浅析非法金融放贷的内涵与防控

李勇狄 周颖 程露

近年来，以获取非法高额回报为目的的非法金融活动越来越猖獗。这些非法金融活动往往嫁接互联网，游离于金融监管之外，打着普惠金融的幌子，将魔爪伸向涉世未深的未成年人、在校大学生和农民工，伴以畸高的贷款利率，如“利滚利”“砍头息”等，给借款人带来巨大的偿债压力，引发了不少社会悲剧和不良现象。同时，有组织的非法金融放贷活动，往往是黑恶势力的重要经济来源之一，其催债行为不可避免地伴随着恶劣性与暴力性，容易发生因强行索要债务而滋生其他违法犯罪活动，甚至严重影响正常的社会和金融秩序。这些非法金融放贷活动所表现出的群体化、职业化、复杂性与隐蔽性，给金融机构的洗钱风险防控带来了新的挑战。

非法金融放贷所处的政策环境

所谓非法放贷，从字面理解就是指未经法律许可或者违反国家金融管理规定，擅自从事发放贷款的行为。本文探究与金融领域相关的非法放贷行动，即非法金融放贷。由“现金贷”“校园贷”等披着网贷平台外衣的非法金融放贷，以及黑恶势力盘踞的“套路贷”等高利放贷，正逐步演变为“不断突破底线的放贷行为和收债行为”，严重扰乱了社会秩序，甚至危及国家金融安全。党中央和领导层正是意识到了问题的严重性，通过布局“两条主线”来打击此类非法金融放贷活动。

以防范化解重大风险为导向，推进互联网金融领域风险治理

互联网金融的蓬勃发展给了非法放贷分子可乘之机，非法金融放贷行为“摇身一变”就伪装成了科技企业的创新行为。自2015年7月人民银行等十部委发布《关于促进互联网金融健康发展的指导意见》以来，互联网金融领域专项整治的熊熊烈火就烧了起来;2016年4月，人民银行、银监会分别牵头成立了互联网金融风险专项整治与P2P网络借贷风险专项整治两个专项整治工作组，统筹互联网金融领域的风险治理;2017年4月，专项整治工作的重点进一步聚焦“现金贷”业务，出台了多个关于“现金贷”整治的规范性文件。

与此同时，2016年中央经济工作会议提出了“把防控金融风险放到更加重要的位置”的总体要求，2017年党的十九大将“防范化解重大风险”列为三大攻坚战之首。从2017年4月起，《中国银监会关于银行业风险防控工作的指导意见》（银监发〔2017〕6号）将互联网金融风险治理工作纳入“防范化解重大风险”攻坚战的行动范畴，监管机构持续发文强化了对“校园贷”“现金贷”业务的风险治理，并陆续制定了关于网络借贷的规范性、纲领性文件。

以金融放贷领域为重点打击目标，助力常态化“扫黑除恶”行动

自2018年初中共中央、国务院发布《关于开展扫黑除恶专项斗争的通知》以后，轰轰烈烈的三年期“扫黑除恶”专项斗争就拉开了序幕。从“打黑除恶”到“扫黑除恶”的一字之差，深刻体现了中央彻底铲除黑恶势力的决心。同年，“两高两部”（最高人民法院、最高人民檢察院，公安部、司法部）制定了《关于办理黑恶势力犯罪案件若干问题的指导意见》（法发〔2018〕1号），明确提出要“依法打击非法放贷讨债的犯罪活动”。2019年4月，“两高两部”又出台《关于办理“套路贷”刑事案件若干问题的意见》强调了严惩“套路贷”犯罪的若干规定。

在金融领域，银保监会于2018年发布了《中国银保监会关于银行业和保险业做好扫黑除恶专项斗争有关工作的通知》，该通知作为金融领域扫黑除恶行动的总纲领，明确提出“要重点打击非法设立从事或主要从事发放贷款业务的机构或非法以发放贷款为日常业务中的下述行为”。

随着扫黑除恶专项行动的不断深入，金融放贷领域逐渐成为行动的重点打击对象。2020年，根据全国扫黑除恶专项斗争领导小组第9次会议精神，人民银行、银保监会、公安部牵头成立金融放贷行业专项整治领导小组，各地纷纷发起了关于非法金融放贷的排查与全面整治工作。2021年5月，中共中央办公厅、国务院办公厅印发了《关于常态化开展扫黑除恶斗争巩固专项斗争成果的意见》，将金融放贷活动列在了重点领域监管对象的首位，预示着金融放贷行业的整治工作将面临长期且严峻的挑战。

非法金融放贷与民间借贷的边界博弈

非法金融放贷机构总是通过先将资金转移到个人账上，再由个人账户实现资金放贷的方式，客观上形成民间借贷假象，以此掩盖非法金融放贷的经营性与职业性，可见民间借贷和非法金融放贷在一定程度上存在着边界认定的难题。而我国在此期间的行政监管正是经历了禁止期、宽松期和强化监管期，金融司法伴随着行政监管政策的演变，对非法金融放贷的界定也出现了周期性特征，其本质正是非法金融放贷与民间借贷的司法边界博弈过程。

始于严格禁止期（1995～2001年）。1995年的《商业银行法》和1998年的《非法金融机构和非法金融业务活动取缔办法》就对非法放贷行为做了明确的禁止性规定，2001年《关于以高利贷形式向社会不特定对象出借资金行为法律性质问题的批复》也体现出这一时期“一刀切”的禁止性特征。

经历适度宽松期（2002～2016年）。进入千禧年以后，国家开始了关于小额贷款公司、消费金融公司的探索与尝试，甚至鼓励与引导民间资本进入银行业，并在温州开展民间借贷合法合规化的改革试点与探索，这一时期的金融司法是相对宽松的。

步入强化监管期（2017年至今）。近年来，同时在“防范化解重大风险”和“扫黑除恶”的双重高压打击下，金融司法亦步入了强化监管期。2019年10月，“两高两部”出台了《关于办理非法放贷刑事案件若干问题的意见》，明确非法金融放贷的量刑入罪规则;同年的《九民纪要》（最高人民法院印发的《全国法院民商事审判工作会议纪要》）明确了高利转贷与职业放贷人的非法特性;2020年8月，最高人民法院发布了《关于审理民间借贷案件适用法律若干问题的规定》的第二次修正，进一步细化了民间借贷合同的无效情形。

从司法演变过程来看，非法金融放贷与民间借贷的司法边界由曾经的混沌状态，逐渐变得更加独立、清晰与明确。

关于识别非法金融放贷的方法探究

商业银行作为金融行业的从业主体，应积极从实践案例中研判各类业务形态所表现出的特征，探索建立防范非法金融放贷行为的长效举措，总结出一套通过放贷主体的合法性、借款主体的适当性、资金来源的合规性、借款利息的合理性、催债行动的非暴力性等视角来识别非法金融放贷行为的方法论。

放贷主体的合法性。根据放贷主体分类为法人与自然人，法人需判断是否具备金融放贷的经营范围，即使是持牌的放贷机构，也要根据《关于规范银行业金融机构异地非持牌的指导意见》等制度判断是否存在超出展业范围经营的情况;如为自然人，需判断是否向不特定对象发放贷款，是否已被纳入职业放贷人名录。

借款主体的适当性。主要分析借款主体是否为在校大学生，是否为合法的民事行为主体，是否无指定用途发放贷款，是否存在其他不符合贷款资质的情形。

资金来源的合规性。主要判断放贷主体或其关联主体是否同时存在非法集资行为，放贷主体及其关联主体是否在本行或其他金融机构尚有存续贷款或新发放贷款的情形。

借贷利息的合理性。重点判断放贷主体的放贷利率是否超过了《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》中关于利率的上限规定，如放贷利率是否高于最近一期LPR的4倍等。

催债行为的非暴力性。关键应判断放贷主体是否存在涉黑性质，是否采取一些非法手段来向欠款人追讨债务，如：是否在上午8：00至下午9：00以外的时间进行催收;是否存在以电话、短信轰炸、恐吓、威胁等手段，以骚扰家人、朋友、公开侮辱、损毁名誉、拘禁、殴打等暴力形式催收。

基于科技金融数据建模的防控机制

以杭州银行宁波分行为例。基于非法金融放贷识别的方法论，该行逐步建立起一套由自上而下的组织管理、科技金融数据建模、广泛开展公共宣传、定制化的全域风险排查等组成的识别与防控非法金融放贷的流程机制。其中，运用科技金融手段构建起全量监测模型体系是该行的主要管控抓手。

职业放贷人内嵌模型

该模型属于放贷主体阻断类模型，通过内嵌至该行的预警模型体系产生作用。一旦识别到职业放贷人进入到该行账户体系，并且进入信贷申请流程，该模型将直接以流程阻断的方式避免套取该行信贷资金行为发生。模型的建立步骤如下：

集思广益，捕捉司法信息。2018年浙江省六部门联合发文的《关于依法严厉打击与民间借贷相关的刑事犯罪强化民间借贷协同治理的会议纪要》中明确要求，各地人民法院需建立“职业放贷人名录”。该行敏锐地捕捉到这一信息，通过一场激烈的头脑风暴后，决定着手纳入预警监控信息。

全渠道收集，获取全量信息。职业放贷人名录的收集是一项巧妇难为无米之炊的工作，宁波、温州、舟山三市的区县级法院各自发布名录，涉及法院达到25家，部分法院未在互联网公开披露。该行通过法院官网、新闻资讯类网站、微信公众号等多种渠道，最终搜集并建立了较为全面的职业放贷人名录。

构建模型，地毯式排查。由于名录信息涉及个人隐私，各地法院隐藏了部分证件信息，且不同的法院隐藏字段部位不同，如镇海区法院隐藏职业放贷人身份证号码后8位，而北仑区法院隐藏职业放贷人身份证号码中间8位，该行通过反脱敏技术，将职业放贷人名录与各业务系统客户资料进行综合比对，初步筛查出涉及的职业放贷人信息。

动态更新，内嵌式预警。为建立对职业放贷人预警的长效机制，该行定期上网更新收集职业放贷人信息，建立VBA批量自动化处理程序，通过数据清洗、反脱敏、格式转化等技术操作，将信息纳入全行风险预警系统，使职业放贷人预警信息内嵌入信贷风险控制流程，提高事前预警、事中阻隔的时效性。

高利转贷机构监测模型

该模型属于借款主体识别类模型，高利转贷是近年来金融领域重点打击的非法金融放贷行为，还款能力欠佳或者出现流动性錯配的企业，往往会选择由转贷机构转贷。该行通过模型设置，在交易流水中监测是否存在高利转贷情形，及时将识别情况通报给信贷业务“三查”人员，经由人工资金分析再确定是否介入流程干预。模型构建分为如下两个子模块，子模块之间呈串联关系：

转贷行为设计子模块。该模块主要用于监测信贷客户还款前或放款后是否存在短期内大量资金来自或流向转贷机构的情况，如在贷款发放后7天内，50%以上的贷款资金流向，名称中包含“投资”“担保”“贷款”“信托”“融资”“小贷”“资产”“资金”“典当”等的交易对手;或是贷款还款前7天内，50%以上的还款资金来自于此类交易对手。

放贷对象不特定性子模块。通过前一模块跑批获得的转贷机构清单后，再通过交易对手字段反向排查转贷机构与信贷客户往来情况，统计转贷机构与信贷客户往来的客户数、资金量等，据此判断转贷对象是否符合不特定性特征。例如，同一转贷机构在该行转贷客户4户（含）以上、转贷金额汇集量在200万元以上等。

经过上述两个子模块筛查后的预警信息将被推送至相应信贷业务经办人员，并根据高利转贷机构特征作进一步的资金流水分析，判断是否存在利息远高于4倍LPR利率的情况，决策是否采取事中干预措施。

套路贷识别模型

该模型属于资金画像监测类模型，基于“套路贷”的资金流入流出特征，以及高利息的主要表现，该行设计出了套路贷识别模型。模型由三个子模块组成，子模块间互呈并联关系。

特殊附言交易是否触碰阈值模块。该模块主要用于识别含有特殊交易附言的对私账户，如交易附言中包含“放款”“放贷”“借款”“出借”等敏感词汇，而同时短期内累计交易金额及累计交易笔数达到一定阀值，如7天内累计交易金额为300万元（含）以上，累计交易笔数在5笔（含）以上。

账户流入流出呈现砍头息特征模块。该模块重点监测短期内账户累计出入账金额及特殊交易附言交易是否触发阈值，如10天内累计入账金额为10000元（含）以上金额，同时交易附言包含“房屋交易暂扣款”“车抵押”“购房定”“车钱”“押车”“奔驰”“买房用”“车型借款”等敏感词汇，且入账交易金额占总入账金额的比例在30%以上。

账户资金分散转入集中转出模块。该模块设计用于监测短期内流入流出资金比例是否符合高利贷特征，流入流出资金比是否触发阈值，如转入笔数与转出笔数之比为3倍以上，累计转出金额为50万元（含）以上，并且流入流出资金比范围在90%至110%之间等。

除上述三类主要的非法金融放贷监测模型外，该行另设计了多种辅助类监测模型，如非法集资类监测模型、员工行为类监测模型。尤其是员工行为类监测模型，重点筛查员工是否参与转贷机构、第三方助贷机构、组织民间借贷等非法行为，根据红旗标志法设置员工征信贷款、对外担保、工商排查、与客户异常资金往来等行为类型的监测阈值，一旦触碰阈值即可对相应员工打上红旗标志，纳入员工參与非法金融放贷行为的重点监测对象。

未来的延伸与展望

正如中央关于常态化扫黑除恶斗争意见中所传达的，金融放贷行业的风险治理将是一项长期坚持不懈的工作，也是金融领域洗钱风险防控的持续高压地带。运用大数据、人工智能等科技金融手段开展非法金融放贷的识别与监测，有助于更广泛地化解与防范金融放贷行业的风险治理，为完善未来日常经营管理提供可借鉴的方向。如何在现如今科技金融蓬勃发展、大数据海洋百舸争流的大势下占据高地，笔者认为可从以下方面着手。

流程控制需更内嵌化。应通过RPA（软件机器人）、python等人工智能技术，通过外网、征信、第三方数据提供商等渠道，更广泛地抓取法院裁判文书信息、法院开庭公告、诉讼受理信息，以及职业放贷人、涉黑、涉黄、涉毒人员信息等，并内化为银行风险预警信息纳入全域业务管理系统，直接参与或辅助审批、决策、分析、统计、调研等行内流程的运作。

数据监测需更实时化。除传统的模型监测外，完善针对特定对象的实时监测，如：对于疑似放贷主体，平台类法人机构、投资机构、新型P2P平台等，实时监测交易附言是否存在“借款”“还款”“抵押”等敏感词汇;对于疑似借款主体，如学生客户、重点关注客户，除实时监测交易附言中的敏感词汇外，定期监测征信报告中是否出现涉诉、异常对外担保、小贷公司、消费金融公司贷款等异常情况。

员工排查须更系统化。通过构建覆盖全域员工的行为管理系统，加强对员工行为的系统化管理，扩大红旗标志的监控范围。除了传统的对员工负债情况、工商情况、涉诉情况的监测外，为更好地排查员工个人物品，可进一步开发局域网内文件监测工具，对处于局域网节点中的员工电脑文件进行不定期排查，存在可疑文件的员工将被打上红旗标志。

（作者单位：杭州银行股份有限公司宁波分行）