紀(jì)詩諾

[摘 要]隨著P2P網(wǎng)貸發(fā)展的加快，征信問題成為我國P2P行業(yè)發(fā)展的瓶頸。而大數(shù)據(jù)征信技術(shù)可以突破這一瓶頸。國內(nèi)外都有應(yīng)用成功的案例，如美國金融科技公司ZestFinance利用大數(shù)據(jù)對用戶進(jìn)行信用風(fēng)險評估，挖掘了FICO評分沒有覆蓋的借貸用戶群體;我國阿里集團下的螞蟻小貸依托阿里集團的背景也在互聯(lián)網(wǎng)金融大數(shù)據(jù)征信領(lǐng)域取得了一席之地。通過對國內(nèi)外多家成功應(yīng)用大數(shù)據(jù)征信技術(shù)的P2P網(wǎng)貸平臺進(jìn)行分析，提出基于大數(shù)據(jù)征信技術(shù)的P2P網(wǎng)貸平臺的信用風(fēng)險管理建議。

[關(guān)鍵詞]P2P網(wǎng)絡(luò)借貸;信用風(fēng)險;征信;大數(shù)據(jù)

[中圖分類號] F832.4? ? ? ? ? ? ? ? [文獻(xiàn)標(biāo)識碼] A? ? ? ? ? ? ? ? ?[文章編號] 2095-3283（2020）05-0075-04

Abstract： With the rapid development of P2P network loan， more and more problems are exposed. Many provinces have directly issued the one size fits all policy of banning P2P network loan business， but P2P itself is a financial means for the benefit of the country and the people. Only because of the imperfect credit system， the imperfect laws and regulations， and the lack of corresponding regulations， can various violations occur， so the credit problem has become our country the bottleneck of P2P industry development in China. Big data credit technology can break through this bottleneck problem. There are successful cases at home and abroad. For example， ZestFinance， an American financial technology company， uses big data to assess the credit risk of users and excavates the loan user groups that are not covered by FICO score. Ant loan under Alibaba Group in China relies on the background of Alibaba group and also in the field of Internet financial big data credit A place has been made. Therefore， based on the analysis of several P2P network loan platforms that have successfully applied big data credit technology at home and abroad， this paper puts forward suggestions on credit risk management of P2P network loan platform based on big data credit technology.

Key Word： P2P Network Lending; Credit Risk; Credit Investigation; Big Data

一、引言

P2P（Peer to Peer lending）網(wǎng)絡(luò)借貸平臺，是指借貸方（法人、自然人、其他組織）在運營平臺發(fā)布借貸信息，投資人根據(jù)信息投資的一種商業(yè)模式（Borrower，2012）。P2P網(wǎng)貸平臺的出現(xiàn)，不僅促進(jìn)了我國實體經(jīng)濟的發(fā)展，豐富了投融資手段，在解決我國民生問題上也起到了積極的作用，但其存在的風(fēng)險也日漸凸顯，平臺失聯(lián)、暫停運營、借貸人跑路事件頻頻發(fā)生。截至2019年9月，我國共有6615家P2P網(wǎng)貸平臺，其中轉(zhuǎn)型的網(wǎng)貸平臺3152家，問題平臺2861家，還在正常運營的網(wǎng)貸平臺僅剩602家（網(wǎng)貸天眼）。我國大多數(shù)P2P網(wǎng)貸平臺出現(xiàn)問題、虧損、倒閉的一個重要原因就是忽視了對信用風(fēng)險的管控，從而導(dǎo)致經(jīng)營不善（張巧良，2015）。

康峰（2019）指出可以將我國P2P網(wǎng)貸平臺存在的風(fēng)險劃分為五個方面：市場風(fēng)險、操作與技術(shù)風(fēng)險、信用風(fēng)險、流動性風(fēng)險、法律與監(jiān)管風(fēng)險。目前，信用風(fēng)險在互聯(lián)網(wǎng)金融行業(yè)普遍存在，P2P市場信用風(fēng)險表現(xiàn)為借貸人逾期還款等。我國P2P網(wǎng)貸平臺可以考慮運用大數(shù)據(jù)征信運作方式并且結(jié)合具體情況對信用風(fēng)險進(jìn)行管控，本著“一切數(shù)據(jù)皆信用”的觀點，通過大數(shù)據(jù)技術(shù)，結(jié)合個人在網(wǎng)絡(luò)上的購物、聊天記錄、上網(wǎng)行為等信息，建立網(wǎng)貸平臺征信系統(tǒng)，這對平臺、投資人、貸款人以及監(jiān)管部門都具有十分重要參考意義。

二、P2P網(wǎng)貸信用風(fēng)險研究

（一）國內(nèi)P2P網(wǎng)貸信用風(fēng)險研究

我國學(xué)者對于P2P網(wǎng)貸平臺的風(fēng)險研究主要集中在：相關(guān)法律法規(guī)、監(jiān)管情況、P2P平臺自身風(fēng)險管理、市場風(fēng)險、用戶的信用風(fēng)險、技術(shù)風(fēng)險等領(lǐng)域。研究結(jié)果顯示，信用是借貸成功與否的核心要素，但我國的征信系統(tǒng)還不完善、覆蓋不全面，P2P借貸平臺利用這些數(shù)據(jù)可能會增加平臺的信用風(fēng)險，會使投資人處于信息不對稱的劣勢位置，從而造成財產(chǎn)損失。可以通過大數(shù)據(jù)技術(shù)在事前對借貸人信用進(jìn)行評估，從而減少投資人損失，大數(shù)據(jù)征信會大大降低貸款違約率。我國的P2P網(wǎng)貸市場發(fā)展的空間巨大，可以采用與第三方征信平臺外包方式。政府管理部門，應(yīng)建立健全法律法規(guī)，為互聯(lián)網(wǎng)金融行業(yè)甚至P2P借貸平臺提供保障。

（二）國外P2P網(wǎng)貸信用風(fēng)險研究

國外學(xué)者主要從四個方面研究P2P網(wǎng)貸平臺風(fēng)險：貸款人信息、抵押擔(dān)保、征信體制和風(fēng)險控制。在借貸人信息方面，P2P網(wǎng)貸平臺將借貸人的個人信息透明，從而可以確保投資人和借貸人雙方之間信息的對稱，投資人才能作出正確的選擇。Klafft（2008）利用Logistic分析法進(jìn)行抽樣分析，發(fā)現(xiàn)在抽樣的十七萬件P2P借款事例中：借款人收入、信用記錄以及擔(dān)保借款額都與違約風(fēng)險呈顯著相關(guān)，所以應(yīng)該對借貸人的信用等信息詳細(xì)審核清楚，正如Freedman（2008）認(rèn)為網(wǎng)絡(luò)借貸平臺可以利用征信幫助投資人評估在借貸時的道德風(fēng)險與逆向選擇問題，所以對于P2P網(wǎng)貸平臺來說對信用進(jìn)行監(jiān)管是必不可少的。

三、國外P2P網(wǎng)貸平臺征信系統(tǒng)運行現(xiàn)狀

（一）傳統(tǒng)模式

純信用中介形式的P2P網(wǎng)貸平臺，其運營模式的核心是讓第三方網(wǎng)絡(luò)銀行加入到整個借貸運營環(huán)節(jié)之中。先由貸款人登記個人貸款信息，再與WebBank簽訂借貸信息合同，WebBank將此次借貸的所有權(quán)出售給P2P網(wǎng)貸平臺，平臺作為中介將所有權(quán)票據(jù)再出售給投資人，投資人最后持有，在這個過程中，看似P2P網(wǎng)貸平臺的風(fēng)險被轉(zhuǎn)移到WebBank，其實WebBank也是一家已經(jīng)保有聯(lián)邦存款保險的銀行，將WebBank所承擔(dān)的風(fēng)險又分?jǐn)偟搅吮ｋU公司上，這個模式避免了現(xiàn)金滯留在借貸平臺本身，將資金轉(zhuǎn)移到第三方銀行平臺，轉(zhuǎn)移了P2P網(wǎng)貸平臺因市場風(fēng)險而面對的資金鏈斷裂等風(fēng)險（劉玲，2018）。純中介的網(wǎng)貸平臺主要采用了FICO評分為網(wǎng)貸平臺對用戶信用評估的影響因素，將FICO評分作為主要判斷借貸人可借貸金額、借貸利率等指標(biāo)。FICO是美國當(dāng)下主流的個人信用評分標(biāo)準(zhǔn)，被用來做借貸人是否可以申請借款的有效審核工具，不僅被美國各大銀行采用，還被美國三大征信局所采納接受，美國的各類P2P借貸平臺可以通過向該機構(gòu)提交申請，就可以調(diào)查所有借貸人的各種信用信息。這種評估方式所采用的評估標(biāo)準(zhǔn)相對于大數(shù)據(jù)征信來說所收集的數(shù)據(jù)較少，主要涉及歷史消費記錄、歷史借貸信息、購買物品等。Prosper與LendingClub平臺所應(yīng)用的就是這種征信方式，根據(jù)借貸人的FICO評分采用相應(yīng)的借貸方式，該種征信方式的好處是數(shù)據(jù)獲取方便、覆蓋人群廣泛。

（二）大數(shù)據(jù)模式

ZestFinance網(wǎng)貸平臺是美國最新興的一個平臺，因為FICO評分覆蓋了美國85%以上的客戶，典型的如Prosper與LendingClub，而還有15%處于沒有評分狀態(tài)，這就使這部分人群無法借貸或是不利于借貸，針對這一情況，ZestFinance發(fā)現(xiàn)了商機，利用自主研發(fā)的大數(shù)據(jù)算法，為剩下15%沒有被FICO評分的對象進(jìn)行借貸服務(wù)。平臺創(chuàng)建信用評分模型再利用收集到的數(shù)據(jù)代入，計算出用戶的信用分?jǐn)?shù)進(jìn)行借貸，并且還應(yīng)用機器學(xué)習(xí)預(yù)測未來借貸人借貸數(shù)據(jù)。機器學(xué)習(xí)是指從輸入的數(shù)據(jù)中自主獲取數(shù)據(jù)間相關(guān)規(guī)律，再通過獲取的規(guī)律來預(yù)測未知的數(shù)據(jù)的算法。

ZestFinance網(wǎng)貸平臺挖掘數(shù)據(jù)的深度也強于其他平臺，不僅采用在以往征信體系中常用的決策變量，如FICO的五個基本影響因素，包括未還款金額、付款記錄、新信貸申請、信貸期限、信貸組合等，但彌補FICO評分模型信息獲取單一、不具備時間的同步性的缺點，ZestFinancc還會收集音像、圖片、視頻等非結(jié)構(gòu)化的數(shù)據(jù)信息，如客戶的Facebook等社交網(wǎng)絡(luò)信息、會員信息等，將信息進(jìn)而轉(zhuǎn)向結(jié)構(gòu)化數(shù)據(jù)再進(jìn)行評分。其信息覆蓋也十分廣泛，比如借貸人是否繳納房租，登入時的IP地址，書寫行為習(xí)慣，使用的瀏覽器版本，輸入時用的拼寫習(xí)慣，網(wǎng)絡(luò)交易資料等。并且ZestFinance的信用評估模型，每一季度都會進(jìn)行更新，確保模型的信用評估準(zhǔn)確度。傳統(tǒng)的FICO等其它征信公司的評分?jǐn)?shù)據(jù)模型，僅收入三十至幾百條數(shù)據(jù)項，而ZestFinance會收集幾萬條數(shù)據(jù)項，去評判一個人的真實信用如何，即使是看似毫無關(guān)聯(lián)的數(shù)據(jù)信息，都有可能幫助ZestFinance更有效地評斷個人信用。

大數(shù)據(jù)征信相對比傳統(tǒng)的FICO征信來說具有兩點優(yōu)勢，一是數(shù)據(jù)收集齊備，對沒有FICO評分的用戶進(jìn)行了形象刻畫，避免了市場空白。二是通過機器學(xué)習(xí)，自主研發(fā)數(shù)據(jù)模型，更加有效地審核了借貸人的信用信息，降低了違約率。

（三）國外P2P網(wǎng)貸平臺大數(shù)據(jù)征信的啟示

1.加強平臺數(shù)據(jù)共享

ZestFinance利用大數(shù)據(jù)征信平臺成功的基礎(chǔ)就是美國信息的開放，不僅如此，ZestFinance也與Facebook、Twitter等社交平臺進(jìn)行信息共享而獲得更多數(shù)據(jù)源來進(jìn)行更精準(zhǔn)的信用評分。在美國傳統(tǒng)的FICO評分中，收集了大量民眾信用信息，其中包括銀行卡使用記錄、銀行存取款記錄、水電繳費情況等信息，但ZestFinance還收集了幾十萬類不同的數(shù)據(jù)項目，借此構(gòu)建了較為全面的用戶信用信息系統(tǒng)。

我國的P2P網(wǎng)貸平臺也應(yīng)學(xué)會自行建立征信系統(tǒng)，學(xué)習(xí)數(shù)據(jù)共享技術(shù)，進(jìn)而不斷擴大征信系統(tǒng)中原數(shù)據(jù)來源，建立更加可靠的P2P平臺征信體系，進(jìn)而覆蓋更多的互聯(lián)網(wǎng)金融平臺，覆蓋更全面的客戶群，而不是處于一個“信息孤島”的狀態(tài)。

2.提高數(shù)據(jù)分析能力

ZestFinance平臺的理念是“相信一切數(shù)據(jù)皆信用”，這就是它在P2P網(wǎng)貸平臺征信成功的關(guān)鍵：擁有強大的數(shù)據(jù)分析和處理能力。自2007年我國首家P2P網(wǎng)貸平臺拍拍貸上線以來，我國P2P網(wǎng)貸平臺通過自身的信息庫以及第三方平臺的數(shù)據(jù)庫積累了大量有關(guān)客戶消費、支付、信用等信息數(shù)據(jù)，但我國P2P網(wǎng)貸平臺缺乏數(shù)據(jù)處理與分析的能力，暫時還不能深度挖掘來自這些信息背后或者更深層次的內(nèi)容。ZestFinance公司所開發(fā)的集成的機器學(xué)習(xí)模型極大促進(jìn)了平臺清洗數(shù)據(jù)與數(shù)據(jù)分析能力，我國的P2P網(wǎng)貸平臺應(yīng)加強數(shù)據(jù)模型建設(shè)，強化數(shù)據(jù)清晰、篩選技術(shù)，提高非結(jié)構(gòu)數(shù)據(jù)處理能力。

3.明確服務(wù)對象

ZestFinance明確自身服務(wù)的征信對象為FICO評分在500分以下的低信用評分客戶，針對該客戶群體內(nèi)部不同的信用類型再進(jìn)一步開發(fā)細(xì)化信用評估模型，比如還款能力模型、預(yù)付能力模型等，不斷深入發(fā)掘信用信息，擴大公司的客戶范圍，從而不斷提高自身的盈利水平，增強公司的競爭力。所以精準(zhǔn)定位和深入分類研究是ZestFinance領(lǐng)先于其他互聯(lián)網(wǎng)征信機構(gòu)的關(guān)鍵，我國網(wǎng)貸平臺也可以參考此類運行模式，明確平臺主要服務(wù)對象，做到市場精細(xì)化，從而擴大客戶范圍。

四、國內(nèi)以螞蟻小貸為代表的P2P網(wǎng)貸平臺征信系統(tǒng)運行現(xiàn)狀

（一）螞蟻小貸

螞蟻小貸是由阿里巴巴集團成立的，主要針對阿里巴巴、淘寶、天貓平臺上的賣家進(jìn)行資金周轉(zhuǎn)、投融資服務(wù)而發(fā)展的互聯(lián)網(wǎng)金融產(chǎn)品。其對信用的審核依據(jù)就是企業(yè)在阿里巴巴平臺、天貓平臺、淘寶和支付寶上的信用記錄，從而對企業(yè)信用積分進(jìn)行核算，信用記錄主要包括：店鋪收益、實體情況、用戶評價、發(fā)貨速度等，其優(yōu)勢為審核速度快、貸款下放快、無需線下審核、資金通過支付寶進(jìn)賬。相對于傳統(tǒng)的借貸模式，螞蟻小貸憑借自身所屬公司阿里巴巴集團就已經(jīng)獲得了巨大的優(yōu)勢。首先，傳統(tǒng)的信貸公司收集數(shù)據(jù)難，收集到的數(shù)據(jù)真假難辨，借款人很容易隱藏或造假信息，形成投資人與借貸人信息不對稱的現(xiàn)象。其次，阿里集團下的淘寶、天貓與阿里巴巴會為螞蟻小貸創(chuàng)造大規(guī)模的訂單需求，相較于其他平臺，螞蟻小貸自然擁有大量用戶群體，并且螞蟻小貸也將大數(shù)據(jù)技術(shù)實施到了P2P借貸的貸前、貸中與發(fā)放階段。

貸前申請階段，用戶在線申請貸款之后，螞蟻小貸的調(diào)查團隊會開始查明該用戶在阿里系產(chǎn)品中所有的交易信息、信用信息、商品庫存、資金流動以及客戶評價等，根據(jù)這些數(shù)據(jù)判定用戶的信用等級，再根據(jù)大數(shù)據(jù)庫內(nèi)的數(shù)據(jù)判斷用戶的償還能力以及未來可能會流入的資金額，對未來期限內(nèi)會有高收益額商家積極鼓勵其在平臺貸款，對于未來可能資金收入額較低的商家，會采取低強度營銷這一方式。再將此次運行的操作和結(jié)果記錄到系統(tǒng)中，對系統(tǒng)進(jìn)行完善。預(yù)測淘寶賣家從借貸開始到未來實際運作以及運作成效的曲線，需要192個數(shù)據(jù)模型，與我國傳統(tǒng)的純信用抵押信貸相比，螞蟻小貸在模型數(shù)量與模型因子方面的領(lǐng)先使其具有獨特優(yōu)勢。

貸中與發(fā)放階段，平臺會對企業(yè)如何運行資金、企業(yè)獲得貸款后的倉儲、與企業(yè)聯(lián)系的上下游企業(yè)、企業(yè)的客戶等用大數(shù)據(jù)進(jìn)行評估，完善企業(yè)這一次的貸款信息記錄，查看企業(yè)在獲得貸款后與貸款前的營業(yè)數(shù)據(jù)是否有所改善，以為下一次是否貸款做好準(zhǔn)備信息。

螞蟻小貸運用大數(shù)據(jù)技術(shù)對平臺進(jìn)行運營，也基于自身母公司的商業(yè)基礎(chǔ)，成本包括給予借款人利息，平臺人工成本費管理費等，成本率預(yù)計在6%—7%，并且螞蟻小貸的信貸還款率遠(yuǎn)遠(yuǎn)高于其它平臺，達(dá)到99%。總之螞蟻小貸在大數(shù)據(jù)方面的應(yīng)用管理給我國其他的P2P網(wǎng)貸平臺提供了參考。

（二）國內(nèi)網(wǎng)貸平臺大數(shù)據(jù)征信啟示

1.保證海量豐富的數(shù)據(jù)

螞蟻小貸成功借鑒了美國ZestFinance利用大數(shù)據(jù)技術(shù)在P2P網(wǎng)貸平臺征信方面的成功經(jīng)驗，認(rèn)識到大數(shù)據(jù)征信技術(shù)在互聯(lián)網(wǎng)金融平臺尤其是借貸平臺的重要之處，只有充分收集用戶的數(shù)據(jù)，并且作出相對成熟的征信模型，才會對用戶信用評判進(jìn)行合理詮釋。阿里集團憑借自身各大購物、民生平臺積攢了一手用戶數(shù)據(jù)信息，這是美國ZestFinance公司所缺少的，而且數(shù)據(jù)也更加精準(zhǔn)，只要合理運用收集到的數(shù)據(jù)，螞蟻小貸就可以對客戶的信用進(jìn)行評判，并在借貸前期、中期、后期及時給予預(yù)警信號。

2.建立大數(shù)據(jù)基礎(chǔ)處理設(shè)施

2009年阿里集團開發(fā)了云計算系統(tǒng)，阿里將精力投入到云計算系統(tǒng)的設(shè)計與開發(fā)，其宗旨是創(chuàng)造全球領(lǐng)先的云計算平臺，成為全球最先進(jìn)的可以同時進(jìn)行數(shù)據(jù)收集、分析以及處理于一體的服務(wù)企業(yè)。該系統(tǒng)不僅可以提供大規(guī)模的分布式數(shù)據(jù)處理為日后其他企業(yè)、平臺的大數(shù)據(jù)的計算功能、處理功能以及存儲功能提供最佳的解決方法，這套云計算系統(tǒng)也為阿里集團進(jìn)軍大數(shù)據(jù)領(lǐng)域助力。目前阿里云計算已經(jīng)建立了金融云計算和電商云計算等不同的云計算服務(wù)平臺，如我們熟知的支付寶和余額寶的數(shù)據(jù)也均被收入在阿里云計算服務(wù)中。

3.利用大數(shù)據(jù)降低征信成本

純中介P2P網(wǎng)貸平臺的征信系統(tǒng)數(shù)據(jù)信息大多來自平臺與各大第三方征信公司，屬于二手?jǐn)?shù)據(jù)，數(shù)據(jù)獲得可能會耗費財力且數(shù)據(jù)信息不一定準(zhǔn)確，美國的ZestFinance搜集的大數(shù)據(jù)信息大多來源于線上，獲得方式比較便捷，耗費的人力物力資源等成本較低。阿里巴巴與之類似，但是其數(shù)據(jù)都是憑借本集團內(nèi)自有數(shù)據(jù)，可以通過螞蟻小貸等平臺內(nèi)部數(shù)據(jù)庫獲得，一手?jǐn)?shù)據(jù)無需消耗額外的人力、財力。貸款的全部操作都在線上進(jìn)行，不需要耗費投資人與借貸人的時間成本，借貸完成后平臺也只需要關(guān)注系統(tǒng)中的數(shù)據(jù)進(jìn)行分析即可，如若出現(xiàn)了逾期和違約的情況，也無需上門討債，只需將用戶的芝麻信用積分下降，必要時凍結(jié)支付寶限制用戶網(wǎng)購即可，這些都可以在線上完成，幫助平臺降低運行管理成本。

四、小結(jié)

僅對P2P網(wǎng)貸平臺進(jìn)行征信系統(tǒng)的管理是遠(yuǎn)遠(yuǎn)不夠的，還要進(jìn)行其他方面的風(fēng)險控制，如市場風(fēng)險、技術(shù)風(fēng)險等。本文僅從大數(shù)據(jù)征信方面去解決P2P網(wǎng)貸平臺的信用風(fēng)險問題，可以從更廣泛的視角解決P2P平臺其他方面的風(fēng)險。

[參考文獻(xiàn)]

[1]Freedman S，G.Jin.Learning by doing with asymmetric information： exidence from Prosper. com [R].NBER Working Paper，2011（5）：13-17.

[2]Michael Klafft.Online Peer-to-Peer Lending：A Lender's Perspective.Proceedings of the International Conference on E -Learning， E-Business[J].Enterprise and Information Systems，and E-Government， 2008：371-375.

[3]劉玲.大數(shù)據(jù)在P2P網(wǎng)貸平臺征信中的應(yīng)用研究[D].廣東財經(jīng)大學(xué)，2018.

[4]張巧良.P2P網(wǎng)貸平臺風(fēng)險評價指標(biāo)研究——基于層次分析法[J].南京審計學(xué)院學(xué)報，2015（6）.

[5]康峰.P2P網(wǎng)貸行業(yè)風(fēng)險防范指標(biāo)體系的構(gòu)建與評價研究[J].西部金融，2019（4）：48-55.

[6]李延?xùn)|.大數(shù)據(jù)對解決小微企業(yè)融資難的啟示——以ZestFinance公司為例[J].甘肅金融，2016（5）：28-30.

[7]閆嬌嬌.基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融征信體系研究[D].天津大學(xué)文，2016.

（責(zé)任編輯：張彤彤 梁宏偉）