網(wǎng)絡(luò)借貸信用風(fēng)險管理體系研究綜述

李銘

【摘要】網(wǎng)絡(luò)借貸在推動普惠金融的同時，其中的信用風(fēng)險越來越多地暴露在公眾面前，引發(fā)一系列的爭論和質(zhì)疑。本文從網(wǎng)絡(luò)借貸的資金需求方入手分析，將網(wǎng)絡(luò)借貸產(chǎn)生的信用風(fēng)險歸為個人信用問題，而個人信用管理體系對于信用風(fēng)險防范和管控具有至關(guān)重要的作用。本文圍繞信用管理體系，回歸梳理了法律監(jiān)管、信用征信建設(shè)、信用評估、貸后風(fēng)險管理四個環(huán)節(jié)的具體內(nèi)容和網(wǎng)絡(luò)借貸背景下相應(yīng)環(huán)節(jié)的研究現(xiàn)狀，并認(rèn)為大數(shù)據(jù)征信、動態(tài)評分模型研發(fā)和大數(shù)據(jù)貸后風(fēng)險管控將會是未來研究方向。

【關(guān)鍵詞】網(wǎng)絡(luò)借貸 個人信用 信用風(fēng)險 研究綜述

一、引言

作為基于互聯(lián)網(wǎng)平臺開展借貸業(yè)務(wù)的新型借貸模式，網(wǎng)絡(luò)借貸屬于金融的互聯(lián)網(wǎng)居間服務(wù)（姚海放等，2013）。主要模式有P2P網(wǎng)絡(luò)借貸模式和電商供應(yīng)鏈金融模式等。P2P網(wǎng)絡(luò)借貸是個人對個人，不以傳統(tǒng)金融機(jī)構(gòu)為媒介的借貸模式。電商供應(yīng)鏈金融是電商平臺將中小企業(yè)與金融機(jī)構(gòu)的信息有效對接，為平臺上資金匱乏的中小企業(yè)提供各種形式融資服務(wù)的借貸模式。而網(wǎng)絡(luò)眾籌包括但不限于網(wǎng)絡(luò)借貸模式。網(wǎng)絡(luò)借貸借助互聯(lián)網(wǎng)技術(shù)的信息獲取優(yōu)勢在一定程度上提升了金融資源配置效率，緩解了小微金融市場的信貸失衡現(xiàn)象。據(jù)統(tǒng)計，2015年全年網(wǎng)貸成交量達(dá)9823.04億元，相比2014年增長了288.57%，然而2015年全年問題平臺達(dá)到896家，是2014年3.26倍。目前監(jiān)管細(xì)則落地、不完善的征信體系、借貸利率虛高、債務(wù)結(jié)構(gòu)不合理等原因造成問題平臺突出，凸顯網(wǎng)絡(luò)借貸的信用風(fēng)險問題。

二、網(wǎng)絡(luò)借貸信用風(fēng)險與個人信用風(fēng)險

網(wǎng)絡(luò)借貸的信用風(fēng)險是指借款人未按合同約定向投資人支付本金、利息的風(fēng)險和債務(wù)人未按約定向公司支付款項的風(fēng)險。資金需求方主要以小微企業(yè)或者個人為主，因而網(wǎng)絡(luò)借貸的風(fēng)險問題更多地歸結(jié)為個人信用風(fēng)險問題。個人信用有狹義和廣義之分：狹義個人信用指消費(fèi)信用，即將貸款用于個人或者家庭的消費(fèi)型活動，廣義個人信用泛指以個人名義發(fā)生的借貸關(guān)系，其目的除個人或家庭消費(fèi)外還用于生產(chǎn)經(jīng)營。因而無論擔(dān)保與否，P2P網(wǎng)貸中發(fā)生的借貸關(guān)系兼可歸為個人信用問題。而以B2C模式和B2B模式為主的電商平臺供應(yīng)鏈金融中，信用關(guān)系的維續(xù)也存在著個人信用問題。

三、網(wǎng)絡(luò)借貸信用風(fēng)險研究

（一）網(wǎng)絡(luò)借貸個人信用體系

由于信息不對稱問題，傳統(tǒng)商業(yè)銀行小微貸款業(yè)務(wù)存在著逆向選擇和道德風(fēng)險問題。在貸前，對借貸人信用信息掌握不全面等原因會使得銀行偏向于為能夠接受現(xiàn)有利率水平的客戶發(fā)放貸款，因而風(fēng)險較大的客戶會為銀行帶來較大違約風(fēng)險，存在逆向選擇問題。在貸后，則存在將款項用于非銀行指定用途以及未按約定還本付息等道德風(fēng)險問題。因而，為緩解信息不對稱導(dǎo)致的一系列問題，小額信貸是依賴于征信環(huán)境、信用評估技術(shù)等個人信用體系的全面發(fā)展。個人信用體系包括個人信用征信、信用風(fēng)險評估以及信用風(fēng)險管理等多個環(huán)節(jié)。同時需要外部的法律監(jiān)管和內(nèi)部行業(yè)自律來指導(dǎo)其健康發(fā)展。征信完成對個人信用數(shù)據(jù)的收集并構(gòu)建個人信用數(shù)據(jù)庫，信用評估對信用數(shù)據(jù)建模分析來提供信用評分供需求者使用。最后，信用風(fēng)險管理通過對信用風(fēng)險的計量、預(yù)警和轉(zhuǎn)移等手段來揭示和管理信用風(fēng)險。

在網(wǎng)絡(luò)環(huán)境下信息不對稱問題依于大數(shù)據(jù)等信息挖掘技術(shù)優(yōu)勢而有所緩解。但信息技術(shù)的輔助并不能從根本上消除信用風(fēng)險，網(wǎng)貸平臺上誠信環(huán)境的構(gòu)建同樣依托于完善的個人信用體系。作為新型金融，網(wǎng)絡(luò)借貸發(fā)展初期處于法律空白和監(jiān)管盲區(qū)，亟需法律監(jiān)管更新和行業(yè)自律控制。同時，融資者多數(shù)屬于傳統(tǒng)金融機(jī)構(gòu)的邊緣客戶群，現(xiàn)有征信系統(tǒng)尚未覆蓋或掌握信息存在時滯，這便對信用體系基礎(chǔ)建設(shè)提出更高要求。在無抵押信用借貸模式中，需要借助信用評分來輔助雙方的借貸決策，而貸后信用風(fēng)險管理是進(jìn)一步對借貸風(fēng)險的揭示和防范。因此，網(wǎng)貸平臺的信用風(fēng)險具體細(xì)化在個人信用體系的各個環(huán)節(jié)，同時各環(huán)節(jié)的不斷完善將有助于信用風(fēng)險防控。如圖1為網(wǎng)絡(luò)借貸信用管理體系各環(huán)節(jié)的具體內(nèi)容。

（二）信用管理內(nèi)外部約束

1.傳統(tǒng)領(lǐng)域。個貸行業(yè)發(fā)展需要來自主體外的立法建設(shè)和行政監(jiān)管。法律制度主要包括對個人信用信息的采集、使用和披露，個人隱私界定與保護(hù)，個人破產(chǎn)保護(hù)等一系列法律制度。行政監(jiān)管負(fù)責(zé)對征信機(jī)構(gòu)、信用數(shù)據(jù)庫、信用評估機(jī)構(gòu)的監(jiān)督管理、違法行為監(jiān)管以及公民誠信意識宣傳等。2013年《征信業(yè)管理條例》、《征信機(jī)構(gòu)管理辦法》等法規(guī)的出臺使我國征信市場步入有法可依的軌道?！稐l例》規(guī)定中國人民銀行及其派出機(jī)構(gòu)為國務(wù)院監(jiān)督管理機(jī)構(gòu)，同時對個人信用信息開放與保護(hù)等問題做出相關(guān)規(guī)定。但較之信用制度健全國家，立法體系落后于實(shí)業(yè)發(fā)展、法律法規(guī)實(shí)施不到位、缺乏完善配套管理制度、信息共享機(jī)制尚未確立、失信懲罰機(jī)制落后等問題突出，制約著個人信用體系的發(fā)展。

2.網(wǎng)貸領(lǐng)域。網(wǎng)絡(luò)借貸發(fā)展中的潛在法律風(fēng)險，可從網(wǎng)貸平臺、貸款人、借款人和第三方支付等方面劃分。網(wǎng)貸平臺作為信息中介應(yīng)視為融資居間合同的居間人，不介入借貸雙方交易。但一些偏離純中介模式的網(wǎng)貸平臺面臨著額外的法律風(fēng)險，表現(xiàn)為非法吸存和非法集資、非法經(jīng)營、從事違法的居間活動、違反保密義務(wù)、“洗錢”、非法公開發(fā)行債券、以及涉及擔(dān)保項目可能違反有關(guān)融資擔(dān)保管理等風(fēng)險。網(wǎng)貸貸款人面臨的法律風(fēng)險包含電子合同合規(guī)性、出借人債權(quán)合法性、出借人隱私權(quán)以及借助平臺非法公開發(fā)行證券風(fēng)險等。網(wǎng)貸借款人作為融資方，面臨著與網(wǎng)貸平臺類似的風(fēng)險。第三方支付平臺面臨的法律風(fēng)險表現(xiàn)在資金托管法律問題和沉淀資金法律問題。此外，道德風(fēng)險也是制約行業(yè)健康發(fā)展所不能回避的問題。在監(jiān)管政策上，已明確由銀監(jiān)會管理P2P網(wǎng)貸發(fā)展。目前P2P網(wǎng)絡(luò)借貸在市場準(zhǔn)入標(biāo)準(zhǔn)、退出機(jī)制、資金管理、信息透明等運(yùn)營方面缺乏統(tǒng)一標(biāo)準(zhǔn)，運(yùn)營風(fēng)險的增大會進(jìn)一步影響信用風(fēng)險。在行業(yè)自律方面，目前已形成中關(guān)村互聯(lián)網(wǎng)金融行業(yè)協(xié)會、廣東互聯(lián)網(wǎng)金融協(xié)會、北京市網(wǎng)貸行業(yè)協(xié)會等區(qū)域性自律組織。

網(wǎng)絡(luò)借貸發(fā)展對于立法建設(shè)和監(jiān)管探索的要求，逐漸成為學(xué)術(shù)界的共識。姚海放等學(xué)者（2013）認(rèn)為，我國網(wǎng)絡(luò)借貸行為應(yīng)置于民間借貸范疇內(nèi)，提出應(yīng)將民間金融陽光化等思考。林榮琴（2014）從借貸關(guān)系法律界定出發(fā)，提出完善中介平臺準(zhǔn)入制度和中介平臺信用評級制度，以增強(qiáng)中介平臺信息透明度和建立行業(yè)協(xié)會自律組織等建議。楊振能（2014）提出明確網(wǎng)貸行為規(guī)則和法律責(zé)任的監(jiān)管思路，并輔之以信用風(fēng)險、流動性風(fēng)險等一系列風(fēng)險管理要求。劉繪（2015）提出規(guī)范信息披露和消費(fèi)者保護(hù)等行為、過程控制式監(jiān)管規(guī)則、完善以征信與評級為主要內(nèi)容的信用體系等監(jiān)管建議。網(wǎng)絡(luò)借貸行業(yè)尚未形成完善的內(nèi)外部約束，是由于信用觀念、意識等因素，作為根源的傳統(tǒng)個人信用領(lǐng)域尚未形成穩(wěn)定的內(nèi)外部保障所致。

（三）信用數(shù)據(jù)基礎(chǔ)建設(shè)

1.傳統(tǒng)領(lǐng)域。信用數(shù)據(jù)基礎(chǔ)建設(shè)是信用管理體系的基礎(chǔ)部分，主要有信用數(shù)據(jù)征集和數(shù)據(jù)庫組建兩部分。信用數(shù)據(jù)包括個人基本信息、信貸交易信息和反映個人信用狀況的其他信息。在征信模式發(fā)展方面，楊暉（2011）指出我國已形成公共征信和私營征信并存互補(bǔ)的征信格局，作為行業(yè)和地方征信機(jī)構(gòu)的補(bǔ)充，私營征信機(jī)構(gòu)不斷發(fā)展壯大。公共征信機(jī)構(gòu)通過行政力量收集信息，私營機(jī)構(gòu)通過協(xié)議方式采集公開渠道信息。但在發(fā)展過程中，隱藏著征信標(biāo)準(zhǔn)化滯后、信息共享機(jī)制缺失、信息安全等問題。

2.網(wǎng)貸領(lǐng)域。傳統(tǒng)征信報告提供借貸人基本信息、貸款申請記錄、還款情況等。在網(wǎng)絡(luò)借貸領(lǐng)域，金融消費(fèi)的精細(xì)化營銷、個性化服務(wù)和批量處理將成為主要運(yùn)營模式，因而新型金融催生著新的征信需求，云計算、數(shù)據(jù)挖掘等技術(shù)則為征信產(chǎn)品的創(chuàng)新升級奠定了技術(shù)基礎(chǔ)。袁新峰（2013）在互聯(lián)網(wǎng)征信研究中指出，除建立同業(yè)數(shù)據(jù)庫外電商平臺通過對累積客戶行為數(shù)據(jù)進(jìn)行深度挖掘，作為客戶消費(fèi)授信的評價依據(jù)，大數(shù)據(jù)征信已初見端倪。

對于大數(shù)據(jù)征信的發(fā)展研究，吳晶妹（2014）認(rèn)為傳統(tǒng)征信覆蓋人群有限、數(shù)據(jù)反映能力不強(qiáng)等問題突出，而網(wǎng)絡(luò)征信以海量數(shù)據(jù)刻畫信用軌跡，通過記錄信用行為狀況和綜合信用度來預(yù)測個人償還能力和信用風(fēng)險，目前中國征信體系建設(shè)中心已逐步向網(wǎng)絡(luò)征信過渡。楊堅爭等人（2015）認(rèn)為網(wǎng)絡(luò)征信數(shù)據(jù)來源包括社交媒體數(shù)據(jù)、網(wǎng)絡(luò)借貸數(shù)據(jù)、網(wǎng)絡(luò)購物數(shù)據(jù)、其他相關(guān)數(shù)據(jù)，其中社交媒體數(shù)據(jù)包含微信、微博等社交數(shù)據(jù)用以確認(rèn)用戶身份，網(wǎng)絡(luò)借貸數(shù)據(jù)可提供逾期記錄等信用信息，網(wǎng)購數(shù)據(jù)則提供以往電商網(wǎng)站購物記錄和交易流水等財務(wù)數(shù)據(jù)，其他如打車記錄、O2O生活行為記錄、違章記錄等生活數(shù)據(jù)均可用于大數(shù)據(jù)征信。劉新海（2014）借鑒美國新型網(wǎng)貸公司大數(shù)據(jù)技術(shù)，指出多元化征信不僅包括傳統(tǒng)信用數(shù)據(jù)，還包括可用于挖掘個人性格、行為特征等網(wǎng)絡(luò)數(shù)據(jù)，進(jìn)一步說明了 “一切數(shù)據(jù)兼信用”。魏強(qiáng)（2015）提出大數(shù)據(jù)征信可包括挖掘多渠道數(shù)據(jù)源的信息特征、尋找變量間關(guān)聯(lián)性、信用特征再歸類、特征權(quán)值設(shè)置、計算綜合得分等步驟?？椎鲁?016）認(rèn)為大數(shù)據(jù)征信具有數(shù)據(jù)來源廣泛、市場定位清晰、應(yīng)用場景多樣化等優(yōu)勢，但在個人隱私保護(hù)、數(shù)據(jù)所有權(quán)、控制權(quán)、收益權(quán)問題仍需要在現(xiàn)有法律政策下進(jìn)一步探討。

（四）信用評估技術(shù)

1.傳統(tǒng)領(lǐng)域。信用評分技術(shù)作為信用管理體系的核心，包括數(shù)據(jù)預(yù)處理和信用評分模型建模兩個階段。在預(yù)處理階段，原始數(shù)據(jù)普遍存在噪音數(shù)據(jù)、遺漏數(shù)據(jù)、不一致數(shù)據(jù)等問題，需要進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約等預(yù)處理。其中，數(shù)據(jù)清洗是對不符合要求的數(shù)據(jù)進(jìn)行處理，包括缺失數(shù)據(jù)填補(bǔ)技術(shù)、異常值檢測處理、重復(fù)數(shù)據(jù)整合等；數(shù)據(jù)變換通過對連續(xù)數(shù)據(jù)離散化和不平衡樣本結(jié)構(gòu)優(yōu)化來實(shí)現(xiàn)數(shù)據(jù)的規(guī)范化，將其轉(zhuǎn)換為適合建模的形式；數(shù)據(jù)規(guī)約則是在將數(shù)據(jù)清洗和變換后，在不丟失有效信息的前提下對數(shù)據(jù)降維。

在評分建模過程中，首先需分析個人信用的影響因素，確定反映個人基本情況、償還能力、償還意愿等各方面的評分指標(biāo)集，經(jīng)排序加權(quán)后形成評分指標(biāo)體系。指標(biāo)體系的建立保證了評分模型數(shù)據(jù)輸入的穩(wěn)定性。同時在初選過程中，需要借助統(tǒng)計方法評估指標(biāo)識別能力，并根據(jù)宏微觀因素對指標(biāo)體系不斷修正和優(yōu)化，保證評估的多維性和動態(tài)性。評分模型的檢驗(yàn)包括模型精度檢驗(yàn)和穩(wěn)健性檢驗(yàn)，其中模型精度是指評分模型判斷個體類別的能力；穩(wěn)健性強(qiáng)調(diào)模型對建模之外數(shù)據(jù)的預(yù)測能力。

具體的模型發(fā)展有統(tǒng)計學(xué)模型和非統(tǒng)計學(xué)模型兩個發(fā)展階段。在統(tǒng)計學(xué)評分模型發(fā)展中，先后出現(xiàn)了線性回歸方法、Logistic回歸方法以及Probit回歸等方法，但因解釋性不足未得到廣泛應(yīng)用。之后相關(guān)學(xué)者們將最近鄰法、決策樹模型和貝葉斯網(wǎng)絡(luò)模型引入到評分模型中，逐步調(diào)高了模型的預(yù)測精度和穩(wěn)健性。在非統(tǒng)計學(xué)評分模型發(fā)展中，先后出現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能方法在處理非線性化特征變量問題具有明顯優(yōu)勢。之后，Baesens等人（2003）較早將支持向量機(jī)方法引入到評分模型中，認(rèn)為較神經(jīng)網(wǎng)絡(luò)方法支持向量機(jī)方法性能更優(yōu)。Bellotti等人（2008）將支持向量機(jī)算法引用到信用評分和重要特征屬性發(fā)現(xiàn)研究中。Terry（2014）基于傳統(tǒng)非線性支持向量機(jī)的缺陷，將聚類支持向量機(jī)（CSVM）算法引入到信用評分領(lǐng)域，經(jīng)比較后認(rèn)為CSVM模型可達(dá)到更優(yōu)分類表現(xiàn)。

此外，通過組合將單一模型的優(yōu)勢互補(bǔ)以達(dá)到信息利用的最大化，已成為信用評估領(lǐng)域的研究趨勢。Tian-Shyug（2002）將判別分析預(yù)測結(jié)果和其他特征變量一起作為輸入單元建立神經(jīng)網(wǎng)絡(luò)模型，認(rèn)為組合模型可以提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測精度。石慶焱（2005）提出基于神經(jīng)網(wǎng)絡(luò)和Logistic回歸的混合兩階段評分模型，并將神經(jīng)網(wǎng)絡(luò)輸出結(jié)果和其他特征變量一起作為Logistic回歸模型的解釋變量，結(jié)果顯示組合模型的穩(wěn)健性和預(yù)測精度較單一模型更優(yōu)。姜明輝（2007）將Logistic模型和RBF神經(jīng)網(wǎng)絡(luò)模型的分類結(jié)果通過線性方法組合起來，結(jié)果表明組合模型在預(yù)測精度上較優(yōu)。David West（2005）基于Bagging和Boosting方法構(gòu)建了神經(jīng)網(wǎng)絡(luò)集成模型，Mariola（2009）利用Bagging和Adaboost算法集成了決策樹模型，認(rèn)為模型在信用評分預(yù)測精度和穩(wěn)健性表現(xiàn)優(yōu)良。

2.網(wǎng)貸領(lǐng)域。借貸評審是網(wǎng)貸平臺最關(guān)鍵的技術(shù)，而信用風(fēng)險在貸審環(huán)節(jié)的體現(xiàn)就在于貸款項目和信貸額度的控制。P2P網(wǎng)貸同樣采用信用評級的方式，基于信用數(shù)據(jù)建立信用評分模型對違約風(fēng)險進(jìn)行量化評估。

近年來，國外信用風(fēng)險評分技術(shù)在機(jī)器學(xué)習(xí)領(lǐng)域和數(shù)據(jù)挖掘算法領(lǐng)域不斷深入。Malekipirbazari（2015）建立以隨機(jī)森林為基礎(chǔ)的分類方法預(yù)測借款人狀態(tài)，并基于美國借貸網(wǎng)站借貸數(shù)據(jù)展開實(shí)證研究，認(rèn)為隨機(jī)森林算法在識別優(yōu)質(zhì)借款人方面優(yōu)于FICO信用評分。Maria等人（2015）運(yùn)用流數(shù)據(jù)挖掘技術(shù)，在傳統(tǒng)評分模型基礎(chǔ)上建立基于歷史數(shù)據(jù)流的動態(tài)信用風(fēng)險評分模型，實(shí)驗(yàn)證明該動態(tài)模型具有較好的魯棒性。Fatemeh等人（2015）建立基于特征選擇算法和集成分類器的數(shù)據(jù)挖掘組合模型，實(shí)證認(rèn)為在評分性能方面基于非參數(shù)設(shè)置的數(shù)據(jù)挖掘組合模型優(yōu)于基于參數(shù)設(shè)置的單一模型。美國網(wǎng)貸公司ZestFinance則基于集成學(xué)習(xí)和多角度學(xué)習(xí)的模型設(shè)計思路，設(shè)計身份驗(yàn)證模型、欺詐模型、還款能力模型、還款意愿模型、穩(wěn)定性模型等從不同角度預(yù)測借款人的信用狀況，克服了傳統(tǒng)單一模型考慮因素的局限性。

在國內(nèi)柳向東（2016）選用具有平衡效果的SMOTE算法對非平衡數(shù)據(jù)預(yù)處理，運(yùn)用多種數(shù)據(jù)挖掘算法建立信用風(fēng)險評估模型，實(shí)證得出隨機(jī)森林模型算法對于違約項目的識別能力最佳。林漢川等人（2016）將隨機(jī)森林模型與Logistic回歸模型建立組合模型，實(shí)證認(rèn)為模型有效克服傳統(tǒng)模型數(shù)據(jù)噪聲敏感問題和變量容量問題。

（五）貸后信用風(fēng)險管理

1.傳統(tǒng)領(lǐng)域。貸后信用風(fēng)險管理是個人信用管理體系的下游部分，旨在通過信用風(fēng)險計量、預(yù)警和轉(zhuǎn)移，實(shí)現(xiàn)信用貸出方的最大安全性。傳統(tǒng)商業(yè)銀行實(shí)施信用風(fēng)險管理，主要依據(jù)2005年實(shí)施的《新巴塞爾協(xié)議》。《新協(xié)議》提出商業(yè)銀行全面風(fēng)險管理的三大支柱，其中對最低資本要求的計算包含了對信用風(fēng)險、市場風(fēng)險和操作風(fēng)險的度量。信用風(fēng)險轉(zhuǎn)移是指借助特定金融工具把信用風(fēng)險轉(zhuǎn)移至其他金融機(jī)構(gòu)的信用轉(zhuǎn)嫁方式，常見金融工具有資產(chǎn)證券化、信用擔(dān)保、保險等。

2.網(wǎng)貸領(lǐng)域。網(wǎng)貸平臺中信用風(fēng)險管理偏重于貸前征信和貸審模型研發(fā)，對于貸后信用風(fēng)險計量和轉(zhuǎn)移尚未得到廣泛關(guān)注。楊從正（2015）在P2P借貸風(fēng)險管理體系研究中，認(rèn)為借貸平臺對事后的違約補(bǔ)償可采取融資擔(dān)保方代償、保險公司信用保證保險賠付、風(fēng)險準(zhǔn)備金補(bǔ)償?shù)确绞健ｅ堂髁粒?015）指出宜信公司在貸后風(fēng)險擔(dān)保方式上推陳出新，推出國內(nèi)首例保險、信托、小額貸款三方合作。通過發(fā)行信托產(chǎn)品并向保險公司投保，險種為金融機(jī)構(gòu)貸款損失信用保險，此項信用保險措施與信托計劃的信用增級措施共同作用達(dá)到多重增信目標(biāo)。向明（2015）分析美國網(wǎng)貸公司Kabbage在貸后風(fēng)險管理經(jīng)驗(yàn)，通過設(shè)立拖延還款懲罰機(jī)制，除收取一定延遲費(fèi)外還保留向其他機(jī)構(gòu)報告的權(quán)利。龐淑娟（2015）則認(rèn)為數(shù)據(jù)挖掘技術(shù)可實(shí)現(xiàn)信用風(fēng)險預(yù)警，譬如分類與預(yù)測可基于歷史數(shù)據(jù)形成預(yù)測規(guī)則，孤立點(diǎn)分析可用于欺詐行為預(yù)測等。尹麗（2016）從第三方資金托管角度出發(fā)，分析我國網(wǎng)貸第三方資金托管發(fā)展現(xiàn)狀、模式及現(xiàn)存問題，提出應(yīng)明確第三方托管主體和托管機(jī)構(gòu)的權(quán)利與義務(wù)等建議。

四、結(jié)語

基于以上綜述，個人信用管理體系的完善是網(wǎng)貸信用風(fēng)險研究的主要領(lǐng)域。對法律和監(jiān)管細(xì)則的探討正指導(dǎo)著網(wǎng)絡(luò)借貸向合法合規(guī)化發(fā)展。個人征信業(yè)的研究逐步向大數(shù)據(jù)征信及網(wǎng)絡(luò)征信聚焦，科技創(chuàng)新已成為推動普惠金融的強(qiáng)大引擎。在評分模型研發(fā)環(huán)節(jié)，現(xiàn)階段單一評估模型中新技術(shù)的不斷探索、組合評估模型精度和穩(wěn)健性的提升以及基于大數(shù)據(jù)的動態(tài)模型的深入研究將有助于借貸平臺的信用風(fēng)險管控。同時大數(shù)據(jù)技術(shù)為貸后信用風(fēng)險管理提供新的研究視角，將大數(shù)據(jù)動態(tài)監(jiān)管融入到現(xiàn)有貸后管理體系中。網(wǎng)絡(luò)借貸的商業(yè)模式已逐步成型，大數(shù)據(jù)分析、數(shù)據(jù)挖掘等信息技術(shù)將會在網(wǎng)絡(luò)借貸的發(fā)展，乃至互聯(lián)網(wǎng)金融體系的演變中發(fā)揮越來越關(guān)鍵的指引作用。

參考文獻(xiàn)

[1]姚海放等.網(wǎng)絡(luò)平臺借貸的法律規(guī)制研究[J].法學(xué)家，2013（05）.

[2]2015年中國網(wǎng)絡(luò)借貸行業(yè)年報[J].金融世界，2016（02）：第90-91頁.

[3]林榮琴.論我國P2P線上網(wǎng)絡(luò)借貸的法律風(fēng)險控制[D]，2014，中國政法大學(xué).第50頁.

[4]劉繪與沈慶劼.P2P網(wǎng)絡(luò)借貸監(jiān)管的國際經(jīng)驗(yàn)及對我國的借鑒[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2015（2）.第56-61頁.

[5]楊振能.P2P網(wǎng)絡(luò)借貸平臺經(jīng)營行為的法律分析與監(jiān)管研究[J].金融監(jiān)管研究，2014（11）.第25-41頁.

[6]張雨辰與楊堅爭.大數(shù)據(jù)背景下的互聯(lián)網(wǎng)金融征信問題研究[J].電子商務(wù)，2016（05）.第55-56頁.

[7]魏強(qiáng).大數(shù)據(jù)征信在互聯(lián)網(wǎng)金融中的應(yīng)用分析[J].金融經(jīng)濟(jì)，2015（08）.第11-13頁.

[8]楊暉與盧昊.中國特色征信體系模式研究[J].金融理論與教學(xué)，2011（04）.第1-4頁.

[9]劉新海與丁偉.大數(shù)據(jù)征信應(yīng)用與啟示——以美國互聯(lián)網(wǎng)金融公司ZestFinance為例[J].清華金融評論，2014（10）.第93-98頁.

[10]葛志蘇.互聯(lián)網(wǎng)金融背景下征信業(yè)市場化發(fā)展研究[J].武漢金融，2014（12）.第33-34頁.

[11]孔德超.大數(shù)據(jù)征信初探——基于個人征信視角[J].現(xiàn)代管理科學(xué)，2016（04）.第39-41頁.

[12]袁新峰.關(guān)于當(dāng)前互聯(lián)網(wǎng)金融征信發(fā)展的思考[J].征信，2014（01）.第39-42頁.

[13]吳晶妹.2015展望：網(wǎng)絡(luò)征信發(fā)展元年[J].征信，2014（12）.第1-4+83頁.

[14]向暉.個人信用評分組合模型研究與應(yīng)用[D]，2011，湖南大學(xué).第131頁.

[15]帥理.個人信用風(fēng)險評估理論與方法的拓展研究[D]，2015，電子科技大學(xué).第 144頁.

[16]孫亞南.中國個人信用管理體系建設(shè)研究[D]，2008，中國人民大學(xué).第178頁.

[17]Sousa，M.R.，J.O.Gama and E.Brand O，A new dynamic modeling framework for credit risk assessment[J].Expert Systems with Applications，2016.45：p.341-351.

[18]Harris，T.，Credit scoring using the clustered support vector machine[J]..Expert Systems with Applications，2015.42（2）：p.741-750.

[19]Kozeny，V.，genetic algorithms for credit scoring[J]..Expert Systems with Applications，2015.27：p.11-23.

[20]Koutanaei，F(xiàn).N.，H.Sajedi and M.Khanbabaei，A hybrid data mining model of feature selection algorithms and ensemble learning classifiers for credit scoring[J]..Journal of Retailing and Consumer Services，2015.27：p.11-23.

[21]宋麗平.張利坤與徐瑋，P2P網(wǎng)絡(luò)借貸個人信用風(fēng)險評估[J].財會月刊，2015（35）.第94-96頁.

[22]夏立明.邊亞男與宗恒恒，基于供應(yīng)鏈金融的中小企業(yè)信用風(fēng)險評價模型研究[J].商業(yè)研究，2013（10）：171-177頁.

[23]柳向東與李鳳.大數(shù)據(jù)背景下網(wǎng)絡(luò)借貸的信用風(fēng)險評估——以人人貸為例[J].統(tǒng)計與信息論壇，2016（05）：第41-48頁.

[24]劉新海與丁偉.美國ZestFinance公司大數(shù)據(jù)征信實(shí)踐 [J].征信，2015（08）：第27-32頁.

[25]楊從正.P2P借貸風(fēng)險管理魔方體系構(gòu)建研究[D].2015，云南大學(xué).第56頁.

[26]李寧寧.P2P資金第三方托管問題研究[D].2015，華南理工大學(xué).第52頁.

[27]趙剛.商業(yè)銀行信用卡業(yè)務(wù)信用風(fēng)險管理研究[D].2007，華東師范大學(xué).第158頁.

[28]逄明亮.我國P2P網(wǎng)絡(luò)貨款平臺全面風(fēng)險管理體系構(gòu)建研究[D]，2015，山東大學(xué).第76頁.

[29]龐淑娟.大數(shù)據(jù)在銀行信用風(fēng)險管理中的應(yīng)用[J].征信，2015（03）.第12-15頁.

[30]尹麗.P2P網(wǎng)絡(luò)借貸平臺資金托管問題研究[J].當(dāng)代經(jīng)濟(jì)管理，2016（01）.第86-90頁.

[31]楊大楷與俞艷.中國個人消費(fèi)信貸狀況及風(fēng)險防范研究[J].金融論壇，2005（07）.第45-50+63頁.

[32]向明.冀源溪與曲博，美國大數(shù)據(jù)網(wǎng)絡(luò)貸款公司Kabbage的運(yùn)營模式及啟示[J].征信，2016（01）：第60-62.

作者簡介：李銘（1993-），女，內(nèi)蒙古烏蘭察布人，碩士研究生，中央財經(jīng)大學(xué)信息學(xué)院，研究方向：互聯(lián)網(wǎng)金融。