浅谈P2P 网络借贷大数据风险控制体系的构建

陈宏本

（哈尔滨工大集团，哈尔滨150001）

随着中国消费信贷规模持续攀升，互联网金融成为我国中小企业的主要融资渠道，成为实现普惠金融目标的重要途径，其中P2P 网络借贷规模最大。2010 年，纯信用无抵押平台拍拍贷是我国网贷行业正式开启的标志，之后P2P 网络借贷新金融在国内快速发展，众多中小微企业和客户群体从网贷获取资金支持业务活动或是开展三农服务。发展到2016—2017 年，P2P 运营平台数增多，且客户群体逐渐攀升，到2019 年3 月底，全国网贷平台为6 617家，累计成交量高达8.33 万亿元，全年成交量在快速增长。随着P2P 网络借贷非法集资、跑路、自融、高利率等现象频频出现，对网络借贷平台进行风险管理的呼声也不断提高。P2P 网贷行业属于数据密集型产业，支付转移、资金池等风险频发，建立大数据风险控制体系能有效防止资金转移，动向监控资金，降低违约风险。

一、P2P 网贷存在的风险

（一）信用风险

P2P 网络平台大多是无需抵押和担保的信用贷款，与商业银行相比，在借贷管理方面存在明显的劣势，使资金面临更大的流动性风险。如果转贷模式P2P 网络借贷平台经营不慎，不能将资金需求方的债权顺利承接到资金供给方，就会出现网贷平台流动资金不足，导致资金链条断裂，造成类似银行的挤兑风波。

（二）集资风险

2014 年，在非法集资部际联席会议上银监会对P2P 网贷涉及非法集资做出四个限定：第一，平台必须是中介性质；第二，平台不得自行提供担保；第三，不得归集资金搞资金池运作；第四，平台不得非法吸纳公众存款。但实际上，如果投资人的资金投向不透明，无法实现资金供给方与资金需求方的明确匹配；P2P 网贷平台发布虚假标的或者通过发布自融性质的标的夸大网贷平台规模，欺骗资金供给方；或者通过借新还旧的方式，不断欺骗社会公众投入资金，使平台资金规模扩大，会面临更大的风险。

（三）“洗钱”风险

“洗钱”罪是下游犯罪，是由上游犯罪提供“清洗”资金，以P2P 网贷平台为场所利用支付漏洞进行洗钱活动，如果P2P 网贷平台牵扯到“洗钱”上游犯罪，自然会用掩饰、隐瞒犯罪所得的来源和性质的“洗钱”需求。P2P 交易的主要交易主体为资金需求方、资金供给方和P2P 网贷平台。在第一环节，资金供给方在放置离析阶段，将“黑钱”投入P2P 交易中，利用在网贷平台投标交易，将资金化整为零分散成不同额度的资金借出，减少可疑程度。第二环节融合阶段，资金供给方采取绑定多个银行账号的方式，模糊资金路径，通过任一银行卡账号提现，使资金活动复杂化。目前P2P 平台的设立门槛极低，P2P 平台对资金来源、去向的关注相当有限，相应的监管措施也不到位，给“黑钱”进入P2P 平台交易以可乘之机。

二、大数据用于网贷平台管理的优势

大数据可以将网贷平台原有的功能价值转变成数据价值，将其隐蔽性、时滞性造成的问题转化为明确预见性。大数据用于网贷平台管理的优势有以下三点。

第一，贷前大数据对信息的收集与数据的整理，从因果关联到相关性研究，使确定性到概念性实现各类数据的完整，使贷款全流程实现集中式风险控制。利用数据与预测算法提升风险控制防控，精准定位客户的投资需求与倾向，提高了网贷审批的速度。

第二，大数据能够对贷中的授信、客户监控等优化监测流程，降低贷后的异常客户与还款及时性等违约风险，识别客户的异常行为，及时做出预警信号。大数据还可增加网贷平台的客户群数量，挖掘新客户和留住旧客户，提高了服务质量。

第三，大数据分析技术能做到为平台精准定位和精准营销，开展产品的优化推荐与投放。利用模型监测客户的APP 浏览痕迹，以原有的产品服务跟踪客户详尽的数据，提供合理的服务，做到精准投资。挖掘已有或是潜在的借款人，做到精准、严谨和高效的借款人审核。

三、P2P 网贷大数据风控管理体系构建

（一）大数据助力信用评级

引发信贷风险主要原因在于投资者与借款者的信息不对称。投资者与借款者均是通过网贷信息中介完成交易，交易双方基本属于匿名交易，因此信息不对称的风险更大。英美等国对P2P 网贷市场投资者和借款者的资格审核相当严苛，信用评级方法也不尽相同。在大数据助力的良好征信环境下，因信息不对称带来的道德风险与逆向选择风险较低。

（二）多途径分散风险

平台风险分散的方式是客户资金不入公司账号，资金托管于第三方账户。在复合型中介、营利性中介、非营利性中介等P2P 运营模式中，其各自采用的风险分散方式有所不同。有的利用WebBank 审核、发放贷款等，再将收益权凭证转让给平台，实现银行发放贷款、平台进行资产证券化再出售，利用两个环节分散风险。有的非营利性平台采用“批量出借人+小额借贷”的运营模式将出借人的资金进行分散，由当地的小额贷款公司寻找、跟踪和管理企业、支付和收集贷款等业务，充分利用各家公司的优势开展网贷业务。

（三）大数据风控管理

P2P 网贷平台依据大数据进行风险控制，建立数据核心、数据价值、关注效率进行大数据风险控制，建立覆盖网贷行业的“贷前、贷中和贷后”全方位、全流程的各个流程的风险防控体系。国外典型P2P 平台充分利用大数据信息评级系统甄别客户，有效识别客户的信用等级与还款意愿，这些平台拥有发达的网络安全保障技术、严格的反诈骗和身份审核制度，预估不同信用等级的坏账率供贷款者参考。各国网贷平台用快速与机械的边界选择企业模型、断定企业信用的信用模型以及人工的评估模型三重风控体系，充分利用社会网络信息融合风控模型；严格要求会员对贷款的详细信息、借款数量、还款情况等进行动态信息披露。这种持续动态的信息披露机制能有效降低信息不对称程度，从而进行风险控制管理。

（四）加大P2P 网贷平台创新

引导P2P 网络借贷平台在资源整合过程中合理适度竞争和持续深化创新，支持优胜劣汰，做大做强。鼓励金融从业经验丰富的人员充实到P2P网贷平台等互联网金融领域，发挥他们金融业务扎实的优势，为高风险、系统性的P2P 网贷行业规范经营打下人力资源基础，推动P2P 网络借贷行业的健康发展。

目前，我国大多平台都在积极推动数据化风险控制模型的建设。如神州融大数据风险控制借贷国外信贷工厂的理念涵盖贷款的审批、账务、催收等多个系统建立的“微金融信贷管理云服务平台”。博金贷研发的博金云风险控制系统的风险控制管理部分为现场勘查、大数据中心和风险控制技术，布局金融科技领域。多维度数据如出现异常还款账户，将进行关系人核查、多重借贷和关联分析等进行身份、信用、负面、还款、行为和社会等挖掘并形成报告，通过各类评分风险控制模型进行评。以此完成个人和企业信用数据分别为180 多项和300多项的“数据收集分析———白名单行为——主动营销获客——调查评级——合同签署放款——贷后管理”风险控制流程。数据化风险控制模型有助于加强平台与企业和社会的关联度，根据数据报告采集，从而断定风险情况，提高风险评级准确度。

构建网贷的大数据风险控制体系需要关注以下问题：第一，注重大数据征信体系搭建，网贷平台应对接央行或者第三方征信机构，尽可能确保客户拥有相应的征信数据，且针对征信、大数据等制定相关法律制度。第二，平台大数据使用中必须注意数据的维度、提取与真实性问题。第三，客户信用等级和互联网技术问题。

网贷行业大数据风险控制体系构建是一项长期而艰巨的工作，需要完善制度，推行征信机构许可和大数据技术运用，关注客户信息的衔接与维度；共享机制的平台建设，使数据来源渠道和征信机构多样，实现客户信息的统一和真实。这需要各方协调配合实现共享，才能真正达成目标。