互联网金融信用风险分析与大数据征信体系构建

精品文档 2016 全新精品资料 全程指导写作 独家原创 1 / 16 互联网金融信用风险分析与大数据征信体系构建 1 互联网金融中信用风险的表现 互联网金融是以互联网为资源，大数据、云计算为基础，采用新金融模式运作的一种新兴行业。根据国际电信联盟2014 年 11 月 24 日发布的 2014 年测量信息社会报告， 2014年全球网民共 30 亿，占居民总数的 中国作为最大的发展中国家拥有世界 1/5 的网民。根据中国互联网络信息中心发布的第 35 次中国互联网络发展状况统计报告，截至 2014 年 12 月，中国有 网民， 12 手机网民。 用户使用网上支付，网民中使用网上支付的比例为 手机支付用户规模为 ，网民中手机支付的使用比例为 购买过互联网理财产品的网民规模达到 7849 万，在网民中使用率为 谢平和邹传伟将互联网金融定义为以互联网为代表的现代信息科技，特别是移动支付、社交网络、搜索引擎和云计算与金融相结合的，既不同于商业银行间接融资、也不同于资本市场直接融资的第三种金融融资模式。 2014 年谢平、邹传伟和刘海二撰写的互联网金融手册中，互联网金融被定义为一个谱系概念，涵盖因为互联网技术 和互联网精神的影响，从传统银行、证券、保险、交易所等金融中介和市精品文档 2016 全新精品资料 全程指导写作 独家原创 2 / 16 场，到瓦尔拉斯一般均衡对应的无金融中介或市场情形之间的所有金融交易和组织形式。李耀东和李钧则认为，互联网金融并不简单是具有互联网技术的金融，而应该是基于互联网思想的金融，即服务长尾市场、普惠和去中心化的金融。主要特点为服务于长尾市场；具有海量用户；关注个性化需求；重视创新；正视风险；重视用户体验；重视开放性；重视社会化营销。 所谓信用风险即客户未能按期还本付息，或者说债务违约导致的风险。互联网金融中，信用风险主要表现为两种类型：互联网金融 中客户特征导致的信用风险，以及互联网金融平台特征导致的信用风险。 联网金融的用户特征导致的信用风险 一方面，互联网金融服务的客户对象往往是传统银行信用体系未能覆盖的群体，对这些群体的信用风险的度量往往需要更为专业的手段。以 贷平台的鼻祖，成立于 2005年 3 月英国的 例，他们发现存在着“自由组织者”的群体，即自雇、从事项目的或者自由职业的非“全职”就业者，如顾问和企业主等，他们的收入和生活方式很不规律，尽管具有信用能力，却由于不符合传统金融信用要求中稳定精品文档 2016 全新精品资料 全程指导写作 独家原创 3 / 16 收入证明等要求，无法 得到传统金融机构充足的信贷服务。团队估计在英国约 6000 万总人口中有 600 万的“自由组织者”，并且预测在未来的 10 到 15 年，选择这种生活方式的人会越来越多，传统金融机构只重视客户生活和收入的稳定性而忽视了这一趋势。针对这一目标群体提供互联网金融服务， 展迅速，从诞生时只有 300 个用户，几个月内用户量就超过了 25000 人， 2012 年注册用户超过 90 万，2014 年末累计发放贷款超过 7 亿英镑，一举成为英国最大的贷平台之一。 另一方面，国内互联网金融的借贷主体是资金规模小、很难在统金 融机构获得贷款的小微企业以及工薪阶层甚至学生群体等。从银行服务的企业客户来看，银行对公司贷款中 80%左右的贷款投放给大型国有企业和中型企业，贷款额度一般在 500 万以上，小企业贷款和个人消费经营贷款仅占20%左右，额度一般也在 50 万以上，平均 200左右。而互联网金融主要服务小微企业，贷款金额远远不能达到银行的贷款金额标准。以阿里小微信贷为例，截至 2013 年二季度末，阿里小微信贷累计发放贷款超过 1000 亿元，户均贷款仅仅 4 万元。阿里小贷最大的特点是“金额小，期限短，随借随还”。订单贷款作为淘宝、天 猫卖家使用最频繁的信贷产品，要求支付万分之五的日利率。 2012 年，所有客户年精品文档 2016 全新精品资料 全程指导写作 独家原创 4 / 16 均使用 30 次订单贷款，平均每笔贷款周期为 4 天，全年实际融资成本为 6%。阿里小贷单笔贷款的操作成本极低，与银行 2000 元左右的单笔信贷操作成本形成巨大对比。 互联网金融服务的个人客户也同样具有资金规模较小的特征。以蚂蚁金服的个人客户为例，由于蚂蚁金服的大部分个人客户都开设余额宝账户，所以旗下各种产品的用户基本都是余额宝的一个子集。根据天弘基金的年报数据，截至2014 年底余额宝开户数 户，户均账户余额 3， 截止 2014 年 12 月，工商银行开户数 ，招商银行开户数 5600 万，北京银行开户数 1137 万；工商银行、招商银行和北京银行的个人存款总额分别为 71， 元、 10， 元和 1， 元，可以算得户均存款余额分别为 15， 、 19， 和 16， ，银行体系内客户平均存款余额为余额宝客户平均余额的 5倍。这一方面反映了传统银行业依然是个人存款的主要方式，另一方面也反映了互联网金融面对的客户群体总体来说金额较低，风险更大。 联网金融的平台特征导致的信用风险 精品文档 2016 全新精品资料 全程指导写作 独家原创 5 / 16 根据网贷之家的数据，截止 2015 年 5 月底，正常运营的 台有 1946 家，累计问题平台数量 661 家，占全部平台总数的四分之一。 贷行业贷款余额达 元，历史累计成交量已突破 6000 亿元。 从网贷平台的市场份额来看，各网贷平台竞争激烈，彼此差异不大，排名前十的网贷平台贷款余额合计仅占市场总份额的 1/3 左右，这与国外成熟市场形成鲜明对比。以英国 台为例，排名居前的 台的市场份额就占行业份额的 70%左右。美国业基本为 家平台所垄断，合计占有 96%的市场份额。 不仅网贷平台尚处于群雄争霸，一片混战之中。网贷平台良莠不齐，问题平台频频出现。根据网贷之家的数据，截止 2015 年 6 月，已经 320 家网贷平台跑路， 336 家网贷平台出现提现困难， 73 家网贷平台停业，另外 7 家网贷平台由刑侦介入。 除了网贷平台自身恶意欺诈投资者出现信用风险之外，网站自身由于技术问题也会发生信用风险。互联网金融依托计算机、 互联网、各类移动终端、数据库以及各类软件系统而运行，互联网的开放性使得互联网金融高度暴露在系统性精品文档 2016 全新精品资料 全程指导写作 独家原创 6 / 16 故障以及网络黑客、计算机病毒、恶意代码等的攻击之下。利用系统漏洞和平台设计缺陷，黑客可以通过侵入核心信息系统来获取客户信息乃至盗用客户资金；而计算机病毒、恶意代码等的扩散，也可能引发系统性崩溃。传统金融中只会导致局部损失的技术风险在互联网金融中会威力倍增，一旦发生安全事故，极容易引发声誉风险和挤兑等连锁反应，甚至可能由于信任危机和流动性风险，导致风险从互联网金融向传统金融扩散。由于中国互联网金融普遍未能掌握具有自主知识产权的芯片制造和操作系统开发技术，因此对于引进的国外技术是否存在后门、漏洞等情况并不了解，只有通过增强相关软硬件设备的自主研发设计以及制造水平，才有可能解除对国外技术的依赖。通过建立行业内的沟通和协调机制，制定具有国际领先性的行业技术标准，有助于预防选择性技术风险的一再重演；从长远来看，还应积极参与制定国际新型金融技术标准，因为只有拥有制定标准的发言权，才能在未来国际金融业务中掌握主动权。 2 互联网金融信用风险的成因 乏完善的征信体系 由于中国人民银行对股份制商业银行和地 方银行的强精品文档 2016 全新精品资料 全程指导写作 独家原创 7 / 16 势控制， 2004 年成立的中国人民银行征信中心的个人征信数据库建设工作采取自上而下的模式，经过 10 年时间实现了 8亿人口的覆盖，但是截止到 2013 年底，央行银行个人征信系统中有信贷记录的自然人仅为 ，占 人口中的 央行征信数据搜集的信息维度比较少，主要包括个人基本信息，以及所持有的信用卡、银行卡消费、取现、转账等记录等。仅仅依靠这些信息无法全面反映一个人的信用状况，远远未能满足借贷市场的需求，很多没有信用卡或从未跟银行发生借贷关系的人群很难获得信贷服务。而在美国，征信体系的覆盖 率已经达到了 85%。 中国互联网金融行业面临的数据不充分、信息不真实挑战，使得人力采集数据仍然是主要方法之一，国内大多数 人员工以上的 些知名平台员工总数甚至超过了万人。对于用户信用审核的风控偏重于银行卡交易等流水的审核，国内整个 业中信审人员所占比重非常大，使得国内 台的成本控制很困难，线下销售和进行尽职调查的成本要占到整体成本一半以上。预先批准、自动决策、风险定价等定量技术在中国尚属稀缺，由此导致的客户获取成本居高不下。美国信贷业的获客成 本约为 200元，而中国信贷业面临的线下获客成本高达上千美元，这是导致借款人融资成本高、风险质精品文档 2016 全新精品资料 全程指导写作 独家原创 8 / 16 量低的主要原因。 贷高度依赖线下团队进行征信，这一现状存在严重的弊端。 第一，线下征信属于劳动密集型工作，对人力、物力投入需求极高，提高了整体信贷成本，造成不经济性。对于额度较小的信用借款来说，其高昂的征信和审贷成本给借贷双方造成巨大压力，迫使借贷平台更倾向单笔金额高的借款，长此以往， 贷的普惠价值和补充作用将被逐渐损蚀。 第二，线下征信具有较强的主观性，不利于形成标准化的征 信技术。不同平台的征信流程、资料搜集重点不尽相同；即使在同一平台，采用了标准化的线上评估方式，不同信贷员、审贷员的风格、特点也导致信贷报告千差万别。这种差异导致征信标准的割裂，不利于信用资源的互通互享。 第三，线下征信的高成本阻碍了征信数据的共享。由于各个平台花费了大量人力、物力进行线下征信，这些征信数据被视为核心资源乃至核心竞争力，与其他平台、征信组织的共享意愿大大减弱，导致重复征信和征信资源的浪费。 精品文档 2016 全新精品资料 全程指导写作 独家原创 9 / 16 第四，线下征信的高昂边际成本还妨碍了行业的高质量扩张。尽管近几年的国内 贷行业发展迅猛 ，但主要依靠人力、资金等非技术要素的投入增加来支撑，这使得 金密集型行业，体现的是粗放式增长，未能发挥其技术创新优势，常常招致批评。 缺乏社会化征信体系，还导致另一弊端。国内大多数 真实度上会大打折扣，存在很大的漏洞和风险；而国外的做法则多是通过大数据的采集和购买第三方数据等方式获取，能够保证信用资料的客观性和真实性，以及效率。 乏严格的信息披露机制 目前普遍的情况是： 贷平台、专业放贷人账户、信用评估 机构、投资者服务机构、借款人服务机构都属于同一控制人，具有极高关联性。债权的评级方和出售方具有极高关联性，投资人服务机构和借款人服务机构具有极高关联性，负责为资金交易和信息交易提供服务的机构也具有极高关联性。这些具有极高关联性的企业缺乏相互之间信息披露的监督动力，很难保持其公正性、独立性和客观性。在客户筛选、信用评估、贷款发放、资金结算、债权转让、逾期贷精品文档 2016 全新精品资料 全程指导写作 独家原创 10 / 16 款追讨等关键环节的操作都依托关联性极强的机构完成；即使在真实债权信息的前提下，缺乏第三方监督和严格的信息披露，由高关联性引发的种种道德风险，如虚假增信等的可能性普遍存在。 而且，国内 台的出借人和借款人之间信息是不完全透明的。虽然国内众多 台都在强调信息透明、充分披露，但是能够做到这一点的寥寥无几。绝大部分平台出于不同的目的，针对每笔交易的信息披露都十分有限，有些甚至连借款人的基本信息都写得十分模糊。但是国外 台会让所有的借款客户知晓出借人是谁，其经营理念是，平台需要让出借人充分知道借款人情况，信息越清晰、越透明，违约率越低。目前国内 业从来未曾公开过任何形式的资产质量报告，即使有坏账率也都是自己报的，缺乏公信力。在贷后催收部分， 国外更多采取外包催收，运用多种信息科技手段，黑名单共享；而国内主要做法还是雇佣大量催收人员，黑名单也完全不共享。 乏全面的风险控制体系 目前，国内 台普遍采用资金托管和第三方担保作为风险控制的主要措施。所谓资金托管，就是资金流运行在第三方托管公司，不通过 台的银行账户。在实际操作中，贷款人和借款人分别通过第三方支付开通自己的账户，精品文档 2016 全新精品资料 全程指导写作 独家原创 11 / 16 贷款人可以实时了解信贷资金的准确去向；平台也在第三方支付开通商户账号，但仅限于进行资金解冻和退款这两种操作，没有转账与提现操作的权限。如果贷款招标 顺利完成，资金会从贷款人账户进入借款人账户；如果贷款招标失败，资金会被退回贷款人账户。理论上来说，开通了第三方资金托管的平台无法直接接触投资人的资金，可以避免平台因为经营不善挪用交易资金而给交易双方带来风险。正因如此，目前许多 贷平台将第三方资金托管作为标配，将其奉若提升信誉的“法宝”，投资者对此也颇为认可。据网贷平台账户最大的资金托管机构汇付天下发布的汇付天下 近八成投资人重视平台是否有第三方托管。 除了第三方托管之外，第三方担保也是 台采取的主要风控措施。在融资 性担保公司暂行管理办法中规定，担保公司的杠杆不得超过 10 倍。但 台的担保公司净资产一般只有百万甚至数十万，而平台上却可能有上千万的贷款余额，这就大大超过 10 倍杠杆的要求。其后果是一旦贷平台出现 10%的坏账风险，在 10 倍杠杆下就超过了担保公司的支付能力， 台就只能破产了。 乏明确的金融监管机制 精品文档 2016 全新精品资料 全程指导写作 独家原创 12 / 16 我国整体法制建设处于逐步完善和健全的过程中，关于互联网金融方面的法律法规更是寥寥无几。除中国人民银行发布的网上银行业务管理暂行办法、银行业监督管理委员会发布了一些管理规定 与操作指引外，商业银行法、中国人民银行法中仅仅针对互联网金融业务进行了少量规定。 2014 年 8 月上海公布了关于促进本市互联网金融产业健康发展的若干意见，成为全国首个省级地方政府促进互联网金融的发展意见。 目前中国的金融监管实行分业监管模式，但在实践中越来越多的金融机构持有多种金融业务的牌照进行混业经营，互联网金融的兴起对于分业监管还是混业监管提出新的挑战。从经营模式来看，网络金融超市属于典型的混业经营模式，金融机构不仅在网站上推出投资储蓄、贷款、证券、保险、基金、外汇、结算、托管、理财等一站 式金融服务，设立网上商城为广大企业和个人提供专业化的电子商务和金融支持服务，并且加强与电子商务平台之间的合作，远远超越了在传统金融运行模式下所能经营的业务品种和模式。相对于传统金融，互联网金融刚刚兴起，既没有明确的法律依据，也缺乏有效的外部监管，平台发起人还往往缺乏金融背景和经验，因此互联网金融的发展将对监管法规、监管能力等方面提出全新的挑战。 精品文档 2016 全新精品资料 全程指导写作 独家原创 13 / 16 络借贷在国外经过将近十年的发展，已经比较成熟，监管法规体系也比较完善。美国将 络借贷纳入民间借贷的范畴，在消费者信用保护法和诚实信贷法等 有关法律的监管下运行。而我国的 络借贷由于还没有规定明确的监管部门， 络借贷大多由缺乏金融监管经验的工商部门负责监管，极大增加了平台发生信用风险的可能性。因而需要及时完善相关法律法规，理清监管职责，加强督管力度，以防止平台信用风险的发生。 3 我国互联网金融大数据征信体系的构建 大数据的介入，正改变着征信行业。大数据征信依托多样化、高频率和高体量的非结构化数据，通过搜集和处理能够反映主题行为习惯的全方位、多维度信息，构建反映其性格特征、身份特质、履约能力等多维度的定量模型，利用各种算 法推断其信用特征，并获得量化信用评估结果。大数据征信使用的数据包括传统的银行业信贷记录、消费记录、身份数据、社交数据、经营数据，以及日常活动和偏好数据、特定场景下的行为特征数据等。大数据不仅为征信业发展提供了广泛的数据信息来源，同时也改变了征信产品的生产流程，成为了我国征信业发展的重要助力。 精品文档 2016 全新精品资料 全程指导写作 独家原创 14 / 16 目前，可以用来支持互联网征信模型的大数据具有六大来源。 第一是电商大数据，比如阿里巴巴提供的芝麻信用分。阿里旗下的支付宝实名用户超过了 3 亿，日数据处理量在30上，相当于 5000 个国家图书馆的数据总量， 涵盖支付、投资、消费、社交、公益、交通等多种消费场景，芝麻信用采用国际上通行的信用评分方法，最低 350 分最高 950分，这与美国 相似，分数越高代表信用程度越好，违约可能性越低。芝麻信用的评分模型主要包括信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度。人们在日常生活中点点滴滴的行为，通过长期积累，这些行为轨迹和细节，可以全面判断其信用状况。 第二是信用卡类大数据，根据信用卡申请年份、授信额度、消费金额、消费次数、消费种类、消费场所、卡片等级、还款记录等作为信用评级的参考数据。代表性企业 是成立于2005 年的“我爱卡”，依据自身积累的数据利用 用评分模型来发放互联网金融小额信贷。 第三是社交网站大数据，代表性企业为腾讯公司，腾讯精品文档 2016 全新精品资料 全程指导写作 独家原创 15 / 16 拥有最多的社交用户，包涵最复杂的人际社交关系，旗下 亿多，微信用户接近 5