互联网金融及其风险控制

互联网金融及其风险控制

一、互联网金融

随着互联网行业的不断发展，许多基于互联网的金融服务模式应运而生，并对传统金融产生了深刻的影响和巨大的冲击：余额宝的横空出世，P2P的迅猛发展等，给传统金融业带来了挑战，也带来了机遇。

互联网金融是传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。其主要业态包括互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融等。从互联网发展历程上看，互联网金融是依托大数据和云计算在开放的互联网平台上形成的功能化金融业态及其服务体系，是伴随着电子商务而迅速发展起来的，其核心资源是大数据，核心技术是云计算。

互联网金融具有很多的区别于传统金融机构的特征，包括资源开放化、成本集约化、选择市场化、渠道互联网化、运营高效化、用户行为价值化等。这些特点是传统金融所不具备的，也是互联网金融独特的优势，但是作为一个新生事物，其在发展过程中也暴露出一些问题，具体表现在以下几个方面：管理弱，行业内部自律松散，外部监管及法律规范的缺失.信用体系尚不完善、信用信息交换有困难、风险高。今年7月，十部委发布《关于促进互联网金融健康发展的指导意见》（银发〔2015〕221号）针对所暴露出的一些问题给出了指导意见。但是对于风险的研究还有待进一步深入。

二、互联网金融的风险

互联网金融作为互联网和金融相结合的新兴行业，其发展仍处于探索阶段，由于行业本身所存在的高风险特征，两者结合之后所存在的风险将比单个行业所存在的风险可能更大。具体来看，国内互联网金融发展主要面临的风险包括：

1.市场风险；由于便捷性和优惠性，互联网金融可以吸收更多的存款，发放更多的贷款，与更多的客户进行交易，面临着更大的利率风险以及价格波动风险；

2.操作风险；目前互联网公司在没有法律法规规范、监管政策监管等外部监控环境下，互联网企业仅是通过自律来经营金融业务，容易出现以下问题：为赢取不正当收入，一方面，

互联网公司提供的网络平台有公布虚假信息的可能；另一方面，网络平台未对客户实施实名制，对其借贷双方疏于管理，纵容或无视客户上传虚假信息进行欺诈的可能；

3.信用风险；网络金融平台公司在提供金融服务的同时，作为资金的募集者、发放者以及担保人都担当了一定的信用风险。由于这些网络金融平台公司缺乏成熟的风险评估体系与实操经验，在防范风险方面无法与商业银行成熟的运作模式相媲美，因此对借款人的信用风险难以有效控制；

4.流动性风险；有些网络金融平台公司对归集的资金以及贷出的资金没有进行合理的期限匹配，造成期限错配，届时资金投放到长期上从而无力周转短期到期需要偿还的资金，极易引发流动性风险；

5.声誉风险；互联网金融作为“草根金融”和传统银行格局下的搅局者，民营资本色彩浓厚；资本金不足，抵御风险与偿付能力较弱；缺乏长期数据积累，风险计量模型科学性有待验证。在金融行业这个以信誉度、诚信度、透明度为生存之本的行业，互联网金融缺乏传统国有银行或股份制银行中隐形的政府信用做担保和可靠的资本金补充渠道，因此天然地处于竞争劣势地位。

在互联网金融存在的风险问题上，有些学者也针对四种互联网金融模式存在的风险问题做出了相关研究，经整合汇总后如表2所示。

表1 互联网金融模式存在的风险

三、互联网金融的风险控制

由于各种风险是国内互联网金融面临的主要问题，因此加强风险管理、提高互联网金融企业的风险控制能力是我国互联网金融行业在发展过程中必须要建立的防线之一。目前，国内外关于互联网金融风险控制的研究大致可以分为防范和预警两个方面。

互联网金融风险的防范

为了使我国的互联网金融行业长期健康得发展，国内许多学者通过定性分析提出了完

善互联网金融风险防范机制的建议，包括基础设施建设方面、监管体系方面、征信体系、消费者保护等多个方面。

互联网金融风险的预警

所谓金融预警机制，主要是指各种反映金融风险警情、警兆、警源及变动趋势的组织形式指标体系和预警方法等所构成的有机整体，并且以经济金融统计资料为依据，以信息技术为基础，是金融风险防范的重要组成部分。如何判断和识别金融风险是金融风险预警机制的核心问题，这种风险的识别可以分为针对某一特定方面风险的具体识别，和基于整体信息给出的总体风险性水平等不同研究方向。随着信息技术的快速发展，结合收集的历史数据、结合数学指标、统计模型、数据挖掘等模型算法判断和识别金融风险，是当今金融风险预警机制中的研究热点。

从方法的角度来看，传统的金融风险预警方法主要有三大类：景气指数法、指标体系评分法和模型法。景气指数法是通过综合许多经济因素为一个或一组景气指数来发布经济动态走向，指标体系评分法是通过筛选指标、编制指标体系、给与指标赋分来给出金融安全状态的较为完整的评价，模型法是通过将与金融危机发生的相关因素纳入统计模型进行检验来预测金融危机发生的可能性[67][68]。目前国际较流行的风险危机预警方法主要为模型法，常用的模型包括 KLR 信号分析法、STV 截面回归分析、FR 概率模型分析、马尔科夫区制转换模型、神经网络模型等[69]。

对于传统金融行业来说，一些模型通过调整，起到了很好的风险预警效果，但是对互联网金融行业来说，原有的模型需要经过不断地改进，而且所面对的数据规模也大不相同。互联网金融由于其在线性质，所能获取的数据具有了规模性、多样性、高速性等新特点。因此，新的针对互联网金融的风险预警方法应根植数据，遵循以数据为中心的系统设计原则，按照数据的处理方式进行系统层级划分，将结合传统的金融风险分析方法，利用统计、计算机、数据挖掘等手段结合起来。

从数据的角度来看，与传统金融活动相比，互联网金融活动更容易收集、整理和存储用户信息、用户交易数据、服务或产品信息等数据。当下的互联网金融统计数据有两个重要来源：一是从银行端统计银行的互联网金融统计情况，以及从互联网企业端统计互联网金融业务情况等较为官方的数据来源，这些数据内容更丰富，蕴含的信息量更大，但是获取有一定的难度，需要在合作的基础上来达成；二是民间互联网金融统计数据，以P2P网贷模式为例，用户关注度较高的总量、利率、期限等数据，现已有多家平台进行整理发布如网贷之家等。这些数据较易获取，但是指标数量较少，且时效性较差。