焦瑾璞：互聯網金融行業創新要規避四大風險

央行金融消費權益保護局局長焦瑾璞

互聯網金融的發展正呈現個性化、碎片化、微小化等特征，在這一基礎上，過去的普通消費者已經轉變成為金融消費者，加強金融消費者權益保護應是互聯網金融發展的題中應有之義。如今，風口上的互聯網金融行業所面臨的問題主要體現在信息透明度、個人隱私保護、糾紛調節機制這三個方面，因此，在互聯網金融行業進行創新的同時必須要注意規避四個領域的風險：支付領域、清算領域、電子貨幣/虛擬貨幣領域以及打著普惠金融的幌子搞非法集資和借貸領域。與此同時，金融消費者也需要提升自己的金融素養和金融知識水平。

李曉：最高法將繼續出具互聯網金融行業司法解釋

最高法政策研究室高級法官李曉

互聯網金融的創新彌補了傳統金融業的不足，但創新也是一把雙刃劍，其帶來新活力的同時，也對我國金融業健康發展、金融監管、消費者權益保護提出了非常嚴峻的挑戰。就P2P平臺的風險防范建議如下：1、金融監管部門要盡快制訂P2P平臺的規則，合理設定一個業務邊界，明確平臺本身可為和不可為的事項；2、嚴厲打擊假借P2P網貸非法集資的犯罪，同時提高消費者的自我保護意識；3、P2P網絡借貸平臺自身應該審慎經營，一方面經營者應該審慎履行核查義務、防范風險，另一方面經營者應該避免經營的異化；4、加快P2P網貸的風險機制建設，加大預警力度，及時發現風險、防范風險。如今，最高法已經開始關注互聯網金融的快速發展，并出具了一些司法解釋和規范性文件來進行規范。

李愛君：建立一套系統性的互聯網金融風險控制體系

中國政法大學金融創新與互聯網金融法制研究中心主任李愛君

就互聯網金融的概念而言，首先，互聯網金融的本質還是金融；其次，互聯網金融是金融利用互聯網技術進行的創新；第三，互聯網金融實質上是金融發展歷史的一個階段。從風險角度看，互聯網金融的創新也帶著其特有的風險特征，首先，就是金融制度和互聯網技術的二層性風險；其次是個人隱私保護的風險；第三是系統性風險，這種系統性風險與傳統金融機構明顯不同，不僅有跨行業的風險，如跨小貸公司、擔保機構等等，還有跨區域的風險。

目前，互聯網金融行業缺乏統一的風控方法論引導和規范，不同背景的平臺風控機制和模型各不相同，導致監管很難深入風險核心，從業者也難以找到規避風險的有效途徑。借助中國政法大學金融創新與互聯網金融法制研究中心權威的金融法律研究平臺，“互聯網金融風控實驗室”將以互聯網金融風險的防范機制及創新產品的風控研究為主要內容，通過實地調研風控產業鏈上的相關企業，形成一套系統性的互聯網金融風險控制體系，并互聯網金融監管層進行相關立法諫言。

安丹方：以自身實踐為行業風控研究提供素材

金信網首席運營官安丹方

互聯網金融是一個全新的行業，由于服務對象及運營機制的不同，無法照搬傳統金融的風控方式。目前各家平臺的背景不同，相應的風控機制也呈現多樣化，但多數模式在發展過程中雖然謀取到短期利益，但也暴露出其模式的風險和短板，如果不進行完善革新，會給平臺乃至整個行業都積聚大量風險。現在整個行業都處于摸著石頭過河的階段，因此需要一個獨立權威的機構，站在一定的理論高度，結合不斷更新的實踐經驗，探索出一套適合全行業的風控標準。金信網未來愿意成為風控實驗室的基地，以自身實踐為行業風控研究提供第一手的素材，尋找最適合中國土壤的風控模型。

金信網憑借獨特O2O安全閉環風控模式，成立短短一年即實現盈利，截至目前交易量已突破40億元。同時，金信網在實踐中，研發出一套堪稱業內最嚴苛的風控標準：由“3+1”重風控審核標準組成，其中涵蓋29道風控工序及10大類別、50項信用審核資料。此外，金信網旗下還擁有一家專業的信用管理公司——信和匯誠，其在實現大量信用數據的積累同時，一直致力于開展大數據征信創新，力求通過大數據平臺實現風險識別、風險評價及風險預警。去年年底，信和匯誠獲得央行頒發的企業征信牌照，進一步夯實了金信網的風控體系。

在進一步深耕O2O的同時，金信網也在積極的布局大數據風控。一個P2P平臺想要長足發展，就必須加入真正的互聯網基因，在風控手段上進行革新，目前被行業所熱議的大數據風控是一個可以探索的方向，可以幫助很多平臺解決現有O2O模式成本過高的難題。

王晉：加強互聯網金融監管 或出臺行業風控標準

中國人民銀行條法司副處長王晉

互聯網金融首先會面臨傳統金融領域的風險，其次則會面臨來自互聯網本身的風險，因此，風控是互聯網金融的一個核心要素。相比較傳統金融機構的風險，互聯網金融的風險內容大大擴張，在具體的風控方式方法上也有所擴張。未來，互聯網金融的風控相比較傳統金融機構來講將會有一個質的提升，比如可以利用大數據、云計算等新興技術來提升風控能力和水平。

互聯網金融風控能力建設應該分兩個層面來看：一是互聯網金融機構自身的修煉；二是外在的能力建設，這種建設體現在兩個方面，一方面是法律法規，因為防范風險是金融領域規制或者監管一個相當重要的任務；另一方面是否還需要考慮對互聯網金融風控流程或者標準進行規范化，因為將互聯網金融納入監管是一個遲早的事，在納入監管之后是否對于相關從業機構的風控標準、風控流程會不會有一個宏觀上的指引。

王剛：互聯網金融風險管理應與傳統金融機構相互借鑒

國務院發展研究中心金融研究所副研究員王剛

傳統金融機構跟互聯網金融相比有如下區別：1、傳統金融機構有一個統一的資本監管框架，比如巴塞爾協議就要求商業銀行必須有足夠的資本緩釋風險，這些風險互聯網金融企業同樣也要面對；2、從風險管理的體系來看，傳統金融機構在風險治理體系上比較完善；3、不管是傳統金融機構，還是互聯網金融機構，風險管理都貴在落實。

事實上，就風險管理而言，傳統金融機構與互聯網金融機構可以相互借鑒和學習，比如，通過大數據技術來管理信用風險。互聯網風控實驗室的成立，也應該從兩個緯度深入研究：一是了解傳統金融機構現有的一些風險管理體系；二是通過與互聯網金融企業的緊密互動，把風控技術和方法進一步提升。

李愛軍：互聯網金融應尋求服務實體經濟和科技創新

北京金融局協調處副處長李愛軍

金融的核心就是經營風險，互聯網金融本質上還是金融，因此同樣也是在經營風險。首先，從政策角度講，呼吁金融相關的監管部門盡快出臺一些具體的監管辦法；其次，行業自律的問題非常重要，風控實驗室的成立對互聯網金融行業，尤其對北京互聯網金融行業的健康發展是一種推進，未來可通過加強與地方政府的合作增強行業自律；第三，從地方角度來講，征信體系建設、人才、法律制度、生態環境建設等都屬于基礎性工作，未來，地方政府也希望在金融監管部門的領導下，在互聯網金融服務實體經濟、服務科技創新等方面多做一些具體工作，促進互聯網金融行業的健康發展。

杜曉宇：互聯網金融做風控一要活著二要看爹

中國支付清算協會業務協調三部副主任杜曉宇

互聯網金融的風控怎么做？就兩個字：活著。怎么活著？還是兩個字：看爹。這個爹分三類，第一類是有親爹，比如是由大的金融機構所開設；第二類是有后爹，比如是被金融機構或者上市公司所收購；第三類是有干爹，就是與大的金融機構有合作，或者被監管層所認可。很多時候，因為有了親爹和后爹才會有干爹，也有可能有了干爹才有親爹和后爹找他。

互聯網金融的風控在新技術的應用上還不足，除了要借助結構性數據，還要借助非結構性數據，但目前非結構性數據的應用還不多，導致很多互聯網金融的風控又回到了傳統金融的風控方式上，比如評估一個人的還款意愿和還款能力，以及催收的能力和水平等。此外，建議互聯網金融行業應該建立一個統一指標和信息披露的標準，但因為各家的統計方法不同、對壞賬的認識不同等問題，所以標準的建立非常困難。

白澄宇：尋找互聯網金融時代的電視機

中國小額信貸聯盟秘書長白澄宇

在當今社會，互聯網就是人類賴以生存的電，因此，互聯網金融的創新就應該是利用像電一樣的互聯網對金融領域進行創新。什么才是真正的互聯網金融創新？首先要“尋找互聯網金融時代的電視機”，也就是說要開展只有依靠互聯網才能產生的金融創新。而就行業的風險防范而言，互聯網金融領域并非沒有法律依據，比如是否可以用非法經營罪來約束互聯網金融企業的一些經營行為，避免系統性風險的產生。

文章來源：搜狐財經

近年來，以第三方支付、P2P平臺、眾籌為代表的互聯網金融模式引起了人們的廣泛關注，該模式大量運用了搜索引擎、大數據、社交網絡和云計算等技術，有效降低了市場信息不對稱程度，大幅節省了信息處理的成本，讓支付結算變得更便捷，達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。但由于我國互聯網金融出現的時間短，發展快，目前還沒有形成完善的監控機制和信用體系，一旦現有互聯網金融體系失控，將存在著巨大的風險。

首先是信用風險大。目前我國信用體系尚不完善，互聯網金融的相關法律還有待配套，互聯網金融違約成本較低，容易誘發惡意騙貸、卷款跑路等風險問題。特別是P2P網貸平臺由于準入門檻低和缺乏監管，成為不法分子從事非法集資和詐騙等犯罪活動的溫床。

其次是網絡安全風險大。我國互聯網安全問題突出，網絡金融犯罪問題不容忽視。一旦遭遇黑客攻擊，互聯網金融的正常運作會受到影響。

互聯網金融企業通過獲得多渠道的大數據原料，利用數學運算和統計學的模型進行分析，從而評估出借款者的信用風險，典型的企業是美國的Zest Finance。其通過分析模型對每位信貸申請人的上萬條原始信息數據進行分析，并得出超過數萬個可對其行為做出測量的指標，而這一過程在5秒鐘內就能全部完成。在進行數據處理之前，對業務的理解、對數據的理解非常重要，這決定了要選取哪些數據原料進行數據挖掘，在進入“數據工廠”之前的工作量通常要占到整個過程的60%以上。

目前，可被用于助力互聯網金融風險控制的數據存在多個來源。

一是電商大數據，以阿里巴巴為例，它已利用電商大數據建立了相對完善的風控數據挖掘系統，并通過旗下阿里巴巴、淘寶、天貓、支付寶等積累的大量交易數據作為基本原料，將數值輸入網絡行為評分模型，進行信用評級。

二是信用卡類大數據，此類大數據以信用卡申請年份、通過與否、授信額度、卡片種類、還款金額等都作為信用評級的參考數據。國內典型企業是成立于2005年的“我愛卡”，它利用自身積累的數據和流量優勢，結合國外引入的FICO(費埃哲)風控模型，從事互聯網金融小額信貸業務。

三是社交網站大數據，典型企業為美國的Lending Club，它基于社交平臺上的應用搭建借貸雙方平臺，并利用社交網絡關系數據和朋友之間的相互信任聚合人氣，平臺上的借款人被分為若干信用等級，但是卻不必公布自己的信用歷史。

四是小額貸款類大數據，目前可以充分利用的小貸風控數據包括信貸額度、違約記錄等。由于單一企業信貸數據的數量級較低、地域性較強，業內共享數據的模式已正逐步被認可。

五是第三方支付大數據，支付是互聯網金融行業的資金入口和結算通道，此類平臺可基于用戶消費數據做信用分析，支付方向、月支付額度、消費品牌都可以作為信用評級數據。

六是生活服務類網站大數據，包括水、電、煤氣、物業費交納等，此類數據客觀真實地反映了個人基本信息，是信用評級中一種重要的數據類型。

來源：中國計算機報