【《数字信贷业务风险及其监管的演化博弈分析综述》15000字（论文）】

数字信贷业务风险及其监管的演化博弈分析综述目录TOC\o"1-3"\h\u26110数字信贷业务风险及其监管的演化博弈分析综述 1289741.1数字信贷业务场景及监管分析 250931.1.1数字信贷业务模式及特点 24061.1.2数字信贷行业的发展历程与现状 438271.1.3数字信贷业务监管问题 671011.2基于CoVaR模型的数字信贷业务风险度量 7282081.2.1数字信贷业务的出险条件分析 715531.2.2数字信贷业务的风险因素 9255241.2.3数字信贷业务风险测度的CoVaR模型构建 987391.2.4实证研究 12192621.3数字信贷业务监管的演化博弈模型构建 1390611.3.1模型假设 13241881.3.2博弈分析 14268201.3.3模型构建 15175901.4演化博弈模型的求解与分析 16307691.1.1复制动态方程 1683811.1.2均衡解及其稳定性分析 17213341.5演化博弈模型的数值模拟与仿真分析 2059531.6小结 23数字信贷业务是数字金融中的最重要业态，在经历了P2P行业严重不规范、缺乏监管的特殊历史阶段后，当前P2P行业已基本出清，数字信贷行业正处于全新的规范发展阶段，对于数字信贷业务的风险度量、管理与合理适度的监管，是数字信贷行业可持续发展的基础。本章将首先分析数字信贷业务的场景和发展、监管现状，然后本章将构建数字信贷业务的风险度量模型，从风险的角度研究和强化监管的重要性和必要性，并基于此建立三方演化博弈模型，模拟仿真监管活动，完善监管政策。1.1数字信贷业务场景及监管分析1.1.1数字信贷业务模式及特点所谓的数字信贷，实际上是借助数字技术完成货币借贷，是在线上完成全部的流程，属于纯线上的信贷模式，有显著的智能化特征。数字信贷作为传统信贷的延伸，发展速度极快，使得传统信贷存在的诸多问题得以有效缓解。比如其利用有效的手段解决中小企业存在的融资难问题，有效缓解了传统信贷的供给不足的现状。同时，其便利、触达广的特性又契合了当今消费趋势，一定程度上起到了促进消费的作用。另一方面，数字信贷的发展也促使传统信贷的模式发生了极大变化，部分传统信贷从抵押担保模式逐渐转变成基于信用体系之上的新模式，和数字信贷之间的边界日趋模糊，出现了与数字信贷相互融合共同发展的趋势。在P2P出清之后，国内的数字信贷平台基本以银行系的消费金融公司的消费信贷业务线上化、电商依托大数据的助贷模式、以及金融科技公司为主。对于电商金融模式，属于成熟电商拓宽用户金融服务的范畴。因电商自有客户为信贷获取对象，所以传统银行贷款和其对比，无论是授信效率或是风险控制都不存在优势。比如阿里金融是以客户信用体系为基础开展的信贷活动，和传统银行贷款有着不同的处理方式，不再使用物品抵押，应用信息技术之后，贷款效率大大提升，贷款活动也由此缩减了成本。正是如此，阿里金融提供给中小企业的服务更为细致，更能够让中小企业满意。对于银行+金融科技公司的模式，具体有两种模式：其一是银行和电商合作，借助电商企业海量的用户信息，而由银行授信给电商用户；其二是银行自行构建电商平台，基于平台之上构建信用评价体系，以评价数据作为用户授信与否的判定依据，也就是评价结果越好，用户越容易获得授信，评价结果不佳，则可直接不同意授信。数字信贷之所以可获得成功，且在全球范围内快速蔓延，主要原因是数字信贷很大程度上为解决普惠金融中存在的信息不对称问题提供了有效的解决手段。对于信息不对称僵局，数字信贷主要利用数字技术打破，具体主要是对信用风险管理进行创新，提升管理成效，对于创新后的架构实则在本质上和传统银行架构并无差异，但却有着极大的做法差异。新框架是以大数据风控模式和科技系统作为支柱，而科技系统属于综合服务体系，其包含的活动有金融、娱乐、社交等。科技系统主要包含的优势是，可对借款人进行全面观察，不仅是行为，也包含以往的交易状况，在平台上完成客户获取、信用评估、发放贷款、贷款归还等全过程，可在一定程度上弥补信息不对称的缺陷，使得借贷双方可获得较为对称的信息。数字金融生态系统的作用和市场机制、金融机构等传统金融体系组成内容的作用相似。大科技平台是以“获客”作为最基础的贡献，所谓的长尾效应，实际上是建成的平台，可以极低成本和亿万用户相连接。对于“大数据”，在生态系统当中用户进行购物、社交等活动时，都有数字足迹留下，这些数据主要有交易网络，经营流水等，这些是用于反映小微企业的财务状况、社会地位、经济活动，这些数据不仅可为风险评估提供支持，也可为借款人情况的实时监控提供辅助，进而可更好的挖掘潜在风险，及时应对存在的风险。对于还款管理，借款人如若无法按期还款，将会使其的信誉受到负面影响，如若可按期还款，则可提升其的信誉，在平台的生态系统中有着良好信誉，用户在今后则可更为快速地获得贷款，如此一来，用户的还款积极性也会有所提升。具体而言，数字信贷具有以下特点和优势：（1）提升用户触达，大力促进金融普惠。数字信贷业务由于门槛较低、用户年轻化，人均额度低且覆盖面广，因而具有更强的普惠性。非传统数据应用之后，无信用历史的用户将可通过数字信贷获取风控服务，信贷门槛也可有所降低。主要原因在于用户信息历史不长，财务数据也缺乏代表性，传统方法进行的评价通常都会较为谨慎，大数据风控模型将企业的非传统信息引入其中，评价的合理性将大大提升，此类型用户也会相应地提升信贷准入概率。一方面互联网消费信贷借助金融科技信用评分模型与业务场景的数据积累，它可以为大量没有信用卡的人群（“白户”）提供风险可控的消费信贷服务。另一方面拥有较强的消费场景。具体而言，该互联网消费信贷广泛应用于电商购物平台、大型超市商场以及开通该消费信贷产品收款服务的其他线下商户，因此，其使用场景较为严格地限定于消费情景，能够减少套现问题。（2）征信方式更加准确便捷，让信贷服务更为精准。社会经济的快速发展，人们快速提高生活水平，也随之快速提升信贷需求，传统的征信方式缺乏时效性、覆盖范围小，需要繁杂的手续，与信贷市场的需求不相符合。大数据征信有着极为丰富的数据，可使得传统征信的数据问题得以有效解决，能为消费者的信贷情况提供有力的数据支撑。如何对用户信用进行评估，明确最终的额度是行业发展一直以来都急需解决的难题。数字信贷无需抵押物，特别是有了大数据征信后，即使没有抵押物也可评估用户的信用，基于评估结果之上进而授信。也帮助借贷方通过多种角度对个体、企业进行多维度的数据分析，预测其履约能力，从而降低违约风险。（3）减少信贷对抵押品的依赖，有助于提高经济稳定性。抵押品可使得借贷双方存在的信息不对称得到有效缓解，但由于信贷和抵押品有着极强的价格同向性，也极易使得极端环境下经济波动被过分放大，造成系统性风险。总的说来，商业银行在传统模式之下，贷款风控主要利用抵押手段，银行在经济繁荣的时期会增加放贷金额，导致出现经济过热的现象；经济发展状况不佳时，会相应地降低资产价格，银行也会将放贷金额缩减，加剧商业银行信贷的这种顺周期特性，增加了实体经济的波动。1.1.2数字信贷行业的发展历程与现状数字信贷的发展，大大解决了中小企业特别是小微企业“融资难”问题。所以无论看技术流程、服务规模还是资产质量，数字信贷很可能是一项具有革命意义的金融创新。数字信贷（BigTechLending）主要是指利用数字技术提供贷款（Frostetal.，2019）。这一金融业务模式最初发源于英国，但在我国的发展得到了较为特殊而迅猛的发展，归总起来主要可被看作三个阶段：（1）初现网贷创新的阶段。中国经济在2007年已达到新的高点，GDP达到11.2%的增长速度，这也是自1992年以来增速最快的一年。民营经济发展极快，有着丰富的消费需求，为小额信贷市场的发展奠定良好的基础，使得小微金融、消费金融等可由此获得良好发展。2007年6月发布的“e贷通”，是由阿里和建行联合发布的，正式拉开了助贷模式的序幕。同年，成立了拍拍贷平台，这是我国首家P2P网贷平台，P2P也由此迎来了新的良好发展。中国互联网行业是在2007年末初具发展规模，也有着相对丰富的线上数据。对于传统信贷业务数据缺失的问题，阿里拥有的丰富数据可得以有效弥补，基于传统信贷的优势以及阿里的数据优势融合基础上，风控的成效大幅提升。银行的业务边界也有效拓宽，线下展业的限制也得以打破。除此之外，招商银行在2007年发出的信用卡量和去年相比增加1034万张，且和前4年发卡量的总和相比极为接近。招行的零售业务在该年的成绩非常显著，是自成立之后获得的最佳成绩，全年提升了120%以上的净利润。（2）网络小贷发展阶段。自步入轨道后，拥有合理身份是互联网贷款的关键。中国金融市场，仍然主要采用机构监管，地方金融机构少有的审批权当中就包含着小贷公司的审批，所以从设立到业务创新的审批，地方金融办的话语权极大。互联网贷款由此迎来了破冰空间，且也埋下了网络小贷在日后出现乱象的伏笔。阿里在2009年专门建立团队，负责小贷业务的开发，并上线了淘宝订单贷这款产品，这也是自上线之后发布的首款产品；阿里在2010年成立小额贷公司，拿到小额贷款经营执照，并发放首笔小额贷。阿里小贷、京东小贷、苏宁小贷等在此后两三年陆续落地，一批优秀的互联网公司借助自身已有的优势成功进入金融领域分一杯羹。此外，因互联网金融公司和网络小贷有着诸多客户和业务的重叠，如若没有牌照，且无明确的监管要求，诸多未做好安排准备的公司陆续申请小贷牌照。网络小贷公司在短时间内快速增加需求，对于小贷公司的申请时间，在2013年之前和该年，全国获得审批的互联网小贷公司低于10家。但网络小贷公司在2014年呈现快速增长趋势，且之后的几年内仍然不断增长。直至2017年出现监管风暴前，全国共有150家以上的网络小贷公司。（3）“助贷”模式兴起阶段。尽管2007年阿里就已经出现过助贷模式（即两家持牌金融机构的合作，又称“联合贷款”），但在此后的五六年时间里，它却并没有顺势成长起来。数字金融从2015年开始迎来了快速发展，也在较大程度上加大了对资金的需求，网络贷款所需的资金仅通过P2P平台提供是远远不够的。加之此类产品有着丰厚的利润，使得金融机构的参与动力大大提升，参与的金融机构不断增加。花呗、白条、借呗等产品是2015年最为典型的产品，广受用户青睐，使用的用户也在持续增加，至今仍然呈现增长趋势。2015年的双十一当天，蚂蚁花呗支付笔数达到6048万笔，在支付宝所有交易当中占比为8.5%。而花呗用户在2016年已超过亿人，全年的花呗支付使用数量达到32亿笔以上，和2015年相比提升了344%。自2016年开始，线上生态系统不断完善，数据愈发丰富，采用助贷形式打入网络贷款领域的商业银行不断增加，特别是农商行、城商行等。实际上，和金融科技企业有着巨大的资金需求相比较，需要突破发展瓶颈的一批中小银行，对此发展契机的需求更为迫切。特别是出现“疫情”后，很多实体行业受到巨大打击，无接触业务受到广泛青睐，无接触银行也随之备受关注，无论是零售服务、或是对公服务，诸多都已在线上化完成，给用户提供了诸多的便利。不仅有商业银行积极加入线上业务服务领域，诸多信托公司、金融公司也随之成为大军中的一员，该市场获得的资金不断增加，且金融科技和机构有着愈发清晰的分工协作态势。微众银行和合作银行在该模式之下按相应的比例出资，并按相应的比例分享收益，实现协作发展。当中最为典型的当属微粒贷，微粒贷是于2015年5月正式亮相于手机QQ中，在QQ中运行一些时日，之后又在微信中运行。这家在2015年上线的互联网银行，在2019年末共计有过亿的预授信用户，累计发放3.7万亿以上的贷款额。正是这家O网点银行的成功尝试，使得银行切实意识到光有资金或是技术都是没用的，只有将两者有效融合，才可获得更为持久的发展。无可厚非的是，对于助贷方面也随之加强了监管，监管对象主要有互联网贷款风险、价值、影响性。当前，我国数字信贷的发展正朝着以下趋势和方向在发展：（1）数字技术刺激数字化征信快速发展。因我国金融发展脚步和发达国家相比较为落后，且征信体系始终都不够完善，统计数据也不具有权威性，有显著的监管漏洞，极易出现利用漏洞实施违法行为的现象。但自从大数据技术快速发展之后，传统信贷模式存在的不足得以有效弥补，尤其是缺少数据群体、单一的征信数据获取渠道等问题，通过大数据技术，可以从多种方面对数据进行有效地收集，并对数据进行精准地分析，实现海量数据的共同处理，可大大提升评估的准确性以及评估结果的有效性，使得传统征信存在的缺陷得以有效弥补。总体来说，市场需求、技术革新和发展，促进了大数据征信的快速发展。而且个人、企业的各种活动都会随之被记录下来，在对信息记录的同时，也有利于约束个人、企业的行为，有利用信用社会的发展。（2）大科技公司主导形成平台生态优势。不同于传统银行的被动触达（用户提出贷款申请），大科技公司的生态系统链接客户的边际成本很低，客户覆盖面广，触达一般都是借助电商、社交、支付等服务去主动触达客户，所以在生态平台的作用下发挥了更加综合的服务。比如蚂蚁集团目前在支付、理财、借贷、保险服务上均有布局和加强，分别贡献收入36%、16%、39%、8%，其中的借贷收入也占据了最大份额。通过数字生态平台的数据共享能够将信用积累做在贷款申请之前，降低用户首次获得信贷的门槛。（3）数字信贷的监管由松向紧、由易到难。由于信息不对称、风险管理不审慎、金融消费者保护不充分、资金用途监测不到位等问题，一些数字信贷各方都容易出现道德风险和逆向选择问题，借款人也可能因为不能及时还款，致使网络借贷公司出现资金周转不开，最终跑路或停业。银保监会在2020出台《商业银行互联网贷款管理暂行办法（征求意见稿）》，提出了有关互联网贷款额度、使用范围、风险体系管理等的详细要求。在调研不断深入的同时，监管部门对助贷模式的认知也越来越清晰，助贷模式涵盖较大业务范围，涉及诸多机构、模式相对复杂，因而针对其制定规范性文件所需的时间较多，而耗费的精力也不小。1.1.3数字信贷业务监管问题在数字信贷业务领域的行为监管方面，当前主要存在以下几个方面的问题亟待解决，以保护消费者权益：（1）信用过度扩张，易产生客户资金流动性风险。研究发现数字化消费信贷对于20-34岁群体的消费促进作用更明显，这部分年轻人通常是流动性较为紧张、金融服务供给较少的群体。数字信贷虽然能通过网络给这些群体提供了融资服务的便利，在一定程度上拉动了消费，但由于其覆盖面广、数额大，对信用扩张的影响也不容小觑。特别是由于传统的监管机构还无法准确监测掌握数字金融所吸纳的流动性情况，更让信用贷没有节制地过分扩张。对于年轻群体来说，一定的信贷约束可引导他们形成合理的消费观和理财观，目前例如“首付贷”“校园贷”产品、以及个人信用贷款中的“拆东墙补西墙”的做法都导致了信用贷款倍数级的增长，这对于年轻客户群体的资金流动性来说蕴藏着巨大的风险。（2）信用信息收集范围需进一步细分明确。在数字信贷以及征信过程中，明确信用信息的范围，目前对信用信息的界定主要是指为金融经济活动提供服务，用于判断个人和企业信用状况的各类信息。它简单囊括了描述个人和企业信用状况的全部信息，以及在此基础上形成的分析、评价类信息。但模糊而广泛的信用信息种类维度，却与“征信机构采集信用信息，应当遵循最少、必要的原则，不得过度采集”的要求存在矛盾，而且互联网时代的债务、支付、交通、通讯、消费等信息从类型上看彼此还存在交叉关系。需要在定义和范围的基础上，对信用信息加以分类监管，也特别需要防范“泛化信用”。（3）数字信贷的数据和资金安全保障有限。数据征信的发展依旧面临着数据安全、监管力度、技术方面的问题，导致了客户数据和资金的安全保障不足，而且行业各种违约问题频发。大数据征信在使用之中，需要获取海量的数据信息，这些信息之中包含了用户、企业的大量关键信息，如果某个环节出现问题，将会使得用户、企业的信息随之泄露，进而对用户、企业带来隐私、财产安全方面的问题。此外，在因为大数据行业依旧处于发展之中，法律对于数据收集、存储、责任等方面还未有明确的规范，随着数字信贷的快速发展，大数据征信的出现使得监管对象进一步的扩大。对于海量数据，采取现场检查的方式确实缺乏着力点，且非现场监管时效性相对较差，由此导致数据面临较大的安全问题。在大数据不断发展的同时，尽管有很多传统遗留问题得以解决，但硬件、存储能力等方面仍然有技术问题存在，要储存海量数量必须要有先进的技术手段，仅依靠存储设备的增加是远远不够的，若要保障存储效率，就必须引入先进技术。大数据征信有着广泛的数据来源，因而获取的数据当中有诸多数据都是虚假的，也需要通过相应的开发对数据集合进行有效的清晰、整合。1.2基于CoVaR模型的数字信贷业务风险度量研究金融监管问题的逻辑起点是研究金融业务和市场的风险问题，因此，本节将首先借助CoVaR模型研究和度量数字信贷业务的风险，为后文对行业监管的研究提供基础。1.2.1数字信贷业务的出险条件分析李苍舒等（2019）在研究中总结了数字信贷业务的3种模式[165]，分别是诚信经营的信息中介模式、诚信经营的信贷资金中转模式和庞氏骗局模式，其中前两种模式的经营出发点是合法合规经营，后一种模式是违法违规诈骗，无论其经营的出发点合法与否，对其风险的分析、度量及监管都是必要且紧迫的。在识别和度量数字信贷业务的风险之前，先对三种模式的出险条件进行简要分析。分析之前做基本的假设：市场上有个数字信贷平台，个投资人，个借款人。在时间，第个投资人通过第个数字信贷平台借出的金额为，第个借款人通过第个数字信贷平台贷款的金额为。与之相对应的，在时间，第个数字信贷平台的总借出额为，总借款金额为。此外，数字信贷平台的运营成本为，收取的服务费为。以下分析每一种模式出险的情形和条件：（1）诚信经营的信息中介模式诚信经营的信息中介模式是数字信贷业务产生和发展的初衷，也就是数字信贷平台只充当信息中介的角色，通过大数据收集和运算，对信贷双方（借款人和金融机构）进行匹配和撮合。在这种模式下，数字信贷平台在任意时间的投资金额都等于金融机构的借款总额，也就是。在纯信息中介模式下，数字信贷平台的净利润就是收取的服务费减去运营成本，即，如果，则数字信贷平台会出险。也就是出险的条件是：（4-1）（2）诚信经营的信贷资金中转模式诚信经营的信贷资金中转模式，李苍舒等（2019）将其称之为诚信经营的影子信用中介模式，具体指的是数字信贷平台并不担任信息中介的角色，而是担任资金中介的角色，数字信贷平台从投资人处以较低的利息融得资金，以较高的利息向贷款人借出资金。此时，为了应对风险，数字信贷平台通常会学习银行的风险准备金模式，记风险准备金为。在此种模式下，数字信贷平台出险的情况是在时刻收回的总资产不足以支付平台应付的本息总额加成本，也就是出险的条件是：（4-2）（3）庞氏骗局模式在庞氏骗局的模式下，数字信贷平台的经营目的是借新还旧、不断滚动，其基本模式是在时刻获得的资金额，同时承诺给投资人的本息总和为；与此同时，数字信贷平台向投资人收取的服务费。那么，该模式出险或者说庞氏骗局崩溃的条件是下一期的收入无法覆盖当期应付的本息和，也就是出险的条件是：（4-3）1.2.2数字信贷业务的风险因素在传统金融领域研究和实践当中，传统金融机构的风险指标主要聚焦于银行规模、资本充足率、资金流、所有制结构等方面。在数字信贷业务当中，当前大部分的数字信贷机构是按照上述1.2.1节所述的第2种模式——“诚信经营的信贷资金中转模式”而开展业务，因此，数字信贷业务的风险识别研究可以借助于传统金融机构的研究思路和视野而展开。按照这一思路，数字信贷平台的风险来源和风险因素识别简要分析如下：（1）数字信贷平台的规模与传统金融机构相似的是，数字信贷平台的资金规模是影响乃至决定平台是否发生风险的重要因素。数字信贷平台的资产规模越大，则抵御不良资产等造成的风险的能力则越强。当前反映数字信贷平台规模的指标有注册资本、交易规模（如全年交易额）、存量规模（如年底存续规模）等。（2）数字信贷平台的所有制结构——股东来源在P2P行业基本出清的情况下，当前的数字信贷平台公司主要是提供线上借贷服务的消费金融公司和金融科技公司。其中，消费金融公司的主要发起股东是银行，如中邮消费金融公司的发起人是中国邮政储蓄银行等，其股东结构简单，且拥有长期的金融业务经验，业务稳健，应对风险能力强；还有一部分新兴的互联网公司拿到了消费金融公司的牌照，如蚂蚁金服、美团金融等，这类企业的业务触角深，但业务开展一般较为激进，且对金融行业的理解和金融业务的经验相对较少，应对风险的能力相对弱一些；金融科技公司的股东来源则更为多样，发起股东大多是互联网公司，它们拥有较强的信息和科技实力，但同样地对金融行业的理解和金融业务的经验相对较少，应对风险的能力相对弱一些。除此之外，数字信贷平台的资本充足率、资金流等也是影响数字信贷平台风险状况的重要因素。1.2.3数字信贷业务风险测度的CoVaR模型构建度量数字信贷业务风险有两种思路，一种思路是度量数字信贷业务的绝对风险，另一种思路则是评估数字信贷风险与系统性风险的关联关系。本文将采用第二种思路展开数字信贷业务风险的测度。其中，对系统性风险的定义，采用Benoit等（2017）的定义：当风险事件发生时，市场参与主体同时出现较为严重的损失，并且该损失向整个系统扩散[166]。国内外已有部分学者从系统性全局的角度研究和度量金融业风险，如王勋（2020）、姜宇（2021）等[167-174]。他们的研究触角包括了系统性风险指标、金融巨灾风险指标体系、系统性风险度量、传染、扩散、系统性预期损失值、条件在险价值等。本文在参考借鉴以上研究文献的基础上，使用CoVaR模型度量我国数字信贷市场的风险状况，具体如下。（1）数字信贷业务风险的VaR模型VaR的全称是ValueatRisk，即在险价值，VaR方法最早由Jorion（1996）提出，用既定概率下某金融活动或金融市场在一定时间内可能遭受的最大损失来衡量该金融业务活动或金融市场的风险情况。当前VaR方法已经广泛应用到了商业银行等金融市场和金融体系的风险测度与防范当中。在数字信贷平台当中，借鉴这一思路和方法也可以计算数字信贷市场的风险状况，用来描述数字信贷平台在的概率下投资额的最大可能损失，记为：（4-4）可以通过历史模拟法、MonteCarlo模拟法等方法计算值，本文采用最常用的历史模拟法进行评估，也就是基于过去的风险数据展开模拟研究。利用历史模拟法计算值的关键在于在险价值的历史分布情况，以此为基础，计算数字信贷市场在过去每一期（如一年）的风险情况，进而对未来的风险情况进行预估。在数字信贷业务中，数字信贷平台是否能足额偿付本息是风险关注的核心点。（2）数字信贷业务风险的CoVaR模型上述VaR模型在测度数字信贷市场风险时存在一个基本的假设，即数字信贷平台之间是完全独立的，然而在中国的国情下，这一假设并不成立，数字信贷平台之间不可避免地存在关联，如受到共同的监管政策影响等。例如2020年10月份以来银监会、中国人民银行、国家工商总局等接连对蚂蚁金服这一数字信贷平台公司进行审查和规范管理，由此所带来的影响就并非只影响到了蚂蚁金服这一家平台，整个数字信贷行业中的所有信贷平台都受到了影响。因此，数字信贷平台之间的相互关联应纳入模型的考虑。基于此，本文采用CoVaR模型（ConditionalValueatRisk，条件在险价值模型）来度量不同类型的数字信贷平台所存在的风险溢出。CoVaR模型可以度量某一数字信贷平台在发生风险时，其他的数字信贷平台可能由此导致的潜在损失。在数字信贷业务中，主要考虑不同类型或不同规模的数字信贷平台彼此造成的影响。用表示当发生条件风险事件（第家数字信贷平台出险）时，其他一种类型的数字信贷平台以该风险事件为条件的在险价值值，表示为：（4-5）从上式可以看出，值既代表了数字信贷平台的在险价值，又体现了数字信贷平台对的影响溢出，代表了条件概率分布的中位数。据此可以计算得到数字信贷平台对的风险贡献度，计算如下：（4-6）其中，表示数字信贷平台出险时平台的在险价值，表示当是处在一种中值的状态时平台的在险价值。用二者的差值来反映数字信贷平台对的风险溢出影响程度。这种风险溢出效应还可以扩大到数字信贷平台对整个系统的风险外溢作用。对于值的计算，通常采用的方法是中GARCH法和分位数回归法[175]。其中分位数回归法对假设误差没有特殊的要求和假设，适合解决极值问题，而我国的数字信贷市场兴起的时间并不长，市场和政策均不稳定，极端事件时有发生，因此适合采用分位数回归法进行计算。本文关注的是某一个或某一类数字信贷平台发生风险事件后对整个数字信贷行业的影响，用在险价值来反映。依据VaR的定义，当数字信贷平台发生概率为的风险事件时，整个数字信贷行业的在险价值可以通过如下的分位数回归来估计得到：（4-7）其中，、为待估计的系数。在这样的研究方法和框架下，可以计算得到整个数字信贷市场的值如下：（4-8）由此可以得到数字信贷平台对整个数字信贷市场的风险溢出价值：（4-9）以上建立了数字信贷平台出险对整个数字信贷行业影响的风险度量模型。与之相似的，可以建立模型反映整个数字信贷行业的风险事件对单一数字信贷平台影响的风险度量模型，二者的思路是完全一致的，故本文不再赘述。1.2.4实证研究在构建了上述风险度量的模型的基础上，本节内容在设定q=0.05也就是在5%的出险概率下，以国内的主要数字信贷平台公司为对象，利用Matlab软件，分别度量不同数字信贷平台的在险价值、平台对行业的风险外溢价值和行业对平台的风险外溢价值。值得注意的是，本文中的数字信贷平台公司是指提供线上借贷服务的消费金融公司和金融科技公司，如蚂蚁金服、小米金融等。而并非P2P公司，近年来在严格的金融监管政策下，以庞氏骗局为主要手段的P2P公司已经基本出清。本文按照注册资本量将数字信贷平台划分为大规模、中规模和小规模三种类型，划分标准为：注册资本大于等于20亿元的，为大规模数字信贷平台，如平安消费金融公司；注册资本小于5亿元的，为小规模数字信贷平台，如小花金服；注册资本介于5亿元到20亿元的，为中规模数字信贷平台，如小米金融。在5%的出险概率下，计算得到不同规模的数字信贷平台的在险价值、数字信贷平台对数字信贷行业的风险外溢价值、数字信贷行业对数字信贷平台的风险外溢价值分别如下表4-1和下图4-1所示：表4-1不同规模的数字信贷平台与行业间（单位：亿元）平台平台对行业行业对平台大规模41.4250.3338.1941.5139.06中规模8.2510.096.883.371.56小规模2.071.821.950.810.38以图形的形式展示上表的结果，则如下图4-1所示：图4-1不同规模的数字信贷平台与行业间（单位：亿元）上表4-1和图4-1的结果表明：1）在5%的出险概率下，大规模的数值信贷平台的总体在险价值为41.42亿元，中等规模的数值信贷平台的总体在险价值为8.25亿元，小规模的数值信贷平台的总体在险价值为2.07亿元；2）当大规模的平台发生风险事件时，整个数字信贷行业的总体在险价值为50.33亿元，其中38.19亿元是由大规模数字信贷平台公司的风险事件贡献的；3）当中等规模的平台发生风险事件时，整个数字信贷行业的总体在险价值为10.09亿元，其中6.88亿元是由中规模数字信贷平台公司的风险事件贡献的；4）当小规模的平台发生风险事件时，整个数字信贷行业的总体在险价值为1.82亿元，其中1.95亿元是由小规模数字信贷平台公司的风险事件贡献的；5）当数字信贷行业发生风险事件时，带给大规模数字信贷平台的在险价值为41.51亿元；带给中规模数字信贷平台的在险价值为3.37亿元；带给小规模数字信贷平台的在险价值为0.81亿元。当然，不同概率下的在险价值是不同的，可以根据市场状况，仿真不同概率下的在险价值。由上述对数字信贷业务的风险度量研究可以看出，数字信贷市场的风险规模较大，要降低数字信贷业务和市场的风险水平，必须依赖于对该行业和所有平台的监管，因此，数字信贷业务的监管提升迫在眉睫，1.3数字信贷业务监管的演化博弈模型构建前述1.2节研究表明，数字信贷平台的每日资金净流入状况等监管指标是预测平台是否会出险的重要指标。数字经济时代金融业务活动发生频率高以及互联网和移动互联网传播速度快的特征，都要求增强金融监管信息的实时性、准确性和可追溯性，为及时有效识别金融风险提供支撑。本节内容以演化博弈模型为工具，对数字信贷业务的监管政策和效果展开研究。1.3.1模型假设该博弈模型满足以下假设条件：（1）博弈中存在三个参与者：监管部门、数字信贷机构和金融消费者。（2）博弈过程中各经济行为主体掌握的信息是不对称的。模型满足有限理性假设，在信息不完全对称的环境下，每个参与者的目标仍然是实现效用最大化。（3）只要监管部门进行严格监管，就必然发现数字信贷机构的不合规行为。（4）演化博弈模型中各参与方一开始并不能找到最优行为决策和最优均衡点，而是在博弈过程中通过观察对方的策略进而不断地学习、调整自己的策略，以试错的方式达到动态均衡。1.3.2博弈分析在数字信贷消费问题中，演化博弈模型存在三个参与者：数字信贷机构、金融消费者和监管部门。对其分别金融分析如下：（1）对于监管部门而言，其可选的策略空间是强有力的监管与宽松的监管，简记为强监管与弱监管，记其概率分别为和。、分别表示监管部门采取弱监管和强监管时的监管成本，可知。用表示金融创新发展对社会的效益，用表示监管及时发现并制止侵害消费者权益所带来的收益，用表示数字金融机构违规创新产生风险对社会的损害。（2）对于数字信贷机构而言，而可选的策略空间为违规经营与合规经营，记其概率分别为和。用表示数字信贷机构的收益，可以合理假定同等条件下违规创新能获得比合规创新更高的收益；消费者使用的越多，其收益也就越高，因此可得。用表示在强监管环境下数字信贷机构不合规创新时被处罚所遭受的损失。（3）对于金融消费者而言，其可选的策略为多使用或少使用数字信贷机构，记其概率分别为和。用表示金融消费者使用数字信贷机构所获得的价值。在一个一般市场环境下，可以合理假定数字金融机构不合规创新的产品通常能产生更高的显性收益，否则消费者不会使用；使用的多肯定比使用少能获得更多价值，因此可得。用表示在数字信贷机构不合规创新时，消费者所遭受的损失，这个损失可以是经济上的损失，也可能是个人信息泄露这类非经济损失。在数字信贷机构违规创新时，消费者用的越多则可能的损失也越大；同时整体的监管环境越松，则消费者面临的损失越大，因此。总结以上的变量参数符号，如下表4-2所示：表4-2参数符号与解释参数符号参数解释监管部门采取弱监管时的监管成本监管部门采取强监管时的监管成本数字信贷机构进行金融创新对社会的效益贡献对自身收益的倍数监管及时发现并制止侵害消费者权益所带来的收益相对于罚金的倍数数字金融机构违规创新产生风险对社会的损害，由监管部门承担消费者少用数字信贷、监管部门采取强监管时，数字金融机构违规创新产生风险对社会的损害消费者多用数字信贷、监管部门采取强监管时，数字金融机构违规创新产生风险对社会的损害消费者少用数字信贷、监管部门采取弱监管时，数字金融机构违规创新产生风险对社会的损害消费者多用数字信贷、监管部门采取弱监管时，数字金融机构违规创新产生风险对社会的损害数字信贷机构的收益消费者少用数字信贷、数字信贷机构合规经营时数字信贷机构的收益消费者少用数字信贷、数字信贷机构违规经营时数字信贷机构的收益消费者多用数字信贷、数字信贷机构合规经营时数字信贷机构的收益消费者多用数字信贷、数字信贷机构违规经营时数字信贷机构的收益强监管环境下数字信贷机构不合规创新时被处罚所遭受的损失金融消费者使用数字信贷机构所获得的价值消费者少用数字信贷、数字信贷机构合规经营时金融消费者获得的价值消费者少用数字信贷、数字信贷机构违规经营时金融消费者获得的价值消费者多用数字信贷、数字信贷机构合规经营时金融消费者获得的价值消费者多用数字信贷、数字信贷机构违规经营时金融消费者获得的价值数字信贷机构不合规创新时，消费者所遭受的损失监管机构强监管、金融消费者少用数字信贷时，消费者所遭受的损失监管机构强监管、金融消费者多用数字信贷时，消费者所遭受的损失监管机构弱监管、金融消费者少用数字信贷时，消费者所遭受的损失监管机构弱监管、金融消费者多用数字信贷时，消费者所遭受的损失1.3.3模型构建根据以上的分析，可以得到不同策略下监管部门、数字信贷机构和金融消费者的每一方所获得的损益，进而可以得到在数字信贷监管中三方演化博弈的支付矩阵为下表4-3。表4-3数字信贷演化博弈的支付矩阵策略组合监管部门数字信贷机构金融消费者强监管，合规，多用强监管，合规，少用强监管，不合规，多用强监管，不合规，少用弱监管，合规，多用弱监管，合规，少用弱监管，不合规，多用弱监管，不合规，少用1.4演化博弈模型的求解与分析1.1.1复制动态方程（1）监管部门种群的复制动态方程监管部门选择强监管时的期望收益为：（4-10）监管部门弱配合时的期望收益为：（4-11）进而得到监管部门的复制动态方程为：（4-12）（2）数字信贷机构的复制动态方程在数字信贷机构的策略选择为合规时的期望收益为（4-13）在数字信贷机构的策略选择为不合规时的期望收益为：（4-14）进而得到企业方种群的复制动态方程为：（4-15）（3）金融消费者的复制动态方程在金融消费者选择多使用数字信贷机构时的期望收益为：（4-16）在金融消费者选择少使用数字信贷机构时的期望收益为：（4-17）进而得到金融消费者的复制动态方程为：（4-18）1.1.2均衡解及其稳定性分析由，，可知，演化博弈动态过程的纯策略纳什均衡点为、、、、、、、。通过一个系统的Jacobian行列式的局部稳定性可分析得出系统均衡点的稳定性，同时该系统是由复制动态方程描述的一个群体动态。因此，Jacobian矩阵可以根据上述三个复制动态方程同时对求导得到：纯策略纳什均衡点的Jacobian矩阵为：（4-19）上述矩阵的特征多项式可以表示为：（4-20）因此均衡点的3个特征值分别为、、。根据上述Jacobian矩阵局部稳定性，对演化博弈系统的局部稳定性平衡点分析，得到各点的稳定性如下表4-4：表4-4均衡点及其稳定性均衡点特征值稳定性不稳定点ESS不稳定点不稳定点不稳定点不稳定点ESS不稳定点因此，数字信贷监管三方博弈系统的演化稳定策略为，。基于此，构建如下图4-2的演化博弈动态趋势图：图4-2演化博弈动态趋势图1.5演化博弈模型的数值模拟与仿真分析为验证上述构建的演化博弈模型，并进一步分析不同的监管手段对数字信贷消费者权益所带来的效果，深入分析相关变量对演化博弈的实际影响，本文借助MATLAB2016软件对数字信贷的监管演化博弈模型进行数值模拟仿真。按照前述模型的建立和讨论，在进行仿真模拟时，设定参数分别为：；C1=200；C2=300；；N1=200；N2=240；N3=280；N4=320；S1=400；S2=440；S3=480；S4=520；L=700；M1=600；M2=630；M3=660；M4=680；F1=500；F2=520；F3=540；F4=560；进一步分析不同参数取值变化下金融消费者、数字信贷机构、监管机构的策略选择。三方博弈的演化结果及其分析如下：（1）总体结果分析将上述参数输入到Matlab软件中，得到随着博弈不断演化进行三方所选择策略的趋势图，如下图4-3所示：图4-3