浅析我国P2P网络借贷大数据风控体系构建的必要性

    

    [摘 要]网贷为中小企业提供了融资渠道，也为进一步实现普惠金融目标做出了应有的贡献。网贷行业的发展引发了众多风险问题，市场中存在征信体系不完善、市场对接机制不集中、大数据系统缺失以及运用的有效性难保障等问题，加强和完善基于互联网大数据的风控体系十分必要。国外实践证明大数据风控贯穿于网贷的各个环节，大数据风控能有效防范金融风险。为保障网贷行业的可持续发展，应运用大数据思维、搭建大数据征信机构、真实的执行大数据风控和构建数据化风控模型等。

    [关键词]p2p网络借贷;大数据;风控体系;构建

    [中图分类号]F832.4

    [文献标识码]A

    [文章编号]2095-3283（2019）04-0058-05

    Abstract： Chinas P2P lending industry has provided financing channels for small and medium-sized enterprises， and mading contributions to further achieve the goal of inclusive finance. The development of P2P lending industry has caused many risk problems.It is necessary to strengthen and improve the wind control system based on big data on the Internet， because of the problems such as imperfect credit system， uncentralized market interface mechanism， lacking of large data system， and difficulty in ensuring the effectiveness of application.Foreign practice has proved that large data wind control runs through all aspects of online lending， and large data wind control can effectively prevent financial risks. In order to ensure the sustainable development of the P2P lending industry， we should have and use big data thinking， building big data credit agencies， implementing real big data wind control and building data wind control model.

    Keywords： P2P lending; big data; wind control system; construction

    [作者簡介]李姣（1988-），女，湖南衡阳人，讲师，硕士，研究方向：互联网金融。

    [基金项目]广东省哲学社会科学“十三五”规划课题“P2P网络借贷大数据风控体系研究”（项目编号：GD16XGL39）。

    一、我国P2P网络借贷现状分析

    （一）网贷的基本情况

    2006年小额信贷在我国起步发展， 2014年P2P网络借贷新金融在国内快速发展，众多中小微企业和客户群体从网贷获取资金支持业务活动或是开展三农服务，这进一步体现了互联网金融行业的初衷——服务三农。我国网贷行业正式开启于2010年的纯信用无抵押平台拍拍贷，借鉴国外的竞价利率和债券转让等模式发展了O2O模式、第三方担保模式、宜信模式等。截至2019年3月底，全国网贷平台数为6617家，相比2014年增长了259.90%。累计成交量高达8.33万亿元，全年成交量在2016年和2017年快速增长，因当时正常运营平台数较多，且客户群体逐渐攀升。贷款余额从2013年的268亿元增加到了2017年的12245.87亿元，因P2P网贷行业的监管细则和规划化处理，2018年有所下滑降到7889.65亿元。网贷行业客户平均的借款期限为15.48月，可见网贷交易集中于1—2年。网贷行业被客户群体认定为暴利行业，投资理财人群也逐渐上升，其综合收益率在2013年为21.25%。但新行业发展面临产业结构升级、行业调整、政府监管等，以致收益率逐渐下降。近几年一直维持在9%—10%的合理区间，不再是原有的20%左右的暴力行业。

    2019年网贷市场中正常运营平台为1023家，占比为1546%。全国网贷平台主要的类型是民营，占比7674%。但大多企业的目的不是为了实现真正的普惠金融，而是为自筹资金谋出路或是构建资金池等。全国6000多家平台中累计停业转型的2877家，问题平台2717家。停业及问题平台逐年上升，2019年更是达到了84.54%。网贷行业需要在政府政策、行业自律、平台自检和投融资人群理性投融资下保持生态化可持续发展。

    （二）网贷风控的基本情况

    网贷行业的发展出现了市场资金混乱、套路贷、裸贷和现金贷等问题后，政府出台了一些系列措施规范市场发展。如2016年互联网金融行业协会成立，为网贷行业搭建了一个共享平台机制以保证信息和自律规范共享。2017年银监会针对第三方支付资金存管业务出局了存管业务指引，明确了商业银行的具体职责。且针对信息不对称问题要求各业务机构定期公布相关信息作为政府、平台和投资者的消息来源。2018年全国全方位开展扫黑除恶行动，互联网金融协会提供了自查自纠清单，要求各协会和平台积极配合自检，且开展有效的非现场检查工作。网贷行业的风控主要分为两类：一是传统风控机制，风控团队对客户基本情况进行线下和线上资料审核。这类风控人工成本很高，且易出现客户资料造假情况，从而出现了大量的借款人跑路或是逾期还款等现象。二是线上数据风控，这是当前众多网贷平台所推广的方式。部分平台借用自身的数据优势构建模型或是体系，数据信息比较完整且真实，用客户的行为数据衡量客户的信用等级，从而判断其融资资金额度，如蚂蚁借呗等。大多平台借用有资质的第三方平台的大数据对客户进行信用等级衡定。总体而言，我国网贷行业因征信体系不完善造成很多群体征信空白或是信息不全，部分平台未对接央行征信体系，或是客户在央行征信体系中没有数据。这些问题造成风控难以把握，风险较大。

    二、國外大数据风控在P2P网贷平台中的运用

    依据数据的发展做大数据风控，建立数据核心、数据价值、关注效率以及可预测分析的风险防控体系是网贷行业的必然选择。大数据可覆盖网贷行业的各个流程，建立“贷前、贷中和贷后”全方位、全流程的风险防控体系。如图1所示，包含贷前的客户获取与身份验证，构建关联度分析模型从而确定信用等级。贷中的交易反欺诈和贷后的跟踪管理与智能催收，做到最大化的大数据风控。

    （一） 贷前信息审核与授信

    贷前的客户群体获取是网贷公司的第一步，通常平台会采用一些智能营销和客服的方式吸引客户，国外一般以机构投资者为主。如德国的Kreditech贷款评分公司、香港Lenddo网络贷款公司以及Connect.Me、TrustCloud等机构联合，facebook社交平台的网站活动记录设计构造大数据信用平台，分析客户的信用。欧洲因前期宽松的监管制度以致其80多家的信用评级机构中近50%左右由美国的三个征信机构控股。美国的网贷行业根据传统的FICO和大数据技术，Zest Finance公司构建出客户对应的征信分，对客户信息进行交叉验证以此确保数据有效。美国网贷行业基本采用三大征信局的数据和第三方服务商，但不局限于担保行业，以此确保数据和审核的精准度。其中Trans Union（全联）征信机构数据资产包含传统的信用数据、巴西最大的替代数据库资源、公共记录和自身的专有数据库，定期更新审核以保证数据的鲜活度。全联利用已有的平台技术匹配和整合客户关联人、资产或是相关业务等之间的关系，以此提供贷前的尽职调查、身份验证和信用等级。甚至是开发了新技术可针对贷款组合构建模型，如Credit-Vision 产品可对客户近两年多的数据分析客户风险变化的速度和严重程度等。

    美国Lending Club的决策引擎和常用的评分卡体系将借款人分为25个等级，每个等级确定一个利率和放款服务，再筛选界定借款人等级以确定贷款额和利率，各方面数据预测借款人的违约机率。Zest Finance融入大量的非传统性数据作为信用考量因素，为授信提供决策依据。且用预测模型对数据进行关联度分析，以此整合变量输入模型确定借款人的信用分数。OnDeck公司的数据指标从500个增加到了800个，不同模型对不同的企业风险评估，已提供了60亿美元的贷款。评级后借款人的借贷信息形成标的，投资者对借款人进行相关提问获取验证。或是划分了信用等级的用户可分类市场，企业对其进行精准个性化的营销，综合考核模型评分给予对应的审批以获取授信额度。此外，英国的Wonga平台导入客户的6000—8000个碎片化信息构成信息网络进行风险评估，美国的Capital One建立了大数据还款概率系统预判客户的情况，提高还款率。

    （二）贷中监测

    网贷全周期性管理和事中监控机制能实现时时预警，形成 “监测—识别—评估报告—处置改进”闭环的管理流程。第一，平台的数据挖掘分析准确预测客户的行为，识别与处理潜在风险。如大数据贷款Kabbage公司为小金额大规模的网络卖家提供丰富的贷款资金，其综合贷款平台以大数据为基础为客户组织配置，监测数百万客户，自动审查数以千计的客户数据点，以便持续提供准确的承保和融资信息，做到实现“小微出险，极速洞察”。其次，做到动态监测，提高识别能力与准确率。Kabbage的自动化技术、用户体验和服务，短期内提供额外收入以便扩大规模，以提供满足每个组织独特需求的统包解决方案，最后以数据合作方式进行大数据监测。英国纯线上的Zopa公司则是针对投资人收费，且其出借利率若是低于市场上银行的最佳贷款利率，投资人需额外支付一笔费用给予债权受让人，以做到投资人和借款人兼顾监测。

    （三）贷后逾期与催收管理

    Zopa首创了网贷安全保障基金，由P2PS Limited独立运作，以赔付投资人因借款人逾期超4个月的本息损失。其2017年收入增长了40%，高达4650万英镑，更是融资4400万英镑为数字银行做筹划工作。而Funding Circle用预估坏账率指标来衡量资产质量，外加生命周期违约率衡量坏账。同时与桑坦德银行建立合作关系，为银行提供现金与存款管理服务。Lending Club 和web Bank进行非标资产的证券化，引入Foliofn进行逾期账款催收。集聚风险的英国网贷行业则利用银行领投融资以提高投资人的资金保障。以企业票据为核心业务的MarketInvoice平台获得了多家金融机构合作的2600万英镑B轮投资和巴克莱银行的3000万英镑债务融资。各国政府严格要求网贷平台对平台动态和客户的信息进行及时披露，保障客户的权利。

    三、构建P2P网贷大数据风控体系的必要性

    产业结构、贫富差距等促使网贷行业可持续发展，依靠网贷实现普惠金融拉动经济、缩小贫富差距。网贷行业的监管细则出台，金融风险防范呼声越来越大。P2P网贷平台约束自身运营机制适应市场变化，同时着手大数据风控体系构建势在必行。

    （一）大数据思维是P2P网贷风控体系构建的趋势

    数字化经济带来了场景化、多元化、技术化的金融发展，同时网络诈骗、信息泄露等日益严重。P2P网贷行业属于数据密集型产业，资金池、支付转移等风险频发，大数据思维构建风控体系有效防止资金转移，做到资金动向监控，降低违约风险。大数据推动了市场，也带来了“精准诈骗”。上游机构非法获取信息的倒买倒卖，中游融资企业或是平台各类手段骗贷或是自融，下游企业利用支付漏洞洗钱等，形成了网贷市场的黑色产业链。网贷平台的跑路、倒闭或是非法集资等形势对大数据风控体系构建提出了新的要求。大数据思维将网贷平台原有的功能价值转变成数据价值，将隐蔽、时滞的问题转化为明确预见性。贷前的大数据信息收集与数据的整理，精准定位客户的投资需求与倾向，利用机器学习与预测算法提升风控防控，大数据提高了网贷审批的速度。贷中的授信、客户大数据监控等优化监测流程，贷后的异常客户与还款及时性等降低违约，且可通过大数据平台识别客户的异常行为，作出预警信号。大数据可增加网贷平台的客户群数量，提高了服务质量，挖掘新客户和留住旧客户。如《纸牌屋》电视基于精准的大数据广告投放，精选演员以收益互联网行为客户。且改变了原有的寻求精准度到现今的放贷高效率，从因果关联到相关性研究，确定性到概念性，实现各类数据的完整与容忍，优化贷款全流程的中央式风控。如西太平洋银行借助SAS工具打造数据营销平台重塑客户关系。网贷行业呈现的全样化、容错性和相关性思维，给予了网贷平台的强有力支持，也是网贷行业可持续发展的方向。

    （二）大数据征信是普惠金融发展的基础

    中国的消费信贷规模持续攀升，2015年为19万亿，同比增长23.3%。消费金融市场的变化带动了全国经济的发展。据统计，我国近70%左右的中小微企业和中低收入者未享受或是足够享受金融服务，网贷的发展活化了中小微企业和中低收入者的融资渠道。空白群体的征信体系建设迫在眉睫，市场对征信数据库的覆盖度提出了高要求，小额分散的融资方式推动了大数据技术渗透于风控领域。多维度、动态和种类繁多的数据扩展了征信体系的数据范畴。大数据征信完善了基础设施，数字化技术可满足长尾市场的借贷需求，减低信息不对称成本，大数据征信市场规模在2017年达到了140亿美元。依托互联网可获取客户有用信息，辐射更多的征信人群，大数据应用加速可助推覆盖长尾效应80%的中低收入者，形成大数据核心竞争力。信息技术的更新促进数据处理和挖掘能力的提升，大数据与金融领域的融合扩展了服务边界，场景化服务做到个性化定制，覆盖面极大，呈现了网贷的去中心化、长尾和普惠特点。信通贷的“普惠金融+征信大数据服务”平台项目两年内撮合了107424笔贷款业务，成交人次达3.29万，征信数据累计过百万条。截至2017年，该项目为企业实现了23679.68万元的产值。

    （三）大数据风控是 P2P网贷的必然保障

    大数据的资源可有效帮助P2P平台做到“精准锁定、精准融资、精准投资”，利用以芝麻信用和腾讯征信为代表的互联网个人征信机构和以安融征信和91征信为代表的第三方服务类机构聚焦客户群体的电商交易、QQ和微博社交、网络行为、政府类公共部门等数据，广泛运用于金融、生活、催收等场景。以此搭建平台精准锁定P2P网贷平台的客户群体。如梧桐理财网根据市场调研推出符合中产阶级客户需求的理财产品，主要是较高的收益率（8%—10%）和较低的起点（2万）符合大众的投资倾向。大数据分析技术能做到为平台精准定位和精准营销。利用用户模型监测客户的APP浏览痕迹，开展产品的优化推荐与投放。数据库挖掘已有或是潜在的借款人，做到精准、严谨和高效的借款人审核。如阿里的大量交易支付数据和卖家的销售数据、银行流水、水电缴纳等数据原料，可作为客户的网络行为评分模型资源。再者，通过资源库预测与分析客户群体的投资意向。基于原有的产品服务跟踪客户详尽的数据，提供合适合理的服务，做到精准投资。

    （四）数据化风控模型是网贷风控的核心

    小额分散、风控体系是P2P网贷平台的标配宣传词，小额分散运营模式的特征是借款人与投资人群众多，借款人的还款能力与意愿难以用传统的审核方式确定违约风险与程度，造成网贷偏离了原有的小额贷款初衷。利用数据分析方式建立风控模型和决策引擎可预警客户违约以及流失情况，并时作出相应的对策。且根据客户需求更新创造新产品，提高评级的及时和准确性。宜人贷拥有一套信审数据模型用于客户风险识别与筛选，有助于提高审批决策的自动化程度，降低平台与客户、投资人与借款人之间的信息不对称，以及平台运行的成本和边际成本。目前大多平台都在积极推动数据化风控模型的建设。如神州融大数据风控“微金融信贷管理云服务平台”借贷国外信贷工厂的理念涵盖贷款的审批、账务、催收等多个系统。博金贷的风控管理部分为现场勘查、大数据中心和风控技术，布局金融科技领域研发了博金云风险系统（如图2）。多维度数据如异常还款账户、关系人核查、多重借贷和关联分析等进行身份、信用、负面、还款、行为和社会等挖掘形成报告，通过各类评分风控模型进行评估，其中个人和企业信用数据分别为180多项和300多项。以此完成“数据收集分析——白名单行为——主动营销获客——调查评级——合同签署放款——贷后管理”风控流程。数据化风控模型有助于加强平台与企业和社会的关联度，根据数据报告采集，从而断定风险情况，提高风险评级准确度。

    四、总结

    面对互联网金融行业的发展浪潮，构建网贷的大数据风控体系需要关注以下问题：1. 注重大数据征信体系搭建，网贷平台对接央行或者第三方征信機构，做到尽可能确保客户拥有相应的征信数据，且针对征信、大数据等制定相关法律制度。2.平台大数据使用中注意数据的维度、提取与真实性问题。3.网贷风险管理问题，尤其是客户信用等级和互联网技术问题。针对网贷行业大数据风控体系构建中存在的问题，可从以下方向着手：1.完善制度，推行征信机构许可和大数据技术运用，关注客户信息的衔接与维度。2.共享机制平台建设，数据来源渠道和征信机构多样，为实现客户信息的统一和真实，多家协调与共享。

    [参考文献]

    [1]蔡丰庆，郭春松，陈诣之.大数据思维在金融学研究中的运用[J].经济学动态，2015（3）：104-114.

    [2]巴曙松，候畅等.大数据风控的现状、问题及优化路径[J].金融理论与实践，2016（2）：23-26.

    [3]朱大磊. 大数据风控助力普惠金融[J].中国金融，2017（11）：56-57.

    [4]黎宁.大数据在互联网金融企业风险控制下应用研究[D].广西大学，2018（6）.

    [5]黄硕等.基于大数据下互联网金融的风控研究[J].农村经济与科技，2019（1）：110-111.

    [6]王冬吾.国外P2P网贷大数据风控管理与经验借鉴[J].西南金融，2019（2）：90-96.

    [7]陆登强.立足金融科技，大数据智能风控助力普惠金融[J].中国金融电脑，2018（8）.

    （责任编辑：顾晓滨 梁宏伟）