关性，在进行ARCH效应检验之前，首先对网贷市场利率的波动率Rt进行自相关性检验。根据检验结果可知，网贷市场利率波动率存在自相关，而从1阶之后至12阶，自相关函数均位于95%的置信区域以内，从而表明是一个高阶的AR过程。偏自相关函数值在滞后7阶段位于95%的置信区域以外， 然后在 7 阶段后截尾， 其他各阶滞后的偏 自相关函数值位于置信区域之内。因此，我们根据公式（1），通过最小二乘法回归建立一个AR（7）-ARCH（1） 模型，并对残差序列进行拉格朗日乘数检验，结果如表2、表3所示。

由表2可知，表2模型中的b1为0.234<1，则无条件方差为b0/（1－b1） =0.00391， 服从一个弱平稳过程，当期的方差影响23.34%在下期依然存在， b12=0.547>1/3，厚尾现象存在且较为严重， 一方面与时间序列的数量有关，另一方面与中国其他投资市场相比较而言，互联网金融市场中的收益相对较高，吸引了大量中小投资者进入，进而使得网贷市场利率大幅波动。

表3是对网贷市场利率收益序列的ARCH-LM检验，结果的上半部分说明检验辅助回归方程中的所有滞后残差平方项是联合显著的，概率P=0，而ARCH效应的检验统计量 Obs×R-squared相应的伴随概率也为0，即中国P2P网贷市场利率表现出了统计学意义上显著的ARCH效应，换言之，网贷市场利率波动中存在着条件异方差性，因此进一步建立GARCH类模型刻画这种特征是必要的。

在对条件方程（2）的系数进行参数估计中，我们发现，在1%的显著性水平下，常数项和 ARCH（1）的系数均显著，并大于零，保证了条件方差序列的非负性。同时ARCH （1）的系数小于1，满足平稳性条件。但当我们进一步取q为2并进行参数估计， 发现在1%的显著水平下，b0和b1的系数是显著的，但b2的系数未能在10%的置信水平下通过显著性检验，因此可以认为选择ARCH（1）模型是合适的。根据上述的计量分析，我们在下文运用AR（7）-GARCH（1，1）对中国P2P网贷市场利率波动进行实证研究。

（三）波动性检验

我们根据公式（4）、（5）、（6），对网贷市场利率进行AR（7）-GARCH（1，1）及AR（7） GARCH（1，1）-M检验，③系数估计结果如表4所示，其中模型一、二、三为AR-GARCH 模型，随机误差项的形式分别为正态分布（Gaussian）、学生t分布（t）及广义误差分布（GED）。 模型四、五、六为正态分布条件下的AR-GARCH-M 模型，其中M项的表现形式分别为条件标准差（σ）、条件方差（σ2）及条件方差自然对数（Ln（σ2））。由表4的模型一到模型六可知， 在 AR-GARCH 模型和加入风险补偿项的AR-GARCH-M 模型中，网贷利率的滞后项AR（1）到AR（6）均在1%的置信水平下通过了显著性检验，而AR（7）项只在模型二与模型三中通过了检验，但是根据上文的描述统计，网贷平台利率序列的分布与大多 数金融时间序列“尖峰厚尾”的分布特征相符，分布的尾部比正态分布的尾部要厚，在这种情况下学生 t 分布（模型二）或者广义误差分布（模型三）能够比正态分布假设更好地描述该序列的这种 厚尾特征，因此可以认为模型一到模型六中的滞后项总体是联合显著的。

Fama（1970）提出的有效市场假设中包含了一个收益的公平赌博性质，但是直接检验则是考察历 史数据对收益是否具有预测效果，而根据表4模型的输出结果可以看到，公平赌博的性质被明显违背了，可以得出，由于网络借贷市场的利率收益序列严重依赖其滞后项， 同时存在时变的条件方差，因此不服从弱势有效市场所需要的鞅过程，弱势有效市场不能在网络借贷市场上成立。这意味着作为一种新型的投融资方式，P2P网贷市场在信息不对称问题上的不确定性可能更加严重。

而另一个有趣的结果是，模型一到模型六中的AR项系数均为负值，网贷市场利率收益率序列 存在着负相关。而根据De Bondt（1987）的研究，短期内的股票收益表现为序列负相关，因此存在着反转效应（Reversal Effect），而在上文的实证结果中，网络借贷市场的利率波动的表现与De Bondt（1987）的研究结果相似。这意味着网贷市场上同样具有反转效应。

我们认为，网贷市场的市场利率是由网贷参与者的行为共同作用并相互影响的，而现实条件并非一成不变，在借贷双方进行当期决策时，必须考虑未来的影响，因此预期问题在此体现。预期是指经济主体在决定当前的行动之前， 对未来的经济变量所做的一个主观估计， 在理性预期的条件下，网贷市场利率的波动应当存在一个均值，当网贷市场中普遍认为当期的利率较低时，借款人会大量涌入网贷市场，创造借款需求，同时投资者则会预期未来的利率将会不断上升，因此会增大投资额度，在供求关系的作用下将会推高网贷市场利率的走势。

反之， 当网贷市场利率偏高时， 出于成本因素的考虑借款人会放弃从网贷市场中融资， 以其他 市场融资的方式进行替代。另外，当投资者认为目前的利率水平较高，未来难以维持，或者该利率水平下的风险太大，投资者无法承受时，那么投资者将会谨慎地对待每一笔投资，投资需求减少，直到网贷市场的平均利率水平回归到一个正常的水平。当然无论是反转效应还是预期理论都是以借贷资金论和理性的投资者为基础对该现象进行解释，但是由于目前中国的网贷市场尚处于初级阶段，市场上存在着大量非理性投资者，在这种新型的投资市场环境中容易对信息反应过度，这同样会对利率的过度波动产生影响。

另外，模型一到六中的ARCH项系数b1与GARCH项系数c1均为正值，满足GARCH类模型对参数的要求，并且均在1%的置信水平下通过了显著性检验，同时在六个模型中ARCH项系数b1与GARCH项系数c1之和均小于1，满足参数约束条件。这说明网贷市场利率的波动存在着显著的聚 集性现象并且具有宽尾的特征， 过去的波动对未来的波动会产生正向推动影响。此外，模型一到模型六中ARCH项系数b1与GARCH项系数c1之和分别为0.996、0.965、0.953、0.995、0.995、0.996，均非常接近于1，据此可以认为前期的冲击对后面的条件方差影响是持久的，换句话说，市场波动对冲击的反应函数以一个相对较慢的速率衰减，具有长久的波动持续性，网贷市场利率在某一时刻的风险会加剧其未来的风险积聚。

理论上而言，中国网贷市场的利率定价机制，看来似乎是买方（借款人）市场，但由于投资者用选择其他买方（借款人）的方法（就像股票市场上用脚投票），间接还价，所以任何借款人的借款利率都不可能超过一个均衡利率的范围，否则他将无法在网贷市场上借款成功。但是，实际上由于每个人借款人存在不同的需求函数，使得多利率均衡存在于网贷市场，加上目前没有统一的信息系统，容易出现多个平台套利的现象，当具有信息优势的套利者在网贷市场中的比例过高时，会使风险大量积聚。一旦出现网贷平台的系统性风险或流动性紧缩，很可能会造成大范围的违约发生，这不仅会提高网贷市场中的风险溢价，同时也会扩大网贷市场中的利率风险敞口。

在表4的模型四到模型六中，我们基于正态分布条件下的AR-GARCH模型，在自回归方程中添加了一个衡量风险的变量M，其中M项的表现形式分别为条件标准差（σ）、条件方差（σ2）及条件方差自然对数（Ln（σ2）），对应的系数为d，由表4可知，d在三个模型中均为正值，这与传统金融市场相似，网贷市场中的利率与风险出现一种正向变化。模型四中d=0.098， 即当网贷市场中的预期风险增加1%时，会导致投资者预期收益率增加 0.098%。 但需要意识到的是，利率不仅是贷款人贷出态度的指标，同时利率还用于补偿投资风险所导致的负效用，而上述的实证结果说明了网络借贷同样是一个收益与风险 并存的市场。同时 M项系数d在三个模型中均未能通过显著性检验，据此可以认为中国网贷市场中的高风险高收益现象并不显著，从整体上来说市场正处于一个并不成熟但逐步完善的过程之中。

（四）非对称性检验

正如上文所述，网贷平台收益率序列的分布与大多数金融时间序列“尖峰厚尾”的分布特征相符，分布的尾部比正态分布的尾部要厚，在这种情况下学生t分布或者广义误差分布能够比正态分布假设更好地描述该序列的这种厚尾特征，因此我们使用随机误差项的形式分别为学生t分布（t）及广义误差分布（GED）来进行刻画这种非对称性，根据公式 （7）、 （8），对网贷市场利率进行非对称性检验，系数估计结果如表5所示，其中模型一、二为TGARCH的检验结果，模型三、四为EGARCH的检验结果。

从表5可见，相比于表4，在R2大致相同的情况下，AR（7）项只在模型二与模型三中通过了显著性检验，而表5中所有模型中的网贷利率收益率的滞后项从AR（1）到AR（7） 均至少在5%的置信水平下通过了显著性检验，体现了学生t分布或者广义误差 分布能够比正态分布假设更好地刻画 网贷市场利率波动特征，同时表5中的模型一到模型四中AR项系数均为负值， 这也进一步佐证了上文的观点。并且，改变方法后的TGARCH模型与 EGARCH 模型在结果的表现上与普通的GARCH模型相比并无较大的差异，因此可以认为模型具有较强的稳健性。

表5的TGARCH模型中，杠杆效应项系数γ在学生t分布及广义误差分布的条件下分别为0.131和0.083，均为正值。这说明网贷市场利率的波动具有“杠杆效应”，网贷市场利率的下跌比同等程度的上涨对网贷市场带来的利率波动影响更大。当出现利好消息时， εt-1>0，则It-1=0，所以该冲击只会对网贷市场利率的波动造成一个0.112 和0.089的冲击； 而出现利空消息时，εt-1<0， 此时It-1=1， 则这个“利空消息”会造成一个0.243 和0.172的冲击。同时，这个利空消息能比等量的利好消息产生更大的波动性的结果在 EGARCH模型中也能够得到印证。

在EGARCH模型中b1在学生t分布及广义误差分布的条件下分别为0.306和0.242， 而非对称项系数γ的估计值分别为 -0.077 和-0.047。当εt-1>0 时，该信息冲击对条件方差的对数有一个0.306+（-0.077）=0.226及0.242+（-0.047）=0.195倍的冲击；εt-1<0 时，它给条件方差的对数带来的冲击大小为0.306+（-0.077）（-1）=0.383及0.242+（-0.047）（-1）=0.289倍，同时在EGARCH 模型中，条件方差模型中的常数项系数相对于 GARCH 类模型的条件方差模型有所减小。这意味着杠杆效应可以进一步解释常数项中的部分波动。

Christie（1982）从资本结构和理性预期的视角对股票市场中的这种杠杆效应现象进行了解释， 而对网贷市场中的杠杆效应， 我们以前景理论为基础进行探讨。 Kahneman （1979） 在Markowitz的通常财富理论和阿莱工作的基础之上构建了一个“前景理论”（Prospect Theory），以期对市场中的异常现象做出具有说服力的解释。Kahneman（1979）将违反传统与其效用理论的实验研究结果归纳为三个效应来说明，分别是确定性效应（Certainty Effect）、反射效应（Reflection Effect）以及分离效应（Isolation Effect）。在对上文的分析中我们主要使用的是确定性效应和反射效应，所谓确定性效应是指 相对不确定性的结果而言，个人对确定结果会过度重视，当人们面临条件相当的盈利期望时更倾向于接受确定性的盈利。反射效应是指个人对盈利和损失的偏好相反，个人在面对损失时有风险偏好的倾向，而对于盈利则有风险规避的倾向。

由于确定性效应，网贷市场中的投资者对确定结果会过度重视，俗话说“落袋为安”， 当网贷市场中的利率下降时，投资者出于风险规避的因素，会选择将手中的债权进行套现， 以避免借款人违约而为自己带来损失，同时部分网贷平台从事多元化的经营业务，给投资者手中的债权流通和转让提供了可能。因此根据反射效应和损失厌恶定理，投资者对于盈利则有风险规避的倾向，当市场 出现“坏”消息的时候，投资者预期会赋予低风险收益率较高的概率权重，并且过分关注其资产的变化量而非绝对值，从而导致网贷市场利率下降对市场造成的影响要高于上升的影响，即上文所述的杠杆效应。

但同时还应看到，杠杆效应项系数γ在四个模型中均未能通过显著性检验，说明这种杠杆效应所带来的影响并不显著。其含义是，利率下降和上涨对网贷市场的冲击虽然不存在明显的差异，但均能对网贷市场产生一定量的冲击。这是由于目前中国互联网金融的相关制度还有待完善，而在一个制度相对而言并不完善的市场中，存在着高度的不确定性，投资者只能依据有限的信息进行决策，并做出大致的判断，而互联网时代的一个重要特征就是信息过载（Lin，2013），许多信息是具有干扰作用的噪音信息，但是网贷参与者们并不是专业的金融从业人员（Yum， 2012），无法对市场上的每一条“好”消息或“坏”消息做出正确的判断， 而是大多数情况下只能在信息不完全的条 件下进行决策，这将使得市场上无论出现什么样的“风吹草动”，敏感的网贷参与者们均会对此做出反应。但是制度变迁的力量是强大的，有理由相信制度变迁发生在网络借贷市场时，市场参与者主体结构将会发生巨大的变化，市场上的非理性行为也将逐步得到规范。

[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。