解析互联网金融信用风险及其影响

刘书宇

南开大学

解析互联网金融信用风险及其影响

刘书宇

南开大学

随着时代的发展和科技的进步，许多新的经济模式开始出现，互联网金融即是其中的一种。它是在信息技术营造的大数据背景下所快速发展起来的金融运行模式。当前，中国的互联网金融发展迅速，因此其信用风险意义重大，必须对其进行合理、科学的评估和防控。笔者针对互联网的金融信息风险理论进行了分析，并且对我国传统金融机构的相关金融数据进行了实证分析，探析了互联网金融的信用风险，以及它出现以后对传统的金融业所造成的冲击和影响。最后对这种潜在的信用风险提出了自己的防范措施和建议。

互联网金融；信用风险；影响；方法

当前社会已经稳步迈进大数据时代，而金融业可以说其最大的受惠者和使用者。金融业的调研、统计、研究、业绩报表等各种信息都是数据的来源。随着互联网的快速发展，传统数据处理技术已经无法解决非结构性的数据，但偏偏这种非结构性的数据如今正在逐步提升着自身在总数据当中所占的比例。传统的金融机构大多以实体存在，难以对互联网技术应用过多，而互联网金融则不同，它具有非常特殊的虚拟性质，能够有效结合金融理论和互联网技术，开展高效快捷的金融业务。作为一种较为新颖的金融形式，互联网金融包含了金融数据、第三方支付以及网络贷款、保险、众筹等多种发展模式，覆盖了包括保险、证券等在内的多个金融领域，而且具备十分显著的特点，主要包括虚拟性、便捷性、高效性等，对传统的金融行业造成了一定的冲击和影响。有鉴于此，笔者在已有研究的基础上对互联网金融之于传统金融的信用风险这个问题进行了深入的分析和探究。最后笔者还结合了实际情况对潜在风险进行了防控方面的建议。

1.互联网金融信用风险分析

所谓信用风险，也就是指受信人没有遵守约定，没有履行相应的职责和义务，而使得授信人承担后果，造成经济损失的风险，这可以说是金融风险的主要类型之一。同传统金融相比，互联网金融的市场是虚拟空间，因此也更加容易产生信用上的风险。

1.1影响因素识别

笔者经过总结发现，互联网金融的信用风险受到多重因素的影响，其中内部主要包括授信对象身份难以确定以及信息部门风险防控技术；外部则主要包括一些大环境的影响，譬如经济因素或者是一些社会因素。外部环境稳定的情况下，互联网金融必须按照固定模式去运营，其成果也应当反映出社会的经济政治状况。

1.2信用风险影响因素

1.2.1金融机构征信系统

当前，我国还没有建立起一个规范、完善的金融客户征信系统，因此难以对客户的诚信度进行精准把握，经常会出现违约的状况，给金融机构带来很大的损失。尤其是对于互联网金融来说，更是危险。由于借贷双方不会在现实当中会面，所有的借贷交易都是通过互联网进行，因此经常会发生恶意骗取贷款然后消失不见的现象。

1.2.2信息部门风险防控技术

金融机构的信息保护技术目前还不是十分完善，因此时常发生客户信息遭到泄露或者是被篡改的现象。同时，有些不法分子甚至利用技术手段和木马病毒对金融机构的网上交易平台进行攻击，窃取相关信息和资金，并且通过钓鱼网站对客户实行金融诈骗等违法行为。这些网络风险极大程度上影响了客户的信息安全和财产安全，同时也使得部分承受能力和接受力较低的用户对互联网金融产生一定的抵触心理。

1.2.3社会认知程度

首先，互联网金融是一种较为新颖的金融模式，尽管在近些年发展势头迅猛，但是对于广大的老百姓来说，其知名度和社会认知程度相对来说还较为缺乏。少数对金融行业不太了解的群众甚至以为它仅仅是一个进行金融交易的、比较便捷的一个网上银行而已，而且通过对其利用可以快速致富。然而，这些想法都是错误的。互联网金融不仅仅是一个网上银行，利用其赚钱也并非想象当中那样容易，它是伴随着很大程度上的风险的。而且，互联网金融是一种较为新颖的事物，其本身的科技含量和信息化程度较高，这对于有些文化程度和信息技术、金融知识都较低的网名来说是一项比较严峻的挑战，因此也加大了风险发生的概率。

2.互联网金融对传统金融的信用风险影响分析

大数据的时代背景之下，金融业的信用风险在互联网金融介入前后产生着不同的差异和变化。利用计量经济分析的方法，对我国互联网金融出现以后给传统金融带来的信用风险进行了测度。

2.1实证分析

2.1.1邹式突变点检测

该项检测的特点是在于把数据的样本依照着时间的顺序分为两个时间序列的子样本，然后这两个子样本之间会存在一个时间上的分界点，这个分界点也就是邹式突变点，它可以用来检验总体样本是否发生了结构上的变化。在这个基础上，还要采用F检验来对突变点前后的参数变化是否一致进行检验，继而才能够判断出总体结构是否发生变化。根据笔者的数据和计算，两个子样本所反映出来的结构关系存在非常显著的不同，因此可以判定，在突变点前后，总体样本确实发生了结构上的变化。

2.1.2虚拟变量法

这种方法又被称为虚设变量法，它可以用来表达质的属性，是一个经过量化的自变量，其取值经常为0或者是1。尽管在回归模型中引入虚拟变量会使得线性模型变得更加复杂，但是它能够更加清晰地对目标问题进行描述，因此两个方程的意义由一个方程就可以涵盖，而且又更加接近现实。

这种方法，手首先假设某个因素为给定的变量。如果在结构点开始发生变动前后的两个子样本之间互相不发生影响，则将这个因素的变量设定为0，反之则取为1。影响到这个因素的变量即是虚拟变量。针对回归模型进行分析的时候，虚拟变量的系数明显不为零，也就说明了这个因素变量使得被解释变量的结构发生了变化，同时也可以根据虚拟变量的相关特性来判断其对被解释变量的实际影响程度，譬如通过系数或者是符号来判断。反之，如果虚拟变量系数明显为0，也就说明被解释变量并未发生显著地结构上的变化。

2.2指标选取及数据来源

通常，一个金融机构的信用风险由资金融通企业决定着，这在贷款利率上体现得淋漓尽致。只有收益率高于贷款利率，企业才有能力归还贷款。所以，企业必须保证能够拥有比贷款利率更高的收益率，否则将无法保证按期还贷，这也就给金融机构无形当中增加了贷款损失的概率。反之，如果金融机构适当降低贷款利率，则企业更容易及时还贷，这样一来金融机构降低贷款损失的概率也会大大降低。因此，笔者将银行的贷款利率应用在模型之中。

笔者通过调查研究发现，非金融机构通常会以第三方的身份为借贷双方提供银行卡收付款以及网络支付等服务。如今这些非金融机构的业务范围已经不仅仅局限于互联网支付了，而是从线上拓展到了线下，覆盖了整个金融服务。大数据的背景下，互联网金融的运作方式不断更新，而第三方支付角色也务必要跟上这种变化。因此笔者将第二个解释变量定位第三方支付市场交易规模。

通过对我国传统金融机构的相关样本数据进行分析和检验，班子和证实了互联网金融的出现对于我国的传统金融业信用风险产生了影响。尽管传统金融机构的不良贷款率正在逐渐下降，但是仍然不可掉以轻心。

3.互联网金融风险防控建议

3.1结合国家的战略发展目标

当前，我国主流商业银行所推行的“大数据”战略转型，其根本目的在于反哺实体经济，因为实体经济可以说是传统金融机构发展的根基所在，银行更是对其格外依赖。因此，要想实现传统金融机构的创新，则无论如何都无法离开实体经济，不然即使有所创新也一定会增加信用风险。互联网金融的发展所带来的金融创新活动同样需要以发展实体经济为导向和目标，并且在活动中必须始终贯彻落实大数据思维，从而使得实体经济实现优化升级。同时，传统金融机构在创新中也要注意倾向于中小型企业和微型企业，这也是响应李克强总理“大众创业、万众创新”的号召，这也同样能够推进互联网普惠金融的成功实现。当下，经济趋势呈现出“新常态”，不容小觑，因此互联网金融一定要对大数据进行充分地利用，并且通过网络技术扩大实体经济的服务范围，最终实现自身的发展。

3.2构件信用风险防控体系

互联网金融最需要防范的就是信用风险，这一点在网络借贷平台上得到了淋淋尽致的展现，因此必须要针对信用风险构件一个严密的防控体系。在这方面我国起步较晚，因此很多方面还比较缺乏经验。这就使得建立起一个健全的风险防控体系有了一定的难度。笔者认为，应当首先将个人的信用状况建立一个档案，依靠央行的数据，并且以互联网上存在的业务数据作为补充，同时利用当前的云计算等新兴技术展开大数据分析，这样就能够初步建立起一个各方面较为健全的征信体系。以这个体系为支撑，就可以构建出一个统一的信用评价标准。最后，把传统金融机构和互联网金融相互融合，并且做出进一步的拓展。互联网金融可以和一些具备较为完整的征信系统的金融机构进行合作，同时也能够据此制定出适合自身的信用管理办法和政策，从而为客户提供更加优质的服务，同时也降低信用风险。

3.3提高金融信用的防控技术

互联网金融的最大特性就是虚拟性，这种虚拟性也带来了很大的网络技术风险。因此，必须要加强防控技术水平建设，构建出一个安全体系。笔者认为，应当首先研发出一个针对我国网络环境的金融信息系统，不然的话就会过于依赖外网。以这个金融信息技术系统为支撑，就可以大幅降低网络技术风险，提升安全级别。其次，也要建设网络防护体系，防止黑客的恶意进攻，从而保证互联网金融业务的顺利展开。最后，还可以运行数字证书认证模式，构建出一个信用服务系统，为借贷双方提供一个安全的网络支付环境，从而保证交易的顺利完成。

4.结语

笔者通过研究发现，当前我国的金融机构的不良贷款率正呈现出下降趋势。但是，在大数据时代背景下的今天，互联网金融的出现又重新引发了新的信用风险。因此，必须针对风险进行全面而系统的认知和防控，提升互联网金融的信用风险的防控水平，进一步完善相关法律体系以及防控体系的建设。只有这样，互联网金融才能够更加安全、健康、有序、高效地发展。

［1］李明选，孟赞.互联网金融对我国金融机构信用风险影响的实证研究［J］.企业经济，2014（11）：165-170.

［2］赵海蕾，邓鸣茂，汪桂霞.互联网金融信用风险分析与大数据征信体系构建［J］.中小企业管理与科技旬刊，2015（23）：230-233.

［3］王佼，刘艳春.互联网金融信用风险及其影响分析［J］.技术经济与管理研究，2016（7）.