大数据在控制P2P网贷风险上的应用

湖南大学 王楚珺 刘会芳 尉丽丽

1 P2P网络贷款迅速发展

P2P网络贷款(online peer-to-peer lending)，指有资金并且有理财投资想法的个人，通过第三方网络平台牵线搭桥，将资金贷给其他有借款需求的人。

2005年3月，全球第一家P2P网贷公司Zopa诞生于英国伦敦，2006年2月，Chris Larsen等人创办了美国第一家网贷公司Prosper。2007年6月，国内第一家网络贷款平台拍拍贷上线。2011年，网贷平台进入快速发展期，一批网贷平台踊跃上线。2012年我国网贷平台进入了爆发期，网贷平台如雨后春笋纷纷成立。截至2014年底，P2P网贷平台数量达到1613家，较2013年增加了900家以上,并且2014年不断有银行背景、互联网巨头控制的拥有强大背景的平台加入，打破了网贷平台一贯以来的“草根”的印象，P2P网贷也逐渐被投资机构所青睐，大量P2P平台完成了融资。

2 P2P网贷风险显露

随着P2P网络贷款行业的快速发展，大量创业者涌入P2P网贷行业，且由于准入门槛低，短期内大量P2P网络贷款平台上线，鱼龙混杂，良莠不齐。据统计，截至2014年7月，累计有136家P2P网贷平台出现提现困难、倒闭或者跑路的现象，约占整个市场的11.3%。

P2P网络贷款主要存在信用评估、业务监管、系统安全这三大风险，但是由于我国目前征信体系不完善，P2P监管制度不健全，P2P网贷还处于一个野蛮生长的阶段，在没有找到很好的风险控制、系统监管手段之前，P2P网贷仍处于巨大的风险之中。

3 大数据的含义及其之于P2P网贷的意义

传统的控制P2P网贷风险的方式主要有以下三点：(1)准入监管。建立基本准入标准和建立“谁批设机构，谁负责监管和风险处置”的机制。(2)运营监管。限定P2P网贷仅从事金融信息服务业，即作为中介机构，不得直接参与借贷活动；P2P网贷必须严格隔离自有资金和客户资金，客户资金必须由第三方管理。(3)信息监管。P2P网贷必须完整地保存客户资料，以备事后追责；P2P网贷要如实披露经营信息，包括公司治理情况、业务数据等，供客户参考。由此看来，传统的对P2P网贷的风险控制主要针对于网贷平台本身，而没能降低网贷平台所面临的客户道德风险和违约风险造成的坏账。

在传统的借贷流程中，对于借款人的信息审核，也存在很多弊端，如用传统信息获取渠道判断信息真伪的成本较高；由于全程需要人工参与，既增加了道德风险，又导致效率极其低下；传统的风险评估模型中，对于借款人资产状况评估的权重过高；贷款人隐藏风险的难度较低，造假成本较低等，对坏账率的控制效果并不是很好，这不利于P2P网贷平台的风险控制，限制了P2P网贷平台的发展。

大数据指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更具积极目的的资讯。大数据具有数据量大、类型繁多、价值密度低、速度快、时效高的特点。大数据的核心就是预测。大数据已成为了新发明和新服务的源泉，目前被广泛应用于互联网提高客户体验、医疗疾病监测、能源勘探等行业。大数据将为人类的生活创造前所未有的可量化的维度。

在互联网金融领域，大数据的作用格外显著。在传统的信贷模式中，完成一笔贷款有着繁杂的程序与较高的成本，但是大数据的应用为人们提供了一种新的思路。截至2014年6月，阿里巴巴集团旗下阿里小贷服务逾80万家小微企业，累计投放信用贷款超过2100亿元，阿里小贷其单笔信贷操作成本仅为2.3元，而一般银行的成本在2000元左右。阿里小贷利用阿里巴巴集团积累的海量数据，进行数据分析，利用计算机对商户进行信用评估，可以做到3分钟放贷，不良率低于1%。P2P网贷行业也非常适合与大数据结合，随着大数据逐步深入的应用，P2P网贷行业必将发生更深刻的变革。

首先，大数据大大拓宽了金融机构可用数据的种类。在大数据条件下，P2P网贷平台可以采集并应用图片、视频、社交网络信息等非结构化数据。并且，大数据主要来源于互联网企业的核心业务，这些数据更能反映P2P借款人的社会关系和经济特征，更能反映他们的贷款需求与信用状况。通过大数据分析，使得原本因果关系不清晰的几个事务关联起来。无论是在贷前、贷中，还是贷后，大数据的运用都将有效预测出借款人的信用风险，达到控制P2P网贷平台违约事件的发生。

大数据还为P2P网贷的信用风险控制提供新的解决思路。如果用大数据的角度来构思，就可以把更多权重放在借款人日常生活的交易数据及社交数据上，比如借款人的消费情况，微博微信之类的社交圈活跃度等诸如此类的问题。这类数据不易作假，具有很好的连贯性，可以从中分析很多的用户特性，并推断借款人的信用状况,。一旦数据开放共享的基础设施完善后，P2P网贷平台的管理者就可以在拥有更全面的借款人数据的基础上，通过多个不同类型的信用分析模型，对借款人做出更趋于真实化和个性化的信用评级，投资人就根据其信用等级高低作出是否借贷和以何种利息贷出的合理决策。更重要的是，在贷款期间还可以对借款人产生的数据持续记录分析，一旦有异常情况出现，就可以及时调查处理，这样就可以有效控制借款人的信用风险。所以，用大数据来控制P2P网贷的风险有极大的发展前景。

4 利用大数据对P2P网贷进行风险控制

在大数据时代的背景下考虑P2P网贷的风险控制，首先要将思维方式从因果关系转变到相关关系来，寻找可以控制P2P网贷风险的数据指标。一个人或者群体的信用好坏取决于很多的变量，所有与借款人相关的数据都有可能影响到其贷款的安全，因此，需要找出所有可能会影响到借款者信用的数据指标，主要分为四个指标。

(1)个人基本资料，包括个人的身份信息，如性别，年龄，身份证号等，以便于通过个人身份认证来追踪借款人的活动；家庭婚姻情况，一般来说，一个人如果家庭美满，拥有一个小孩，则其违约率会大大降低；住所稳定性、工作单位的稳定性和手机号码使用稳定性都将可能体现一个人的还款意愿。这些信息经借款人授权，可以通过接入公安系统等来保证信息的真实性。

(2)社交网络情况。借款人在社交网络上的活跃程度、所发表的动态内容、好友数量等都可能与借款人的性格特点相关。例如，一个拥有好友数量较多的借款人其信用程度往往高于那些好友较少的借款人。另外，如果一个人发表的日志、说说总是积极向上的，也有可能获得较高的信用评级。P2P网贷平台可以与相关社交网络(QQ、人人网、微信、微博等)建立数据接口，在接受客户的借款请求，且得到用户授权后，从这些社交网络获取用户数据，并支付相应的费用给这些社交网络，这也可以成为社交网络一个新的盈利渠道。

(3)电子商务平台。P2P网贷平台可以与阿里巴巴、京东商城、聚美优品、当当网等电子商务平台合作，第一可以借助商家在电商平台上所积累的交易量等流水数据，共同搭建风险模型，通过大数据分析，为这些依附于电商的小微企业提供无担保、无抵押的纯信用贷款；第二可以根据消费者的网购商品种类、金额大小、网购频率等大数据来评估消费者的信用状况。

(4)借款人的资金情况。包括收支情况：借款人的收入和支出情况会影响借款人的偿债能力。负债情况：借款人的现有的负债期限、金额大小会体现借款人的还款意愿。资产情况：借款人所拥有的资产的流动性比率以及结构，具体的占用情况，如资产中基金、股票、债券、理财产品及银行存款的比例,这都将会影响借款人的未来收益，从而对还款产生影响。信用情况：通过分析一个人的信用情况，可以确定贷款额度、期限、利率、贷款方式等。这些数据可以通过接入银行系统来获取。

5 结语

因此，可以通过收集借款人自己提交的数据、与权威第三方合作获得数据、与同行业进行数据共享以及利用借款人在互联网以及社交网络上的活动情况的数据，再通过数学模型来评估借款人的信用，从而降低由于借款人本身不具有还款意愿带来的风险。同时，信用本身不是静态的，而是一个动态的行为特征的体现。当排除借款人所存在的道德风险向借款人提供贷款以后，还需要实时追踪借款人的相关数据，测算出借款人的还款能力，达到控制由于非主观原因而出现的违约风险。比如，密切关注借款人借款用途、经营状况，当发生借款人出现资金周转不灵或者经营不善时，应该及时采取措施，控制风险。

[1] 吴晓求.中国金融的深度变革与互联网金融[J].财贸经济,2014(1).

[2] 贾洪文,李志鹏.互联网金融对我国金融发展的影响与启示——以P2P信贷为例[J].2014.

[3] 吕芹.P2P网贷中国式生长[J].互联网周刊,2014(1).

[4] 王光禄.P2P小额贷款客户信用风险控制探析[J].投资与合作,2013(10).

[5] 何晓玲,王玫.P2P网络借贷现状及风险防范[J].中国商贸,2013(20).

[6] Freedman S,Jin G Z.The Signaling Value of Online Social Networks:Lessons from Peer-to-Peer Lending[R].National Bureau of Economic Research,2014.

[7] Jin S F G Z.The Signaling Value of Online Social Networks:Lessons from Peer-to-Peer Lending[J].2014.