大数据分析下的互联网金融风险预警研究

摘要

互联网金融在很大程度上增加了金融的灵活性,但互联网金融也带来一定的风险,为使互联网金融健康安全发展,必须建立和完善互联网金融的风险预警系统。

我国互联网金融创新步伐较快,而起步又相对较晚,其相应的监管措施尚未及时跟进,使得互联网金融的宏微观风险逐渐凸显。为了能更好地控制互联网金融存在的风险,我们必须建立一个以大数据为基础的互联网金融预警系统,从而保证互联网金融健康、安全地发展起来。

一、大数据分类

在互联网金融行业中,大数据贯穿了互联网金融。以第三方支付、P2P平台为代表的互联网金融模式借助于多渠道获取的上千条甚至上万条原始信息数据。目前,可被用于互联网金融风险控制的数据来源主要有六个方面。

第一,电商大数据。淘宝、腾讯、京东等电商拥有稳定、丰富的数据源。以阿里巴巴为例,它已利用丰富数据建立了面向社会的信用服务体系,芝麻信用通过分析自身积累的大量网络交易及行为数据,对用户进行信用评估。这些信用评估能够有效地帮助互联网金融企业对用户的还款能力做出结论,继而为用户提供相关的金融和经济服务。

第二,信用卡大数据。信用卡类网站的大数据同样对互联网金融的风险控制非常有价值。信用卡申请年份、是否通过、授信额度、卡片种类、还款金额、逾期还款次数、对优惠信息的关注等都能作为个人信用评级的参考数据。国内典型代表是2013年推出的信用风险管理平台“信用宝”,结合国外引入的FICO风控模型,从事互联网金融小额信贷业务。

第三,社交网站大数据。社交网站类的大数据是利用社交网络关系数据和朋友之间的相互信任来确定个人信用等级。以美国的Lending Club为例,它基于社交平台上的应用搭建借贷双方平台。

第四,小贷网站大数据。小贷网站类的大数据是各网站平台长期积累的信贷数据,包括借贷人基本信息、信贷额度、违约记录等。其中有数据统计的全国小贷平台有上千家,全国性比较知名的有陆金所、红岭等。

第五,第三方支付大数据。第三方支付类数据是基于用户的消费数据做信用分析,每月支付的额度、支付的方向、购买产品品牌等都可作为个人信用评级的参考依据。

第六,生活服务类大数据。生活服务类大数据包括水、电、煤气、有线电视、电话、网络费、物业费交纳等。这些数据真实反映了个人以及家庭基本信息,是信用评级中重要的数据。

二、互联网金融风险

在互联网金融发展过程中,存在不少风险,主要体现如下:

第一,信息技术的不安全性。互联网金融的发展是基于互联网技术得以发展的,但是互联网本身具有的开放性以及技术不完善也给互联网金融的发展带来了不确定的风险因素。这不仅使互联网金融系统可能遭受病毒或木马的攻击,而且在信息的储存、处理、发布等过程中,由于技术的缺失导致传输信息发生失真、迟滞、泄露等情况。

第二,信用水平缺失。从我国当前的法律法规和监管来看,均处于不健全和不完善的现状。互联网金融平台在选择用户时准入不严格,用户在互联网机构提供的平台上简单注册就可以进行交易,即便是在注册时要求客户填写基础信息,也不能避免注册用户在这一部分造假或可以隐瞒。同时,我国尚未完全建立存款保险制度,在利益的驱使之下,用户很有可能存在没有保险托底和准备金不充足的情况下,出现携款潜逃等情况,而所有这些对于投资者而言,无疑存在巨大风险。

第三,行业自律严重失衡。由于互联网金融本身所具有的虚拟性特征,使得其投资者与互联网金融机构之间成为了利益共同体,而另一方面二者又是相对独立的,拥有不同的特性,因此要想将两者紧密结合起来,除了通过法律法规相互约束之外,交易双方之间还必须在道德和信用的基础及法律法规的底线上,实现高度的行业自律。但是从当前的情况来看,随着互联网金融的飞速发展,其不论是法律体系的构建、还是信用和精神层面的发展都处于失衡状态。

三、互联网金融风险预警系统

(一)以数据为中心的体系设计原则

在互联网金融风险预警系统设计的过程中须遵循以下三点原则。

第一,系统性原则。互联网金融风险预警系统是一个针对互联网金融风险进行检测、预测以及预警的系统,是一个复杂的体系,这个体系涵盖了互联网金融行业的全部,所以在建立这个系统的时候应考虑每个参与者的利益。

第二,时效性。对于互联网金融行业的数据须及时处理,具有高效性,所以在进行建立预警系统的时候要注意时限性,确保能够及时地发现风险及不足,这样才能有充足的时间去预防,避免出错,防止造成更大的损失。

第三,准确性。在建立该预警系统的过程中要保证数据的准确性才能准确的判断出互联网金融风险,避免对金融风险作出错误的估计,造成不必要的损失。

(二)以数据为中心的系统层级

结合以数据为中心的体系设计原则,预警体系涵盖了数据的收集、数据提取、数据分析和数据结果四个环节。在互联网金融预警系统分为四个层级:

1、数据管理层

互联网金融预警系统是以数据为基础的,数据作为系统中的核心部分,是整个体系中的关键环节。企业在建立以数据为中心的互联网金融预警系统过程中,必须健全为企业服务的数据管理机制,建立与企业规模相匹配的数据中心,从而收集、整理、加工、存储数据,以便其他层级用户的使用。

2、数据整合层

要从互联网金融的大数据中实现金融风险的预警,必须对金融风险有透彻的定义和认识。从金融风险的定义出发,确定分析需求,对数据进行重新整合,提取与之对应的分析数据。数据整合是保证分析结果可靠性、准确性必不可少的环节。

3、数据分析层

数据分析是互联网金融风险管理控制的实施手段。全面的数据分析系统,应包括现行的指标体系、统计模型,及人工智能方法等功能。

4、数据结果层

由数据分析层中得倒的每一次预警,都须结合企业的经营管理状况、企业外部经济运行环境以及行业背景等进行分析,为企业决策管理者提供更完整的决策依据,从而减少企业为规避风险所产生的损益。

四、结论

基于大数据的金融风险预警系统作为保障互联网金融正常运行的工具,在传统金融互联网化的时代背景下,将会得到快速的发展。

文/张澳夫

本文来自企鹅号 - 墙角数只梅媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

刘庆峰年会演讲:科大讯飞的三层生态框架是如何建成的?

AI科技评论按:近日,科大讯飞董事长刘庆峰在公司年会上发表了演讲,他在演讲中表示,科大讯飞在促成“2016年成为中国人工智能元年”这件事情上,起了领袖性的作用;...

38280
来自专栏镁客网

AI革命已至,商业化浪潮即将来临——镁客网M-TECH主题论坛2018苏州站圆满落幕

14430
来自专栏AI科技大本营的专栏

AI泡沫之上,创业公司的护城河和边界扩张

很早,VC 们就已放出人工智能将在 2018 年泡沫破灭的预言,现在的他们正作壁上观,盯着那张写满已投公司的图纸,以尽力确认自己抓住的是泡沫背后的真实。

13150
来自专栏罗超频道

搜索巨头转身:Google向左、百度向右

谷歌日前宣布了一个重大事项:未来将以Alphabet(字母表)的品牌亮相,谷歌将成为这家新的控股公司的全资子公司,与Google并列的还有健康、投资、Googl...

28550
来自专栏灯塔大数据

深度|大数据助推媒体融合

根据相关统计,2016年4月我国4G手机用户达5.3亿,预计年底达到7亿,未来两年4G网络将成为我国城乡主要的使用设备。但业内普遍认为这只是一个过渡,2020...

453100
来自专栏人称T客

小小移动CRM市值超过畅捷通 后起之秀涌现意味什么?

又到了一年一度年终岁尾,从即日起,T哥也将走访一些典型的厂商开启我的盘点之路,如果你是IT市场上的创业新秀,或是软件市场的IT老兵,都欢迎您与T哥有约,来一场我...

37980
来自专栏大数据文摘

理财智能化,机器人投顾切入万亿市场

287110
来自专栏AI科技大本营的专栏

又一百度杰出科学家离职,百度研究院成中国AI的黄埔军校

7 月 24 日凌晨,百度深度学习(IDL)研究院“杰出科学家”徐伟在朋友圈宣布离职百度,加入地平线,担任通用 AI 首席科学家。

11610
来自专栏知晓程序

芝麻信用的头号劲敌来了,腾讯信用分靠什么逆袭?

腾讯信用悄然上线了。过去的几个月,它分别有两次出场机会,但很显然新闻头条并不属于它。

14430
来自专栏Python中文社区

同盾科技&智能语音 | 你不得不知道的战略布局

随着智能语音交互的发展,声纹识别作为一种安全的验证方式,越来越被广泛接受与重视,童话故事里“芝麻开门”的用户场景也早已实现。

13320

扫码关注云+社区

领取腾讯云代金券