一 中国主要P2P网络借贷平台金融风险综合及分类评级结果

（一）评级结果及排名

本次评级共选取国内100家具有代表性的P2P网络借贷平台（简称“P2P平台”）作为评级对象。数据长度为2015年1月至2016年6月。其中，评级分数根据2015年数据得出，评级展望根据2016年数据对原评级进行调整。综合及分类评级结果如表1和表2。

表1 中国主要P2P网络借贷平台综合评级及展望

表1 中国主要P2P网络借贷平台综合评级及展望-续表1

表1 中国主要P2P网络借贷平台综合评级及展望-续表2

表1 中国主要P2P网络借贷平台综合评级及展望-续表3

表2 中国主要P2P网络借贷平台分项评级结果

表2 中国主要P2P网络借贷平台分项评级结果-续表1

表2 中国主要P2P网络借贷平台分项评级结果-续表2

表2 中国主要P2P网络借贷平台分项评级结果-续表3

（二）评级结果的统计性说明

利用本研究的评级方法及指标体系对如上所选取的100家P2P网络借贷平台进行风险评级，综合风险评级得分分布见图1。

图1 主要P2P网络借贷平台综合风险得分分布

可以看出，所有P2P网络借贷平台综合风险评级得分基本处于区间（49，83]，分布明显呈左偏状态。其中，得分≥70的P2P平台有15家，我们定义为A级平台；50≤得分＜70的P2P平台有85家，我们定义为B级平台（评级为B级的P2P平台可认为是投资级平台）（见图2）。30≤得分＜50的C级平台和得分＜30的D级平台没有。

图2 P2P平台综合风险评级与平台数量对应分布

二 评级方法和过程

（一）数据来源和处理说明

本次评级分析所涉及的平台数据和信息，既包括P2P网络借贷平台经营数据和信息，又包括需要反映企业竞争以及诚信文化等基础性数据和指标；既有定量性的数据，又包括定性的指标。在数据采取方面，整个评价体系原始数据主要来自以下三个方面。

其一，主要平台客观指标数据由网贷天眼提供，部分数据由平台自身提供。同时，参考网贷之家发布的相关数据。如果平台自身提供的数据与第三方机构数据不一致，以第三方机构数据为准。

其二，我们对北京、深圳、浙江、山东等地的具有代表性平台进行了实地的考察和分析，获得了大量的第一手资料和数据。其中，进入本评价范围的玖富、网信等平台数据就是直接通过现场调研获得的。调查问卷的设计、调查对象的选择、样本的选取、数据的收集和处理都力求客观真实，同时，我们援用了一切可以辅证问卷结果的客观替代性指标、先前相关研究所获取的一些数据指标，对最终处理结果进行合理的修正和补充。

其三，本团队及国内一些信息咨询和研究单位先前所从事的相关研究的一些数据成果。例如，盈灿咨询、网贷之家发布的《2015年度网贷平台发展指数评级报告》；网贷天眼2015年以来发布的月度、季度和年度研究报告；中国网络借贷评价与分析课题组发布和出版的《中国网络借贷平台风险评级与分析（2015～2016）》；《中国网络信贷行业发展报告（2014～2015）》等。

数据长度为2015年1月至2016年6月。其中评级结果是基于2015年全年数据计算得出；评级展望结果是根据2016年上半年数据对基于2015年数据获得的结果对其未来可能的变化做出的预测估计。

在对原始数据和信息尽可能多地采集之后，然后对其进行整理和清洗，使之形成统一的数据格式。由于数据来源不同、统计口径不一致以及记录上的失误等多方面的原因，对原始数据进行整理和清洗是保证数据真实、可靠和有效的核心和关键。

首先，我们在对原始数据质量进行初步分析的基础上，对原始数据进行了统一转换，以便使得同类数据在计量单位、记录形式和统计口径上一致，具有可比性。

其次，对诸如平台合规性、透明度等定性指标统一采用灰色白化函数法进行量化，以减少和降低定性指标量化过程中的随意性。

再次，对于时间序列数据中的异常和缺漏，我们根据不同的数据性质采用等比或等差数列方法进行内插或外推，对于无序数据则直接采用均值替代。

最后，指标数据标准化方法中，我们根据所采集指标的性质（正指标、逆指标或适度性指标）、分布特性（离散度）等差异，采用不同的处理方式，如取标准化、指数化、阈值法以及分段分布打分等，主要目的是尽可能减少原始数据在标准化过程中的信息损失。

本报告主要针对P2P平台风险进行评级，评级结果只反映平台的金融风险状况。本报告在选择评价对象的过程中遵循