基于大数据的网络金融风险管理体系研究

陈有为+郭建峰+温景岗+李言

摘 要：基于大数据的网络金融风险管理有着区别于传统金融风险管理的体系，因此，通过分析网络金融风险新特点，结合网络金融各行业实际应用的共性，提出基于大数据的网络金融征信和反欺诈领域的风险管理体系框架，并给出具有针对性的网络金融风险管理的对策与建议。

关键词：大数据；网络金融；风险管理；征信；反欺诈

中图分类号：F830 文献标志码：A 文章编号：1673-291X（2017）32-0136-03

引言

随着信息化技术的快速发展和不断普及，人类社会发展的方方面面日趋可用数字化表达，整个地球无时无刻不在加速生产各种数据信息，人类的“大数据时代”已然来临。大数据对许多行业的产生了巨大影响和冲击，金融业作为现代经济的中枢，将不可避免地与大数据融合。传统金融数据以结构化数据为主，而网络金融海量的半结构化、非结构化的数据更是加速猛增。显然，网络金融风险与以往传统风险相比出现了较大改变，尤其是以互联网金融为代表的新兴网络金融业态，其金融风险问题非常突出，而且产生的、未产生的各种潜在风险更为复杂多变。一旦风险爆发，造成的影响通过互联网放大波及范围有多广、危害有多大，其最终后果往往难以估计。因此，如何设计、开发、构建有效的网络金融风险管理体系，就成为了一个值得研究的课题。

一、金融大数据与网络金融

（一）金融大数据

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）和价值密度低（Value）四大特征[1]。

目前，金融大数据的定义并未得到准确定义，百度百科中也没有给出具体的定义，但金融大数据的称谓却已经在很多报告文献中出现。从狭义看，金融大数据首先要符合大数据的定义和特征，其次数据是在任何与金融相关领域，涉及银行、证券、保险、信托以及新兴互联网金融各个分支领域中积累的数据。从广义看，有些大數据貌似与金融无关，但被金融家通过大数据技术手段获取了其中服务于金融业务的有价值信息，那么这类大数据也将“摇身一变”成为了金融大数据的范畴。例如，现在微博的数据量，早在PB级以上，华尔街的金融家们从金融微博中提取“数据财富”[2]，通过些挖掘出这些数据内含的股票投资者的情感信息，辅助决策金融市场投资获取收益。

（二）网络金融的定义与特征

网络金融，又称电子金融（e-finance），从广义上讲，就是以网络技术为支撑，在全球范围内的所有金融活动的总称。它不仅包括狭义的内容，还包括网络金融安全、网络金融监管等诸多方面。它是指传统金融与现代信息网络技术高度紧密集合而形成的一种新的金融服务形态[3]。随着网络成为人们生活中的一部分，网络金融也以移动支付、众筹、P2P风险管理等新型金融产品的方式涌入大家的视线。与传统金融相比，网络金融在大数据操作平台、构建征信体系、市场参与者、创新信贷产品、信贷风险管理、降低运行成本等方面存在着自身一些独有的特点。

二、网络金融的风险分析

网络金融风险主要归结为两类：一是网络金融信息化技术造成的技术风险；二是基于网络金融业务本身带来的经济风险。前者是一把“双刃剑”，发达的信息技术既促进网络金融繁荣发展，同时又带来巨大的安全隐患。它会带来网络金融的数据如何保证不被泄露，支撑网络金融的各项IT技术能否被正确选择应用、能否与原有系统保持兼容、否则会带来怎样的经济损失等问题，例如，IT技术跨地域兼容、业务流程复杂的跨境移动支付的风险管理等问题[4]。后者同样有利有弊，总体看利大于弊。网络金融打破了原有金融既定模式，推动了整个金融业利用网络基础设施迅速奔向混业经营，各种金融创新眼花缭乱，金融全球一体化发展呈现不可逆转之势。由于网络金融数据信息传递高速、海量且不受地域时空限制，网络金融业务会对金融风险的发生产生放大作用，一旦控制不力，造成的危害范围之广、程度之深，以至于其后果可能难以估计。网络金融的风险呈现出新的形式和内容，在大数据与云计算、数据挖掘、机器学习与人工智能开始盛行于金融领域的今天[5]，显然我们要积极利用这些先进技术对网络金融风险进行预警、评估、控制，这不仅能管控网络金融新风险，又能对传统金融风险管理方式进行优化和升级。

三、基于大数据的网络金融风险管理体系

各种金融行业内部业务网络与互联网融合交织在一起，构成了复杂、多维、实变、跨域的网络金融环境。置身于如此复杂的网络环境中，金融业务如何实施有效的风险管理，保障金融资产和业务的安全运营，无疑是网络金融发展的核心关键。本着“化繁就简，去粗取精”，网络金融风险管理主要是处理好两方面的问题：一是网络金融的征信风险管理；二是网络金融的反欺诈行动。征信与反欺诈几乎贯穿了所有的网络金融业态的需要，征信主要起到了评估借款人信用高低以及其及时还款的可能性；而反欺诈则是要辨识申请人的身份真伪、申请材料是否真实有效，以及是否为有组织的团伙欺诈犯罪的作用。因此，反欺诈和征信对于降低借贷平台信贷风险起到了互补的作用。目前，解决征信和反欺诈风控问题的最新、最高效的办法，就是引入大数据技术构建网络金融的风险管理体系，并付诸于实施。

（一）基于大数据的网络金融征信风险管理体系

征信就是指专业化、独立的第三方征信机构通过依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，为放贷机构的风险管理提供信息支持的活动。尽管央行征信系统不对外开放，但从官方表态来看，央行是支持互联网金融发展的，央行并不阻止民间非官方组织发展征信业务。因此，从公司开发应用征信系统的角度出发，本文研究设计基于大数据的网络金融风险管理体系，该体系并非是类似央行的征信系统，央行的征信体系作为国家机密是无法获知的。该体系主要针对网络金融市场的，通过采取事前风险预防、事中风险监控、事后风险分析三阶段一体化风险管理方式，从而实现全覆盖、可预测、联防联控的大数据网络金融风险管理体系，详见图1所示。endprint

（二）基于大数据的网络金融反欺诈体系

金融欺诈风险和信用风险有着本质的不同，欺诈风险具有主观性，是客户由故意采取的主动行为带来的风险。本文研究的是基于大数据的网络金融反欺诈体系，同理，配套上述的网络金融征信风险管理体系也采取事前风险预防、事中风险防控、事后风险处理与分析三阶段一体化的风险管理方式，通过教育客户安全预防、风险技术防控、风险模型防控、风险处理与分析层层防控，以大数据技术为基础手段，采取智能化面对复杂化计算模型，构建网络金融的反欺诈风险管理体系，详见下图2所示。

四、政策建议

（一）大力加强我国金融科技自主知识产权的保护

知识产权保护是为了更好地应用科技成果转化，为此必须要加强知识产权应用机制的合理有效运行。知识产权保護机制的强化，一定离不开对侵权行为的打击，打击盗版侵权行为是对创新创造者权益者最有效的保护。要积极开展知识产权金融服务来真正帮助创新主体降低技术转让成本，提升转化效率。另外，加强知识产权保护来吸引人才，本身也是一种激励机制，通过调整专利资助政策，切实提升专利含金量。

（二）构建依托互联网+大数据、云计算、智能数据挖掘等新金融科技体系

新金融科技体系中最为突出的是互联网金融，互联网金融是金融服务机构渠道和模式上的创新工具。随着金融机构、运营商、手机企业等快速进入移动支付领域，其配套政策环境将逐步完善，移动金融服务机构在行业大发展的拐点已初露端倪；大数据、云计算在金融生产环境中的深度应用，更具创新力的云管理服务平台将在金融行业成为大势所趋。因此，通过构建依托互联网+、大数据、云计算、智能数据挖掘等新金融科技体系[5]，推动金融新服务业创新发展，借助新金融科技体系的支撑，可以实现借船出海，引领金融创新发展。

（三）加强基于大数据的网络金融应用人才和监管人才培养

基于大数据网络金融应用人才方面的需要，不但包括领军人才、顶尖科研团队的吸引与培养，更应该关注能够帮助技术扩散、落地而必需的职业培训、专业技能全方位的人才培养。具体措施包括：（1）加快创新型科技人才培养与引进，完善创新创业人才培养支持体系[6]；（2）建立市场为主体的人才合作机构；（3）积极引进政策重点支持领军及各类高端人才；（4）强化金融职业培训、金融工程分析师、金融科技管理人才培训。endprint