馬 瑜

（對外經(jīng)濟貿(mào)易大學(xué)，北京，100029）

一、民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展現(xiàn)狀及必要性分析

（一）民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展現(xiàn)狀分析

隨著民族地區(qū)互聯(lián)網(wǎng)的普及，我國民族地區(qū)互聯(lián)網(wǎng)金融不斷發(fā)展的同時，也面臨著一些問題。以下從我國民族地區(qū)互聯(lián)網(wǎng)金融的需求和供給現(xiàn)狀兩個方面進行了分析闡述。

1.需求現(xiàn)狀分析

我國少數(shù)民族聚居地以貧困山區(qū)為多，經(jīng)濟發(fā)展相對落后，主要以山體經(jīng)濟為主。民族地區(qū)民眾的借貸模式正在從僅僅為了滿足生活的需要，向既滿足生活的需要又要滿足生產(chǎn)的需要的方向轉(zhuǎn)變。根據(jù)調(diào)查顯示，我國民族地區(qū)用于農(nóng)業(yè)生產(chǎn)的資金投入和民族地區(qū)人民的總體資金投入正逐年增加。一方面，雖然受到文化水平的限制，民族地區(qū)的民眾對于互聯(lián)網(wǎng)知識以及各種金融產(chǎn)品的認識較少，但是他們對于生產(chǎn)貸款的需求度較高。再加上民族地區(qū)大多以農(nóng)業(yè)為主，受季節(jié)性的影響較大，因此其貸款也呈現(xiàn)出周期性的特點。另一方面，雖然民族地區(qū)的企業(yè)在經(jīng)營過程中受到自然環(huán)境的影響，存在相對高的風(fēng)險，但是這些企業(yè)的生產(chǎn)和經(jīng)營通常需要較多的資金支持，因此貸款金額也較大。整體看來，互聯(lián)網(wǎng)金融在我國民族地區(qū)的需求度比較高。

2.供給現(xiàn)狀分析

我國少數(shù)民族呈現(xiàn)“大雜居小聚居”的居住特點，居住范圍廣，相對分散。對于國有性質(zhì)的傳統(tǒng)銀行而言，需要較高的運營成本。因此，我國民族地區(qū)國有銀行普遍具有網(wǎng)點少、產(chǎn)品種類少、分布較為分散的特點，不少銀行對于貸款態(tài)度過于謹(jǐn)慎，這顯然不能滿足少數(shù)民族地區(qū)的金融市場需求。從互聯(lián)網(wǎng)金融方面來看，我國民族地區(qū)的發(fā)展程度也遠遠落后于其他較為發(fā)達的地區(qū)。未來，互聯(lián)網(wǎng)金融必將會在我國民族地區(qū)得到更好的發(fā)展，為民族地區(qū)民眾提供更多的支持。

（二）民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展的必要性分析

1.發(fā)展互聯(lián)網(wǎng)金融，是加快我國民族地區(qū)經(jīng)濟發(fā)展的內(nèi)在要求。一方面，大力發(fā)展互聯(lián)網(wǎng)金融，借助眾籌和P2P等方式可以打破時間和空間的限制，將經(jīng)濟較為發(fā)達地區(qū)的社會資源和資金進行合理的調(diào)動，使其在民族地區(qū)的經(jīng)濟發(fā)展中發(fā)揮作用。另一方面，發(fā)展互聯(lián)網(wǎng)金融，利用大數(shù)據(jù)的優(yōu)勢可以改變民族地區(qū)粗放的扶貧模式，運用大數(shù)據(jù)對少數(shù)民族地區(qū)的人群進行科學(xué)的調(diào)查分析，找到貧困的根源，總結(jié)其貧困的特點，從而制訂合理有效的扶貧計劃，幫助民族地區(qū)民眾脫離貧困，促進民族地區(qū)的經(jīng)濟發(fā)展。

2.發(fā)展互聯(lián)網(wǎng)金融，是推動民族地區(qū)實現(xiàn)普惠金融的需要。普惠金融最重要的一個目標(biāo)就是克服金融排斥，讓相對落后地區(qū)的貧困人群與其他地區(qū)一樣享受平等的金融服務(wù)。目前，我國少數(shù)民族地區(qū)的銀行網(wǎng)點個數(shù)遠遠不及其他經(jīng)濟較發(fā)達的地區(qū)，存在嚴(yán)重的地域歧視。發(fā)展互聯(lián)網(wǎng)金融能夠為少數(shù)民族地區(qū)的民眾提供高效便捷的服務(wù)，既減少了他們出門辦業(yè)務(wù)的麻煩，又在一定程度上降低了他們理財?shù)拈T檻，為民族地區(qū)的民眾帶來極大的便利。除此之外，發(fā)展互聯(lián)網(wǎng)金融還可以對民族地區(qū)的企業(yè)進行信用信息的收集和分析，從而建立有效的風(fēng)控機制。

3.發(fā)展互聯(lián)網(wǎng)金融，是民族地區(qū)金融機構(gòu)改革的需要。目前，一方面我國民族地區(qū)的金融機構(gòu)所開發(fā)的金融產(chǎn)品與民族地區(qū)產(chǎn)業(yè)的適應(yīng)性較差，導(dǎo)致民眾的融資需求難以得到滿足。另一方面，現(xiàn)有的風(fēng)險評估模型存在一定的不足，不能對民族地區(qū)的貸款企業(yè)進行精準(zhǔn)的評估。這樣就導(dǎo)致民族地區(qū)的金融機構(gòu)只愿意貸款給資產(chǎn)較為雄厚的企業(yè)，而資產(chǎn)相對薄弱的中小型企業(yè)得到的資金支持較少。發(fā)展互聯(lián)網(wǎng)金融勢必會給傳統(tǒng)金融機構(gòu)帶來一定的壓力，不僅有助于促進民族地區(qū)的金融機構(gòu)進行產(chǎn)品創(chuàng)新，而且有助于促進其改革信貸配給制度下的風(fēng)險評估模型，使農(nóng)村金融排斥問題得到有效的緩解。

二、民族地區(qū)互聯(lián)網(wǎng)金融組合模型的建構(gòu)步驟

面對我國民族地區(qū)特殊的文化環(huán)境，在互聯(lián)網(wǎng)金融發(fā)展的同時，應(yīng)該更加重視風(fēng)險的控制。通過構(gòu)建科學(xué)合理的互聯(lián)網(wǎng)金融組合模型，并將其運用于互聯(lián)網(wǎng)金融產(chǎn)品的開發(fā)和投資等方面，可以有效降低風(fēng)險，實現(xiàn)投資組合的優(yōu)化，獲得更多收益。

（一）用戶數(shù)據(jù)的獲取

進行信用評估，首先要獲得有效的用戶數(shù)據(jù)，模型的規(guī)則很大程度上就是用戶數(shù)據(jù)的規(guī)則。信息的緯度具有廣泛性，既包含用戶的基本信息，又包含用戶的行為、信用、社交以及消費等方面的信息。相應(yīng)的，獲取信息的渠道也很多，除了經(jīng)常使用的用戶提交、爬蟲和信息購買等，還包括接口用戶授權(quán)以及黑白名單等。

（二）用戶數(shù)據(jù)變量的確定

對收集得到的大量用戶數(shù)據(jù)進行篩選，去掉無效的數(shù)據(jù)，對有效的用戶數(shù)據(jù)進行變量計算權(quán)重的分配，從而確定變量和分配權(quán)重。通常，在進行用戶信息收集之前，就應(yīng)該將用戶變量和各自的權(quán)重考慮好，因為需要事先確定好用戶需要填寫的信息，然后才能借助定義規(guī)則來確認這些信息的變量和各自的權(quán)重。這些用戶變量和權(quán)重并不是哪個人可以隨便確定的，他們一般是由企業(yè)的權(quán)威專家或?qū)I(yè)團隊來確認的。

（三）對指標(biāo)分?jǐn)?shù)進行調(diào)整并給出評分

在民族地區(qū)互聯(lián)網(wǎng)金融組合模型建立的后期，需要將收集到的用戶個人信息帶入到模型中進行測試。之前只是針對每個指標(biāo)建立了評分規(guī)則，然而對于市場來說，這些規(guī)則是否真正能夠適用還是未知的。因此，必須要在模型建立的后期，進行規(guī)則的自我測試，通過反復(fù)測試，不斷調(diào)整各指標(biāo)的評分，從而盡可能地保證模型的準(zhǔn)確性。

（四）產(chǎn)品上線，對模型進行驗證

產(chǎn)品上線是對之前所建構(gòu)的模型進行的終極檢測，具有很大的風(fēng)險性，也正因如此，許多金融產(chǎn)品在上線的初期并不會進行大規(guī)模的產(chǎn)品宣傳和運營。這個時期金融產(chǎn)品可能會經(jīng)歷一些攻擊者的進件攻擊，一旦發(fā)生將面臨對產(chǎn)品的下架處理，因此，在產(chǎn)品上線后一段時間內(nèi)，要充分考慮到可能面臨的危機，盡量降低風(fēng)險，比如，可以通過活體檢測過濾掉一些惡意欺詐人群。而對于民族地區(qū)的用戶而言，日常的信用記錄關(guān)系到自身的信用評分，當(dāng)模型工作時，會根據(jù)既定的程序從個人的信用檔案中調(diào)取數(shù)據(jù)進行運算，使用戶信用評分產(chǎn)生高低變化，從而對個人的信貸資格和信貸額度產(chǎn)生影響。

三、基于風(fēng)險控制的民族地區(qū)互聯(lián)網(wǎng)金融組合模型的建構(gòu)

于此本文通過分析網(wǎng)貸平臺用戶的個人信息、行為、消費等，探究與用戶借貸利率之間的關(guān)系，并進行實證分析，從而有助于投資者實現(xiàn)投資組合的優(yōu)化，合理做出投資決策。

（一）模型的設(shè)計和假設(shè)

首先，在對民族地區(qū)網(wǎng)絡(luò)借貸平臺上貸款人的行為特點，以及目前網(wǎng)絡(luò)借貸平臺交易特點研究分析的基礎(chǔ)上，確定從借貸標(biāo)的特點，借貸人的特征，之前的借貸行為，借貸人的信用等四個維度展開分析，并設(shè)計出理論模型。

第二，以借貸人的借貸成本為例列出實證分析的三條假設(shè)：

Q1：借貸的金額越小，借貸成本越低。

Q2：年齡越小的女性，借貸成本越低。

Q3：借貸人信用等級越高，借貸成本越低。

（二）數(shù)據(jù)的獲取和處理

由于無法從網(wǎng)貸平臺的后臺獲取基本數(shù)據(jù)，因此我們使用數(shù)據(jù)挖掘的方法，借助網(wǎng)絡(luò)爬蟲技術(shù)來獲取我們想要的信息。由此，我們不僅可以得到用戶的個人信息，用戶的借入和借出信用得分、還可以獲得詳細的標(biāo)的信息等等。最終經(jīng)過長時間的數(shù)據(jù)記錄和整理，我們共獲得了超過六萬條的信息。在對前期相關(guān)文獻的研究基礎(chǔ)上，依據(jù)所建立的理論模型的特點，結(jié)合網(wǎng)絡(luò)信貸平臺自身的特征，我們確定了將借貸人往期借貸記錄和信用、借貸人信息、借貸標(biāo)等變量作為指標(biāo)，并對其進行數(shù)據(jù)處理和賦值，最后統(tǒng)一進行數(shù)據(jù)的解析，得到了詳細的樣本數(shù)據(jù)。

（三）對數(shù)據(jù)進行統(tǒng)計分析

通過軟件進行數(shù)據(jù)統(tǒng)計和分析后發(fā)現(xiàn)，借貸人數(shù)中男性的人數(shù)明顯多于女性。而對于受教育程度的統(tǒng)計發(fā)現(xiàn)，借貸者中擁有大專學(xué)歷的人數(shù)最多，其次是擁有本科學(xué)歷的人數(shù)，人數(shù)較少的是擁有研究生及以上學(xué)歷的。從這一點可以看出，使用網(wǎng)絡(luò)借貸平臺的用戶文化水平較高，這與民族地區(qū)互聯(lián)網(wǎng)的普及程度密切相關(guān)。從對網(wǎng)貸用戶的年齡統(tǒng)計分析結(jié)果中可以看出，大多數(shù)的用戶年齡處于20-40歲之間，同時，40歲以上的用戶人數(shù)占比較以往數(shù)據(jù)有所提升，這說明民族地區(qū)網(wǎng)貸用戶以年輕人為主，老年人互聯(lián)網(wǎng)普及程度有所提高。

通過對信貸標(biāo)的數(shù)據(jù)進行統(tǒng)計分析發(fā)現(xiàn)，年利率超過20%的信貸標(biāo)較多，信貸金額大多小于一萬元，從一百元到五十萬元不等?？偟膩碚f，網(wǎng)貸平臺的特點是周期短、金額小，以年輕的用戶為主，擁有較高的文化水平和借貸成功率。

為了使統(tǒng)計結(jié)果更加精準(zhǔn)，防止某個單一因素的樣本過多導(dǎo)致的結(jié)果偏差，我們對樣本的多樣性也進行了統(tǒng)計分析。在所有的借貸標(biāo)樣本中，成功標(biāo)的數(shù)目占到了總體的82.3%，符合借貸平臺官方發(fā)布的成功率數(shù)據(jù)。此外，在風(fēng)險收益方面，樣本也符合多樣性的要求，主要集中在中風(fēng)險收益區(qū)，高低風(fēng)險收益區(qū)的標(biāo)分布比較分散。

四、基于風(fēng)險控制的民族地區(qū)互聯(lián)網(wǎng)金融組合模型的實證研究

（一）影響因子指標(biāo)體系

數(shù)據(jù)統(tǒng)計顯示，民族地區(qū)網(wǎng)絡(luò)借貸的借貸標(biāo)年利率比較高，從對成功借貸標(biāo)的數(shù)據(jù)分析可以看出，平均借貸年利率在18%左右，最高年利率能夠達到24%，這遠遠高于傳統(tǒng)銀行的定期年利率。網(wǎng)絡(luò)借貸具有一定的兩面性，不僅給民族地區(qū)用戶帶來極大地便利，同時借貸成本也比較高。通過對借貸人借貸年利率的分析，可以得出借貸人所愿意付出的年利率的基本影響因素。首先，我們對數(shù)據(jù)進行處理，將數(shù)據(jù)按年齡段分為四個部分并分別對其進行從0-3的賦值。通過對于數(shù)據(jù)的統(tǒng)計和分析，排除對結(jié)果干擾性不大的因素，從而獲得較為精準(zhǔn)的借貸利率影響因素指標(biāo)體系，如下表4.1所示：

（二）線性回歸模型和方法

在對借貸標(biāo)的成本進行分析時，考慮到其受到多個因素的作用，變量比較多，因此我們采用的是多元性回歸模型來判定多個變量。其基本公式如公式4.1所示：

X 是解釋變量，γ是影響系數(shù)，σ是常量。

表4.1 借貸成本影響因子指標(biāo)體系

逐個分析變量對結(jié)果的影響程度，從而排除干擾，得到影響程度更大的變量，還要把獲得的結(jié)果帶入方程驗證，剔除干擾因子。最后，重復(fù)將新變量因子帶入方程的步驟，最終得到更加準(zhǔn)確的結(jié)果。

（三）檢測變量因子

繼續(xù)對變量因子進行回歸檢測，對每個因子的各項參數(shù)進行記錄和整理，我們可以獲得多元線性逐步回歸模型摘要。通過對摘要中變量因子和其各項參數(shù)的進一步分析，可以對影響民族地區(qū)網(wǎng)貸年利率的變量因子進行進一步排除，從而獲得關(guān)聯(lián)性更強的幾個變量因子，它們分別是：借貸用戶的年齡、性別、信用等級、借貸成功和失敗次數(shù)，借貸周期，借出分?jǐn)?shù)，購車情況，借貸金額。而后，通過對各解釋變量之間的共線性檢驗，驗證各變量因子的逐步回歸結(jié)果的有效性。

（四）分析結(jié)果驗證假設(shè)

通過對以上數(shù)據(jù)的分析，根據(jù)各解釋變量對民族地區(qū)網(wǎng)貸用戶年利率影響的正負相關(guān)性，主要得到以下兩個方面的結(jié)論。

第一，正相關(guān)的因素。標(biāo)的借貸周期越長，年利率越高。借貸標(biāo)周期越長，投資人所承擔(dān)的風(fēng)險就越大，因此，投資者會進行較高的年利率約定。用戶之前的成功貸款次數(shù)與網(wǎng)貸年利率成正相關(guān)。這點其實不難解釋，成功貸款次數(shù)越多的用戶，再進行下一次貸款時，上期貸款常常處于未還清狀態(tài)。由此，投資者認為貸款次數(shù)多的用戶還款壓力也相對更大，所以，應(yīng)當(dāng)與該借貸人進行較高的年利率約定。

第二，負相關(guān)的因素。借貸用戶的信用等級與借貸年利率成負相關(guān)。信用等級越高的用戶，相對于信用等級低的用戶要付出更大的違約成本，因此更受投資人的青睞，借貸年利率也就比較低。用戶借出信用越高，投資人越愿意對其進行投資，因此借貸年利率就越小。借貸金額與借貸年利率成負相關(guān)，因為較大的借貸金額往往是多個投資人共同投資，年利率越大，借貸用戶的還貸壓力就越大，所以同樣的借貸金額，投資人更傾向于給年利率低的標(biāo)投資。其他與借貸成本成負相關(guān)的因素還有借貸用戶的個人因素以及車輛的購買，比如：越年輕的女性用戶其借貸利率相對更低；已購車的借貸人，通常會被認為具有更大的貸款償還能力，因此其借貸成本也相對較低。

從各解釋變量對民族地區(qū)網(wǎng)貸用戶年利率影響的正負相關(guān)性分析中可以看出，結(jié)論支持最初Q2和Q3的假設(shè)，而不支持Q1假設(shè)。

五、結(jié)語

近年來我國民族地區(qū)的各項貸款總額呈現(xiàn)逐年增長的趨勢，這在一定程度上標(biāo)志著我國民族地區(qū)金融的發(fā)展取得了較大的進步。促進民族地區(qū)互聯(lián)網(wǎng)金融的發(fā)展，鼓勵通過多種渠道提供金融服務(wù)，大力支持少數(shù)民族地區(qū)金融機構(gòu)和互聯(lián)網(wǎng)金融平臺的建設(shè)，這些對于促進我國民族地區(qū)的經(jīng)濟發(fā)展都具有重要意義。在進行民族地區(qū)互聯(lián)網(wǎng)金融產(chǎn)品的設(shè)計開發(fā)，以及進行投資決策時，構(gòu)建科學(xué)有效的互聯(lián)網(wǎng)金融組合模型并進行合理的運用，能夠幫助投資者降低投資風(fēng)險，實現(xiàn)投資組合的優(yōu)化，做出合理的投資決策，從而獲得更多收益。