楊立 丁燕 林喜陽

摘 要：P2P網貸成為一個新興行業(yè)，對收集社會閑置資金、將間接融資轉變?yōu)橹苯尤谫Y有極大的幫助，它在大數據和互聯網的協同下不斷發(fā)展，但平臺違規(guī)操作、借款人違約等現象層出不窮，所以在風險防范上極為重要，而在風險防范過程中大數據又起著至關重要的作用。本文通過對P2P網貸產業(yè)鏈上的各個組成部分進行分析，得出我國P2P網絡貸款存在五大風險因素，即市場風險、信用風險、操作風險、技術風險、政策風險的結論，并深入探究了大數據在其中的應用。

關鍵詞：風險防范;P2P產業(yè)鏈;大數據;風險預警;借貸平臺

中圖分類號：F832.4 文獻標識碼：A 文章編號：2096-0298（2021）01（b）--03

眾多學者在研究P2P網貸平臺時都認為其生產鏈是存在問題、存在風險的，且一些學者對P2P風險進行了深入的研究，不僅提出了存在哪些風險、推斷出存在風險所產生的危害，還提出了相應的防范措施，隨著研究的深入部分學者認為大數據在P2P風險防范也起到了一定的作用，本文則從這個角度出發(fā)系統地探究大數據在P2P風險防范的應用。

1 文獻綜述

Xu J J（2015）部分學者通過數學模型將多指標大數據源進行計算得出相應的風險預測結果來預估可能發(fā)生的風險。徐恪等（2014）從更為實際的角度出發(fā)，通過在線網絡大數據源來構建更具可操作性的P2P網貸風險預測模型。此外，大數據在供應鏈上的金融風險管理也有一些研究。Shearer（1998）借助大數據手段度量供應鏈金融新模式下的新風險特征，Diercks（2004）認為先進的大數據監(jiān)控手段在供應鏈金融的風險監(jiān)控中十分必要。

鄧建鵬、熊明等（2014）提出可以通過大數據建立征信系統和設計網貸產品;王楚珺，劉會芳等（2015）探究了利用個人基本資料、社交網絡情況、電子商務平臺數據、資金情況等大數據來對借款者進行信用評估，從而有效降低P2P網貸平臺的風險;林春雨、李崇綱（2015）創(chuàng)新性地將平臺的風險預警與大數據技術結合，通過采集大量數據、運用Spark分布式平臺計算等大數據技術，構建了一個較為成功的P2P網貸平臺風險預警模型;杜永紅、石買紅等（2016）認為P2P平臺存在市場風險、操作風險、信用風險、法律風險;宋兆磊（2018）對P2P網絡貸款產業(yè)鏈組成部分同樣進行了研究，并進行了相應的指數實證分析，推論得出我國P2P網絡貸款存在信用風險、操作風險、技術風險、政策風險四大風險因素，并對四大風險因素在P2P網貸平臺發(fā)展中帶來的危害進行了說明。

2 研究方法簡介

在風險預測模型的基礎上，采用概率統計方法建立風險防范理論模型，并通過大數據挖掘方法探求出風險防范的機要節(jié)點，制定防范機制模型;再通過計算機數字模擬試驗的方法進行有效性驗證;結合大數據挖掘分析物理空間數據源和網絡空間數據源，構建多維實證分析模型進行方法機制的實證研究，對其實用性以及社會應用性進行有效驗證。

3 研究結論

3.1 P2P借貸平臺目前面臨的風險

3.1.1 市場風險

幾乎所有金融機構都會面臨市場風險，市場風險指的是因利率變動、通貨膨脹、經濟危機等因素影響導致市場情況發(fā)生重大變化，投資人可能因此導致虧損的風險，就比如最近疫情的出現導致2020年的經濟一度處于低迷狀態(tài)，對P2P行業(yè)來說也是一次沖擊，不少平臺都因此倒閉破產。那么對于P2P機構來說，我們應該如何設法降低市場風險呢？降低市場風險的一個重要途徑就是主打個人的小額信貸業(yè)務。因為個人的小額信貸業(yè)務主要針對的是個人消費和小本經營，受市場波動影響較小，可以通過一些方式消除，比如大數法則和利率覆蓋風險。

3.1.2 信用風險

信用風險是P2P平臺最基本的風險之一。 在當今社會誠信環(huán)境下信用風險尤為嚴重，信用信息系統不能覆蓋所有個人還只能依靠信用信息服務機構。信用風險在我國盛行的主要原因是個人信用體系在我國沒有得到改善，我國企業(yè)的個人信用體系還處于建設階段，很容易造成個人信用信息的不匹配。一般信貸很可能面臨無法及時償還本息的風險，即信用風險的存在。 因為P2P更多的是面對中小企業(yè)或者個人，他們的貸款質量遠遠低于商業(yè)銀行。 因此，特殊的風險管理手段如拆分資金重組、在線和離線審計等，全部展示著他們的交易容易受信用風險的影響。

對于平臺借貸雙方來說，對方真實身份審核難度較大。 網貸公司P2P門檻低、審核簡單，與傳統的銀行金融機構相比，不需要提取準備金。 P2P網貸依托互聯網應運而生，其本質具有虛擬性。因此，在貸款人和借款人的信用狀況審計和評價過程中，即使引入了相關的審計機制，仍然很難確定審計數據的100%準確。

3.1.3 技術風險

P2P平臺面臨的技術風險主要體現在以下兩個方面：一方面，P2P平臺的業(yè)務依靠互聯網技術開展來實現一對一的借款人與出借人精確的資金借貸關系。因此業(yè)務的開展需要平臺采用一個安全有效的交易軟件以及創(chuàng)設一個健康的網絡環(huán)境。如果P2P平臺的操作系統不夠強大又或是存在相關的安全漏洞，就可能會導致平臺崩潰，甚至被黑客入侵導致平臺信息泄露。又或是信息技術系統存在因軟硬件不夠強大，用戶數量大幅上升時軟件無法承載等原因無法正常運行，那么就會影響業(yè)務的順利進行從而導致出借人失去對平臺的信賴取消合作，平臺因此失去客戶。另一方面，由于技術人員操作不當，判別實力不強或將感情因素代入工作，對借款人和借款項目核準不夠嚴格，導致資金借出后無法收回，使得平臺收益受損。

3.1.4 法律風險

在互聯網信息平臺有大量用戶信息，比如姓名、家庭住址、財務狀況等，對平臺來說這些信息僅僅是用來評判信用的依據，但在不法分子眼里販賣這些信息成為一種賺錢手段，信息如果被不法分子利用則會產生泄密風險。同時又或者P2P網貸平臺對出借人或借款人的身份審核缺乏一個嚴格的流程，可能會出現借款人利用虛假身份、虛假項目募集資金，或者出借人利用多個虛假身份在互聯網平臺上出借資金來達到非法洗錢的目的，此時P2P網貸平臺、借款方、出借方就會面臨相應的法律風險。

3.1.5 政策風險

政策風險是指由于政府有關P2P市場的政策發(fā)生重大變化或是有相關重要的舉措、法規(guī)出臺，導致P2P市場在政策作用下受到影響，從而給投資人帶來收益受損或者資金無法收回的風險。因政策發(fā)生變化，或者出現現有法律無法解決平臺出現的相關法律問題、執(zhí)法環(huán)境不完善等，都會對P2P行業(yè)產生相應的影響。目前P2P在我國還屬于金融創(chuàng)新行業(yè)，對于金融創(chuàng)新企業(yè)和行業(yè)的政策、法律法規(guī)，我國本就處于不完善的階段，如果政府在此時出手干預P2P行業(yè)的運作，比如出臺對P2P行業(yè)的限制性政策、法律法規(guī)，則定會阻礙整個P2P行業(yè)的發(fā)展，甚至還會淘汰一批新起的P2P網絡借貸平臺，導致頻頻倒閉的現象發(fā)生。

3.2 大數據在防范P2P產業(yè)鏈金融風險中的應用

3.2.1 搭建信息共享平臺，建立全面征信系統

在大數據時代背景下，P2P網貸平臺應當充分利用好大數據技術，提高對數據庫中數據的利用程度，現階段我國大數據相關基礎建設并不完善，一是信息不夠全面，二是大數據技術不夠普遍，而且許多數據庫并沒有對P2P網貸行業(yè)開放，也就是說平臺沒有查看數據的權限，那么平臺獲得相關的用戶信息十分局限。各行各業(yè)之間的數據資源也沒有實現信息上的共享，頂多是P2P行業(yè)間內部的信息共享，目前國內僅有阿里小貸、拍拍貸等少數的P2P網貸平臺利用客戶交易過程中產生的數據判斷客戶的信用狀況，但是仔細分析這兩個平臺背后都有交易平臺作支撐，意思就是交易平臺能給這兩個網貸平臺提供大量顧客的交易信息以此來分析用戶的信用狀況，但多數P2P網貸平臺只擁有網貸數據并不具備這樣的優(yōu)勢，在這種情況下，為了促進P2P行業(yè)的發(fā)展，我們更應該努力搭建大數據共享平臺，而且要努力實現數據全行業(yè)共享，這種共享不僅體現在P2P行業(yè)內部的信息共享，也可以嘗試與銀行、政府、其他企業(yè)，甚至微信、QQ等社交軟件平臺建立合作關系，實現數據的共享，最好是能由政府出面建立大型數據庫來帶頭汲取各行各業(yè)數據并且進行有秩序的共享，一旦成功，P2P平臺則可以利用數據庫中的信息獲取個人和企業(yè)數據，并利用大數據技術找出其中的相關關系，分析出借款人的信用狀況，從而防范信用風險。

3.2.2 利用大數據進行風險評估防范市場風險

從社會認知理論我們可以知道，一個人各方面的行為可以推斷出他的品質，那么我們可以將一個人的信用好壞作為因變量，將一些指標作為自變量來探究指標與信用狀況的相關關系，所有與借款人相關的數據都有可能體現出借款人的信用狀況，從而影響到其貸款資金的安全性，利用大數據進行風險評估可以借助相應的指標，主要分為以下四個指標。

（1）個人基本資料。如性別、年齡、身份證號等個人身份信息，這些相關身份信息可以用來追蹤借款人的活動，而家庭狀況、婚姻狀況、居住地、工作的穩(wěn)定與否可以判斷個人的還款意愿。一般來說，一個人如果家庭美滿、住所固定、工作穩(wěn)定那么違約率會大大降低，反之亦成立，而且這些個人的基本信息可以通過公安系統查詢確保其的真實性。

（2）社交情況。借款人在社交網絡上的交友情況、在微信、微博、QQ等網絡平臺上所發(fā)表的動態(tài)內容，以及發(fā)表動態(tài)的頻率可以判斷出其活躍程度，可以體現出借款人的性格特點。實驗證明擁有好友數量較多的借款人其信用程度往往高于那些好友較少的借款人，如果一個人發(fā)的朋友圈動態(tài)總是積極向上的，說明這個人看待生活態(tài)度也是陽光向上的，那么就可能獲得較高的信用評級。從這些方面來看，P2P網貸平臺可以與QQ、微信、微博等社交網絡平臺合作，從而獲得相關的信息來判斷用戶信用，當然平臺也需要支付相應的費用給這些社交網絡，一方可以新增盈利渠道，另一方可以獲得重要信息，兩個平臺也算是互利共贏。

（3）電子商務平臺。電子商務平臺上可以說有海量的顧客交易信息，這些交易信息對于P2P平臺來說意義重大，平臺可以將用戶消費水平與工資薪金水平進行對比，可以看出消費者是否在自己的工資水平之下合理消費，一般來說存在過度消費情況的借款人很可能還不上款，那么平臺就不能輕易將資金借出，即使借出也要建立相關的防范措施。P2P網貸平臺同樣可以與淘寶、京東等電子商務平臺合作，不僅可以根據消費者的消費情況來評估消費者的信用狀況，還可以借助在電商平臺上所積累的交易量等流水數據，評判在電商平臺經營的小微企業(yè)的信用，為其提供無擔保、無抵押的信用貸款。

（4）借款人的資金情況。這項指標可以說是平臺判斷是否借出資金的一個重要依據，它包括借款人的收入、支出、資產、負債情況，因為通過借款人的收入和支出情況可以直接看出借款人能否及時償還借款，通過借款人現有的負債期限和金額可以分析出借款人的還款意愿，而通過借款人所擁有的資產如基金、股票、債券、理財產品及銀行存款等，可以判斷借款人的未來收益，從而對還款產生一定影響。

3.2.3 構建大數據風險預警體系

政府和其他相關部門將建立大數據監(jiān)測預警系統，對P2P網絡貸款平臺進行實時監(jiān)測，防范貸款過程中可能發(fā)生的欺詐風險，減少資金上的損失。 使用大數據監(jiān)視系統設定的參數指標衡量P2P網絡貸款平臺的風險程度。量化預警指標，制定合理的評分標準，進行相應的劃分，提出P2P網絡貸款平臺應當納入重點監(jiān)管對象的風險等級。大數據監(jiān)控預警系統可以預警和捕獲風險，在適當的時間掌握平臺風險變化的同時，也有非法資金募集、欺詐、慶州等潛在風險有效防止性，P2P在線貸款平臺也可以保護許多投資者的相關利益。另外，當P2P網絡貸款平臺不能滿足ST時，監(jiān)管部門可以積極引導它們，提出糾正意見，并監(jiān)督它們的標準化運作。可以進行警告，平臺也可獨自發(fā)現問題在允許的范圍內修改相應參數的值。

3.2.4 增強平臺軟硬實力，培養(yǎng)大數據方面的專業(yè)性人才

平臺大數據起到的僅僅是助力作用，P2P行業(yè)能否繼續(xù)發(fā)展下去還是得看各平臺自身的實力，就像是飯店能否留住客戶關鍵在菜品。各網絡貸款平臺應當不斷對更新研究成果的關注，靈活運用這些最新的研究成果加入自己的創(chuàng)新思維，不斷提高平臺本身的能力。在這個提高的過程中，我們不能輕視人才的培養(yǎng)，反而要通過培養(yǎng)大量信息技術、大數據、金融等方面的專業(yè)人員，以此來防范不法分子的惡意攻擊，加強對平臺中儲存的用戶信息以及平臺資金的保護，阻止平臺被黑客攻擊，降低發(fā)生技術風險的可能。

平臺若不具備相應的軟實力也會讓平臺受到不必要的攻擊，因此建設品牌十分重要，這是增強自身軟實力的關鍵，也是提高自身文化競爭力的重要途徑。P2P網貸平臺爆發(fā)出負面新聞的頻率較高，導致用戶數量減少，這說明品牌的形象會在一定程度上影響消費者的信心，平臺需要關注輿論的導向，重視輿情對自身發(fā)展的影響。同時平臺可以通過線上媒體進行一定的文化價值傳播，不間斷建設自身的品牌文化，讓自身在同行競爭中有所優(yōu)勢和獨特之處。

4 結語

目前P2P網絡借貸行業(yè)的發(fā)展受到政府政策的影響不被看好，但總體來說P2P行業(yè)的發(fā)展切實地解決了中小微企業(yè)和個人經營者的融資問題，并且降低了資金流通的成本，促進了間接融資向直接融資的轉化，相信在各地監(jiān)管政策相繼出臺后，以及在大數據的輔助下，P2P網貸平臺的野蠻擴張現象必定會有所改善，平臺也會逐漸趨于正規(guī)化，行業(yè)會越來越規(guī)范，投資者的投資會越來越理性。

參考文獻

Xu J J， Lu Y， Chau M. P2P Lending Fraud Detection： A Big Data Approach[M].Intelligence and Security InformaticsSpringer International Publishing， 2015：71-81.

Shearer A T，Diamond S K. Shortcomings of risk ratings impede success in commercial lending[J].Commerlial Lending Review，1998，14（03）：22-30.

Diercks L A. Identifying and managing troubled borrowers in asset-based lending scenarios[J].Commercial Lending Review，2004，19（05）：38-55.

徐恪，張賽，陳昊，等.在線社會網絡的測量與分析[J].計算機學報，2014（01）：165-188.

鄧建鵬，熊明，任一奇，等.大數據在P2P網貸中的應用與困境[J].金融電子化，2014（12）：38-40.