论文部分内容阅读
摘要：随着P2P网贷行业的高速发展，不断给金融行业带来创新和挑战，但是由于征信体系、指标评價体系和个人信用信息的不完善等问题，不断增加P2P网贷平台的风险。文章基于对国内网贷平台的信用风险来源进行分析，提出利用大数据技术对个人信用进行风险评估。通过构建共享平台，完善征信体系，解决信息不对称问题，建立信用预警和实时反馈系统，及时披露信息，有效防范市场风险。
关键词：大数据；P2P网贷；信用风险；大数据
一、引言
根据网贷之家发布《P2P网贷行业2017年12月月报》显示，本月新增平台数量42个，正常运营平台数量为1954家，提现困难9家，停业和跑路新增32家，累计问题平台数量为4008个。针对问题平台产生的违约损失风险，研究由借款人发生违约对平台发展的影响问题，运用大数据技术进行风险控制。
二、个人信用风险来源
1.征信系统不完善引发的信用风险：我国个人征信体系起步晚、信用评价不完善，当前信用评价体系侧重于个人基本信息和财务信息，很少对个人的未来发展做出评估，因此很难做到精准而全面的评定信用等级和信用能力。在资源共享方面，P2P网贷平台很难共享央行的征信系统资源，网贷平台之间为了自身的利益考虑，也不愿意与同行业平台共享信息。目前国内还没有专业机构针对P2P网贷平台中借款人风险进行全面的评级，各网贷平台存在评估范围不够全面，评估方法不透明，并且没有权威机构验证其科学性和规范性等问题。
2.信息不对称引发的信用风险：现阶段，P2P网贷平台的出借人获取借款人信息渠道只能通过平台的披露，交易双方中的任何一方都未获得完全清楚的信息。借贷双方的信息不对称使得借款人掌握更多的交易信息而处于有利地位，从而容易产生道德风险和逆向选择问题。信息不对称主要发生在三个阶段：贷款前主要是在获取信息源的不对称；贷款中主要是还款过程中的出现的逾期和违约信息不对称问题；贷款后主要是违约发生后出借人很难获得事情的跟踪信息。
3.信息的时效性和完整性引发的信用风险：网贷平台对借款人的持续信用等级评估，主要基于是否存在违约行为作为主要披露指标，然而借款人会较少更新个人信用变更情况和贷款详细使用情况。平台获取的还款信息主要依赖于日常交易记录，同时对信息的披露存在滞后性，不少平台会基于自身发展的考虑，进行选择性的披露信息。
三、大数据征信与P2P个人信用
大数据征信是指运用大数据技术重新设计征信评价模型和算法，通过多维度的信用信息考察，形成对个人、企业、社会团体的信用评价。大数据技术优势，首先，在于可以处理多维度数据，处理大量的历史数据，处理跨度较大的行业数据。其次，实现计算机自动化学习分类，动态实时审批，基于人工智能更新速度快，有效解决冗余问题。最后，大数据的技术算法、模型、规则、协议是公开和客观的，这就对信息的筛选和评估提供了更高的可靠性。在大数据环境下，将分散在不同信贷机构、碎片化的局部信息，加工融合成为具有完整视图效果的全局信息。目前已经应用于贷款前的评估和预警，其中信用风险控制是大数据风控的关键内容。
四、大数据风控策略
1.完善大数据共享平台：现阶段，央行征信系统与互联网征信系统的数据平台尚无法对接，信息共享难。建立一个整合央行征信体系，电商企业的客户网络数据，P2P企业的征信数据库和专业征信机构的数据库，形成多指标、多模型联合评估。推行信用信息一站式查询，建立守信联合激励、失信联合惩戒机制。制定统一的征信数据标准和格式，规范化和融合多类型的数据，打破资源部门间的信息孤岛，形成整体风险导向和高效准确的评估能力。
2.运用大数据技术定量分析：大数据征信首先对个体状况进行分析，个人基本信息、财务状况信息、其他信用信息等以此来评估客户的基本信用情况，利用数据挖掘技术进行搜索与分析，评定客户的信用等级。其次是分析客户社交网络行为，利用社交网络平台进行数据采集和分析，为信用评价提供全面参考。然后是分析客户网络购物行为，通过分析电子商务平台上的客户交易，分析出其消费水平、消费偏好、还款能力等，评估违约发生后的违约损失成本。
3.搭建预警和反馈系统：信用风险预警模型设计涵盖内容为“目标功能的设定——风险因子的归纳——数据的采集和整理——选择合适的模型——模型的评价和应用——模型不断改进和维护”，基于上述过程构建相应风险预警模型，具有监测、追踪、预警、评估风险的能力。利用系统提供的精准、高效、实时的监测信息，合理的控制P2P网贷平台的信用风险和经济风险等。
五、结论
利用大数据技术搭建信息共享平台能有效解决信息共享机制的不健全问题，大数据的定量分析技术能对个人信用进行准确的评价，构建的预警和反馈系统能及时有效的进行监测个人信用风险的动态变化，大数据技术能有效防范市场风险，同时为平台监管和政策制定提供指导性建议。
关键词：大数据；P2P网贷；信用风险；大数据
一、引言
根据网贷之家发布《P2P网贷行业2017年12月月报》显示，本月新增平台数量42个，正常运营平台数量为1954家，提现困难9家，停业和跑路新增32家，累计问题平台数量为4008个。针对问题平台产生的违约损失风险，研究由借款人发生违约对平台发展的影响问题，运用大数据技术进行风险控制。
二、个人信用风险来源
1.征信系统不完善引发的信用风险：我国个人征信体系起步晚、信用评价不完善，当前信用评价体系侧重于个人基本信息和财务信息，很少对个人的未来发展做出评估，因此很难做到精准而全面的评定信用等级和信用能力。在资源共享方面，P2P网贷平台很难共享央行的征信系统资源，网贷平台之间为了自身的利益考虑，也不愿意与同行业平台共享信息。目前国内还没有专业机构针对P2P网贷平台中借款人风险进行全面的评级，各网贷平台存在评估范围不够全面，评估方法不透明，并且没有权威机构验证其科学性和规范性等问题。
2.信息不对称引发的信用风险：现阶段，P2P网贷平台的出借人获取借款人信息渠道只能通过平台的披露，交易双方中的任何一方都未获得完全清楚的信息。借贷双方的信息不对称使得借款人掌握更多的交易信息而处于有利地位，从而容易产生道德风险和逆向选择问题。信息不对称主要发生在三个阶段：贷款前主要是在获取信息源的不对称；贷款中主要是还款过程中的出现的逾期和违约信息不对称问题；贷款后主要是违约发生后出借人很难获得事情的跟踪信息。
3.信息的时效性和完整性引发的信用风险：网贷平台对借款人的持续信用等级评估，主要基于是否存在违约行为作为主要披露指标，然而借款人会较少更新个人信用变更情况和贷款详细使用情况。平台获取的还款信息主要依赖于日常交易记录，同时对信息的披露存在滞后性，不少平台会基于自身发展的考虑，进行选择性的披露信息。
三、大数据征信与P2P个人信用
大数据征信是指运用大数据技术重新设计征信评价模型和算法，通过多维度的信用信息考察，形成对个人、企业、社会团体的信用评价。大数据技术优势，首先，在于可以处理多维度数据，处理大量的历史数据，处理跨度较大的行业数据。其次，实现计算机自动化学习分类，动态实时审批，基于人工智能更新速度快，有效解决冗余问题。最后，大数据的技术算法、模型、规则、协议是公开和客观的，这就对信息的筛选和评估提供了更高的可靠性。在大数据环境下，将分散在不同信贷机构、碎片化的局部信息，加工融合成为具有完整视图效果的全局信息。目前已经应用于贷款前的评估和预警，其中信用风险控制是大数据风控的关键内容。
四、大数据风控策略
1.完善大数据共享平台：现阶段，央行征信系统与互联网征信系统的数据平台尚无法对接，信息共享难。建立一个整合央行征信体系，电商企业的客户网络数据，P2P企业的征信数据库和专业征信机构的数据库，形成多指标、多模型联合评估。推行信用信息一站式查询，建立守信联合激励、失信联合惩戒机制。制定统一的征信数据标准和格式，规范化和融合多类型的数据，打破资源部门间的信息孤岛，形成整体风险导向和高效准确的评估能力。
2.运用大数据技术定量分析：大数据征信首先对个体状况进行分析，个人基本信息、财务状况信息、其他信用信息等以此来评估客户的基本信用情况，利用数据挖掘技术进行搜索与分析，评定客户的信用等级。其次是分析客户社交网络行为，利用社交网络平台进行数据采集和分析，为信用评价提供全面参考。然后是分析客户网络购物行为，通过分析电子商务平台上的客户交易，分析出其消费水平、消费偏好、还款能力等，评估违约发生后的违约损失成本。
3.搭建预警和反馈系统：信用风险预警模型设计涵盖内容为“目标功能的设定——风险因子的归纳——数据的采集和整理——选择合适的模型——模型的评价和应用——模型不断改进和维护”，基于上述过程构建相应风险预警模型，具有监测、追踪、预警、评估风险的能力。利用系统提供的精准、高效、实时的监测信息，合理的控制P2P网贷平台的信用风险和经济风险等。
五、结论
利用大数据技术搭建信息共享平台能有效解决信息共享机制的不健全问题，大数据的定量分析技术能对个人信用进行准确的评价，构建的预警和反馈系统能及时有效的进行监测个人信用风险的动态变化，大数据技术能有效防范市场风险，同时为平台监管和政策制定提供指导性建议。