P2P网贷的风险监管①
时间：2021-07-01 08:03:53 来源：雅意学习网 本文已影响 人 
摘 要：针对当前逐步建立和完善P2P网络借贷行业监管过程中出现的欺诈风险、操作风险及政策风险，为了完善互联网金融监管体系，可以通过对P2P网络借贷双方不同参与主体之间的博弈分析来研究提高监管系统。本文以国资背景的广西金投互联网金融为例，通过建立互联网金融借、贷、监等多方的非完全信息动态博弈研究分析，为互联网金融监管部门监管政策的制定和P2P平台相关规则的设计提供一定的理论依据和参考。
关键词：P2P网络借贷 互联网金融 非完全信息动态博弈
中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2019）01（b）-059-03
1 引言
1.1 博弈論的概述
博弈论（Game Theory）是研究具有对抗或者竞争行政现象的数学理论和方法。博弈论中有一个重要的概念即博弈行为，是指具有竞争或者对抗的行为。在日常生活中，经常可以看到一些具有对抗或者竞争行政的现象，如打牌、下棋、体育竞技比赛等；在政治方面，国际间谈判、各国政治间较量、各国集团间的角逐等都无不具有对抗性质；在经济活动中，各国之间、各公司企业之间的各种谈判，为争夺市场而进行各种竞争；在如今飞速发展的互联网金融业中，出借方、借款方以及信息中介平台间也是一种博弈竞争的投资过程。
博弈中非常有名的例子——嫌疑犯困境博弈矩阵，也叫博弈的得益矩阵（Payoff Matrix）。警方抓住了两个合伙犯罪的嫌疑犯——嫌疑人A和嫌疑人B。如果他们两人中有一人供认犯罪，就能确认罪名成立。
为了得到真实的口供，警察分别关押这两名嫌疑犯并给他们同样的选择机会：两嫌疑人同时拒不认罪，则他们会被以较轻的妨碍公务罪各判1年徒刑；如果两人中有一人坦白认罪，则坦白者从轻处理，立即释放，另一人将判8年徒刑；如果两人同时认罪，则他们将被各判4年徒刑。在这种情境下，对于任何一个嫌疑人而言，无论对方选择什么策略，他的最优策略都是招供，因而出现了嫌疑人A“不依赖”嫌疑人B的策略来选择最优策略的情况，反过来也一样：嫌疑人B“不依赖”嫌疑人A的策略来选择最优策略。招供就是两个囚徒的严格优策略。用游戏模式来刻画经济管理现象在商业活动中尤为普遍。
近年来随着互联网金融在我国的飞速发展，引起社会各界的关注。在其商业模式的活动中都牵涉到决策问题，如何作出最有决策是互联网金融参与主体得益的关键。因此随之就产生一个问题，即如何找到一种行之有效的理论方法来分析和解决问题从而作出最优决策。
1.2 博弈四要素
博弈模型指的是对博弈问题进行数学方法上的分析而建立的数学模型。其本质上包含四个要素：局中人（Players）、策略集（Strategies）、得益函数（Payoffs）及博弈树。
对于有限博弈，可用博弈树直观第刻画。借助博弈四要素建立P2P平台企业与借款方之间的博弈模型。首先对博弈主体作出以下假设：借款人（borrower）通过互联网金融平台借入（borrow）资金；借款人可分为信用等级高的借款人（good）和信用等级低的借款人或骗款人（bad）；信用等级高的借款人会利用所借来的资金进行合法的生产投资等经营活动，并按时按量还款后仍能获益；信用等级低的借款人会以赖账来骗取不合法收益，但他们也会根据赖账所付出的成本来选择提交申请（apply）或不申请（no apply）来借款。
互联网金融借贷平台企业非常困难获得借款人信用等级和还款能力相关的完全信息，但是能根据新老用户来确定信誉好的借款人和骗款人的概率分布情况；因此，互联网金融借贷平台企业也会根据所提交的材料做出审核（verify）与不审核（no verify）的决策。
互联网金融借贷平台和借款人在决策时都是理性的；其博弈路径为：在第一个决策结处，由自然（nature）给借款人按照一定的概率分配类型；在第二个决策结处，借款人选择提交借款申请（apply）或不提交借款申请（no apply）；若借款人提交借款申请（apply）；互联网金融借贷平台企业在第三个决策结处根据非完全信息动态博弈来形成对借款人类型的判断，并根据此选择审核（verify）与不审核（no verify）。
1.3 博弈涉及概率与数理统计的三个概念
对于各种不同的博弈模型，需要不同的均衡去刻画它，比如完全信息静态博弈中的纳什均衡（Nash equilibrium），又称为非合作博弈均衡；完美信息动态博弈模型中的子博弈精炼纳什均衡，60年代中期由莱恩哈德·泽尔腾（Reingard·Selten）提出。在博弈模型构建的时候，需要给博弈间的主体作出假设，并运用条件概率、事件独立性、先验概率、后验概率以及贝叶斯（Bayes）公式进行计算。
概率论中，研究事件A发生的概率为P（A）；满足另一个事件B发生的条件下事件A发生的概率，记为P（A|B）。设随机试验T的样本空间为Ω，A、B为T的事件。在n次重复试验中，事件B、AB发生的频数分别为μ（B）、μ（AB），其中μ（AB）也是在事件B发生条件下A发生的频数。因此，在B发生的条件下，A发生的频率为：
由此引入条件概率定的定义：随机试验T的样本空间为Ω，A、B为随机试验T的事件，若P（B）≠0，则：
为在事件B发生的条件下A发生的概率。同样由于事件A、B的对称性，若P（A）≠0，则事件A发生条件下事件B发生的概率可定义为：
