大數據在控制P2P網貸風險上的應用

湖南大學 王楚珺 劉會芳 尉麗麗

1 P2P網絡貸款迅速發(fā)展

P2P網絡貸款(online peer-to-peer lending)，指有資金并且有理財投資想法的個人，通過第三方網絡平臺牽線搭橋，將資金貸給其他有借款需求的人。

2005年3月，全球第一家P2P網貸公司Zopa誕生于英國倫敦，2006年2月，Chris Larsen等人創(chuàng)辦了美國第一家網貸公司Prosper。2007年6月，國內第一家網絡貸款平臺拍拍貸上線。2011年，網貸平臺進入快速發(fā)展期，一批網貸平臺踴躍上線。2012年我國網貸平臺進入了爆發(fā)期，網貸平臺如雨后春筍紛紛成立。截至2014年底，P2P網貸平臺數量達到1613家，較2013年增加了900家以上,并且2014年不斷有銀行背景、互聯網巨頭控制的擁有強大背景的平臺加入，打破了網貸平臺一貫以來的“草根”的印象，P2P網貸也逐漸被投資機構所青睞，大量P2P平臺完成了融資。

2 P2P網貸風險顯露

隨著P2P網絡貸款行業(yè)的快速發(fā)展，大量創(chuàng)業(yè)者涌入P2P網貸行業(yè)，且由于準入門檻低，短期內大量P2P網絡貸款平臺上線，魚龍混雜，良莠不齊。據統(tǒng)計，截至2014年7月，累計有136家P2P網貸平臺出現提現困難、倒閉或者跑路的現象，約占整個市場的11.3%。

P2P網絡貸款主要存在信用評估、業(yè)務監(jiān)管、系統(tǒng)安全這三大風險，但是由于我國目前征信體系不完善，P2P監(jiān)管制度不健全，P2P網貸還處于一個野蠻生長的階段，在沒有找到很好的風險控制、系統(tǒng)監(jiān)管手段之前，P2P網貸仍處于巨大的風險之中。

3 大數據的含義及其之于P2P網貸的意義

傳統(tǒng)的控制P2P網貸風險的方式主要有以下三點：(1)準入監(jiān)管。建立基本準入標準和建立“誰批設機構，誰負責監(jiān)管和風險處置”的機制。(2)運營監(jiān)管。限定P2P網貸僅從事金融信息服務業(yè)，即作為中介機構，不得直接參與借貸活動；P2P網貸必須嚴格隔離自有資金和客戶資金，客戶資金必須由第三方管理。(3)信息監(jiān)管。P2P網貸必須完整地保存客戶資料，以備事后追責；P2P網貸要如實披露經營信息，包括公司治理情況、業(yè)務數據等，供客戶參考。由此看來，傳統(tǒng)的對P2P網貸的風險控制主要針對于網貸平臺本身，而沒能降低網貸平臺所面臨的客戶道德風險和違約風險造成的壞賬。

在傳統(tǒng)的借貸流程中，對于借款人的信息審核，也存在很多弊端，如用傳統(tǒng)信息獲取渠道判斷信息真?zhèn)蔚某杀据^高；由于全程需要人工參與，既增加了道德風險，又導致效率極其低下；傳統(tǒng)的風險評估模型中，對于借款人資產狀況評估的權重過高；貸款人隱藏風險的難度較低，造假成本較低等，對壞賬率的控制效果并不是很好，這不利于P2P網貸平臺的風險控制，限制了P2P網貸平臺的發(fā)展。

大數據指的是所涉及的資料量規(guī)模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理，并整理成為幫助企業(yè)經營決策更具積極目的的資訊。大數據具有數據量大、類型繁多、價值密度低、速度快、時效高的特點。大數據的核心就是預測。大數據已成為了新發(fā)明和新服務的源泉，目前被廣泛應用于互聯網提高客戶體驗、醫(yī)療疾病監(jiān)測、能源勘探等行業(yè)。大數據將為人類的生活創(chuàng)造前所未有的可量化的維度。

在互聯網金融領域，大數據的作用格外顯著。在傳統(tǒng)的信貸模式中，完成一筆貸款有著繁雜的程序與較高的成本，但是大數據的應用為人們提供了一種新的思路。截至2014年6月，阿里巴巴集團旗下阿里小貸服務逾80萬家小微企業(yè)，累計投放信用貸款超過2100億元，阿里小貸其單筆信貸操作成本僅為2.3元，而一般銀行的成本在2000元左右。阿里小貸利用阿里巴巴集團積累的海量數據，進行數據分析，利用計算機對商戶進行信用評估，可以做到3分鐘放貸，不良率低于1%。P2P網貸行業(yè)也非常適合與大數據結合，隨著大數據逐步深入的應用，P2P網貸行業(yè)必將發(fā)生更深刻的變革。

首先，大數據大大拓寬了金融機構可用數據的種類。在大數據條件下，P2P網貸平臺可以采集并應用圖片、視頻、社交網絡信息等非結構化數據。并且，大數據主要來源于互聯網企業(yè)的核心業(yè)務，這些數據更能反映P2P借款人的社會關系和經濟特征，更能反映他們的貸款需求與信用狀況。通過大數據分析，使得原本因果關系不清晰的幾個事務關聯起來。無論是在貸前、貸中，還是貸后，大數據的運用都將有效預測出借款人的信用風險，達到控制P2P網貸平臺違約事件的發(fā)生。

大數據還為P2P網貸的信用風險控制提供新的解決思路。如果用大數據的角度來構思，就可以把更多權重放在借款人日常生活的交易數據及社交數據上，比如借款人的消費情況，微博微信之類的社交圈活躍度等諸如此類的問題。這類數據不易作假，具有很好的連貫性，可以從中分析很多的用戶特性，并推斷借款人的信用狀況,。一旦數據開放共享的基礎設施完善后，P2P網貸平臺的管理者就可以在擁有更全面的借款人數據的基礎上，通過多個不同類型的信用分析模型，對借款人做出更趨于真實化和個性化的信用評級，投資人就根據其信用等級高低作出是否借貸和以何種利息貸出的合理決策。更重要的是，在貸款期間還可以對借款人產生的數據持續(xù)記錄分析，一旦有異常情況出現，就可以及時調查處理，這樣就可以有效控制借款人的信用風險。所以，用大數據來控制P2P網貸的風險有極大的發(fā)展前景。

4 利用大數據對P2P網貸進行風險控制

在大數據時代的背景下考慮P2P網貸的風險控制，首先要將思維方式從因果關系轉變到相關關系來，尋找可以控制P2P網貸風險的數據指標。一個人或者群體的信用好壞取決于很多的變量，所有與借款人相關的數據都有可能影響到其貸款的安全，因此，需要找出所有可能會影響到借款者信用的數據指標，主要分為四個指標。

(1)個人基本資料，包括個人的身份信息，如性別，年齡，身份證號等，以便于通過個人身份認證來追蹤借款人的活動；家庭婚姻情況，一般來說，一個人如果家庭美滿，擁有一個小孩，則其違約率會大大降低；住所穩(wěn)定性、工作單位的穩(wěn)定性和手機號碼使用穩(wěn)定性都將可能體現一個人的還款意愿。這些信息經借款人授權，可以通過接入公安系統(tǒng)等來保證信息的真實性。

(2)社交網絡情況。借款人在社交網絡上的活躍程度、所發(fā)表的動態(tài)內容、好友數量等都可能與借款人的性格特點相關。例如，一個擁有好友數量較多的借款人其信用程度往往高于那些好友較少的借款人。另外，如果一個人發(fā)表的日志、說說總是積極向上的，也有可能獲得較高的信用評級。P2P網貸平臺可以與相關社交網絡(QQ、人人網、微信、微博等)建立數據接口，在接受客戶的借款請求，且得到用戶授權后，從這些社交網絡獲取用戶數據，并支付相應的費用給這些社交網絡，這也可以成為社交網絡一個新的盈利渠道。

(3)電子商務平臺。P2P網貸平臺可以與阿里巴巴、京東商城、聚美優(yōu)品、當當網等電子商務平臺合作，第一可以借助商家在電商平臺上所積累的交易量等流水數據，共同搭建風險模型，通過大數據分析，為這些依附于電商的小微企業(yè)提供無擔保、無抵押的純信用貸款；第二可以根據消費者的網購商品種類、金額大小、網購頻率等大數據來評估消費者的信用狀況。

(4)借款人的資金情況。包括收支情況：借款人的收入和支出情況會影響借款人的償債能力。負債情況：借款人的現有的負債期限、金額大小會體現借款人的還款意愿。資產情況：借款人所擁有的資產的流動性比率以及結構，具體的占用情況，如資產中基金、股票、債券、理財產品及銀行存款的比例,這都將會影響借款人的未來收益，從而對還款產生影響。信用情況：通過分析一個人的信用情況，可以確定貸款額度、期限、利率、貸款方式等。這些數據可以通過接入銀行系統(tǒng)來獲取。

5 結語

因此，可以通過收集借款人自己提交的數據、與權威第三方合作獲得數據、與同行業(yè)進行數據共享以及利用借款人在互聯網以及社交網絡上的活動情況的數據，再通過數學模型來評估借款人的信用，從而降低由于借款人本身不具有還款意愿帶來的風險。同時，信用本身不是靜態(tài)的，而是一個動態(tài)的行為特征的體現。當排除借款人所存在的道德風險向借款人提供貸款以后，還需要實時追蹤借款人的相關數據，測算出借款人的還款能力，達到控制由于非主觀原因而出現的違約風險。比如，密切關注借款人借款用途、經營狀況，當發(fā)生借款人出現資金周轉不靈或者經營不善時，應該及時采取措施，控制風險。

[1] 吳曉求.中國金融的深度變革與互聯網金融[J].財貿經濟,2014(1).

[2] 賈洪文,李志鵬.互聯網金融對我國金融發(fā)展的影響與啟示——以P2P信貸為例[J].2014.

[3] 呂芹.P2P網貸中國式生長[J].互聯網周刊,2014(1).

[4] 王光祿.P2P小額貸款客戶信用風險控制探析[J].投資與合作,2013(10).

[5] 何曉玲,王玫.P2P網絡借貸現狀及風險防范[J].中國商貿,2013(20).

[6] Freedman S,Jin G Z.The Signaling Value of Online Social Networks:Lessons from Peer-to-Peer Lending[R].National Bureau of Economic Research,2014.

[7] Jin S F G Z.The Signaling Value of Online Social Networks:Lessons from Peer-to-Peer Lending[J].2014.