基于大數據分析的互聯網金融風險預警研究

摘要：在國家支持互聯網創新的政策背景下，互聯網金融迅速發展，亟需建立互聯網金融風險預警系統進行風險防范。文章從大數據出發，針對互聯網金融數據的特點，遵循以數據為中心的系統設計原則，按照數據的處理方式進行系統層級劃分，構建了基于大數據分析的互聯網金融風險預警系統。運用大數據管理工具和分析方法，可以提前發現互聯網金融中潛在的金融風險，從而為互聯網企業提供風險管理依據，有利于保障互聯網金融企業健康可持續發展。

關鍵詞：互聯網金融；大數據；金融風險預警

一、 互聯網金融風險的概述

所謂互聯網金融是指借助于互聯網技術、移動通信技術實現資金融通、支付和信息中介等業務的新興金融模式，既不同于商業銀行間接融資，也不同于資本市場直接融資的融資模式。隨著互聯網技術的快速發展，互聯網金融得到迅猛的發展，具體體現在用戶數量和資金規模上。央行數據顯示，電子支付業務增長較快，移動支付業務保持高位增長；2013年移動支付業務16.74億筆，金額9.64萬億元，同比分別增長212.86%和317.56%。新華網的報道顯示，互聯網理財產品在近一年的時間內，發展已經超出人們的想象，例如互聯網理財領域的“余額寶”，截止到2014年2月，其客戶數已超過6 000萬人，資金規模已超過2 500億元。與傳統金融相比，互聯網金融具有成本低、效率高、覆蓋廣、發展快和管理弱等特點，并在國家支持互聯網創新的背景下，得到迅速的發展。

“高效共享”、“平等自由”、“信任尊重”的互聯網精神推動了互聯網金融的快速發展，進而形成以點對點，網格化共享互聯，信息交互，資源共享，優勢互補的金融體系。雖然成熟可靠的互聯網技術為互聯網金融的正常運營提供了強有力的保證，但是互聯網金融的風險監管體系與傳統金融的監管體系相比，在合法性、規范性和安全性等方面尚存在很多問題，這些問題將會產生諸多不確定的金融風險，不僅會影響企業的可持續發展，甚至會影響國家和社會的繁榮穩定。要控制金融風險，需有完善的金融預警機制作為保障。所謂金融預警機制主要是指各種反映金融風險警情、警兆、警源及變動趨勢的組織形式，指標體系和預警方法等所構成的有機整體，并且以經濟金融統計資料為依據，以信息技術為基礎，是金融風險防范的重要組成部分。如何判斷和識別金融風險，是金融風險預警機制的核心問題。隨著信息技術的快速發展，結合收集的歷史數據，結合數學指標、統計模型、數據挖掘等模型、算法判斷和識別金融風險，是當今金融風險預警機制中的研究熱點。傳統的金融風險預警方法主要有三大類：景氣指數法、指標體系評分法和模型法。景氣指數法，通過綜合許多經濟因素為一個或一組景氣指數來發布經濟動態走向；指標體系評分法，通過篩選指標、編制指標體系、給與指標賦分來給出金融安全狀態的較為完整的評價；模型法，通過將與金融危機發生的相關因素納入統計模型進行檢驗來預測金融危機發生的可能性。

對于互聯網企業來說，爆炸式增長的客戶數據是一個亟待開發的資源，數據中所蘊藏的無限信息金礦若以先進的分析技術加以利用，將之轉換為極其有價值的洞察力，能夠幫助金融企業執行實時風險管理，成為金融企業的強大保護盾，保證金融企業的正常運營。數據是下一個“Intel Inside”，未來屬于將數據轉換成產品的公司和人們。互聯網金融風險的預警體系的建立，應根植于互聯網中的大數據，結合傳統的金融風險分析方法，利用統計、計算機、數據挖掘、人工智能等手段，從數據的海洋中甄別、判斷互聯網金融中潛在的風險；并且還能通過數據掌握客戶動態，企業經營環節中可能出現的金融風險，從而提高企業經營管理效益。

二、 互聯網金融中的數據及特點

1. 互聯網金融的數據。與互聯網電子商務一樣，互聯網金融作為金融信息化的形式，離不開參與互聯網金融活動的企業、客戶，以及相關的金融服務或產品。與傳統金融活動相比，互聯網金融活動更容易收集、整理、存儲用戶信息、用戶交易數據、服務或產品信息，甚至還能存儲用戶在交易過程中對互聯網平臺的使用情況、操作行為，以及溝通、留言等信息。從互聯網金融數據的構成形式來看，主要包括：用戶數據、交易數據、用戶操作及行為數據、金融服務或產品供給情況，以及文本數據（包括：電子郵件，即時聊天，以及留言等）。

（1）用戶數據。互聯網金融業務的開展，離不開用戶的參與。為保障用戶在交易過程中的金融安全，保證日常金融活動的順利進行，金融企業針對用戶信息的管理工作是十分嚴格的。通常情況下，用戶的基本信息會被收錄和存儲到企業信息系統之中。作為互聯網金融的服務對象，用戶是不可缺少的組成部分，用戶規模直接反映了企業的規模，還間接反映了企業的發展前景。

（2）交易數據。互聯網金融是傳統金融向電子信息化方向的發展，互聯網金融的主要活動離不開用戶交易。互聯網金融企業為用戶交易提供了互聯網平臺媒介及相關金融服務。為保證交易安全，提高企業的服務質量，便于回溯和取證，系統會記錄用戶通過互聯網平臺交易的過程。長期積累的交易數據不僅可以用來分析用戶的交易偏好，也可用來偵測用戶的異常交易行為，為防止交易風險提供依據。

（3）用戶操作行為數據。互聯網金融平臺不僅是互聯網交易的媒介，也承載著傳遞信息，宣傳金融服務的作用。與傳統金融不同，互聯網金融平臺無法通過面對面的交談，感知客戶的感受，發現客戶的異常行為。因此，為了提升互聯網金融平臺的服務質量，了解客戶的操作行為習慣，通常會記錄客戶的操作行為。

（4）文本數據。作為信息傳遞的平臺，互聯網中存在大量的評價，留言，溝通交流信息，這些信息體現了民眾的輿論動向。金融運行的基礎為信用與預期，這種特征使其更容易受社會信用與預期輿情的影響。金融輿情能夠通過一定的作用機理對互聯網金融運行產生現實的影響，如果不能及時關注和應對小的金融輿情，則有可能釀成大的金融危機事件。

（5）其他數據。除此之外，還有諸多外部因素會影響互聯網金融的正常運行，例如國家宏觀經濟運行情況，物價水平，進出口、行業發展狀況等都會對互聯網金融產生影響。為保證互聯網金融企業的正常運行，應該全面，細致的整理和收集相關的數據。

2. 互聯網金融數據的特點。與大數據一樣，互聯網金融數據具有規模性（Volume）、多樣性（Variety）和高速性（Velocity）等三大特點。三大特點交織在一起，形成了當今中國互聯網金融的新局面。

（1）規模性。所謂規模性指的是，互聯網金融數據的量達到了一定的程度，無法通過當前主流的分析工具來及時處理。互聯網金融數據的規模體現在用戶規模增大、交易規模增大兩方面。一方面，由于互聯網金融的門檻較低，效率較高，互聯網金融的參與者更具有廣泛性、規模性，更加平民化導致互聯網金融用戶規模較大。另一方面，結合互聯網的特點，加之互聯網企業的平臺、用戶、以及大數據優勢，互聯網金融的用戶規模、交易規模很容易迅速提升。

（2）多樣性。所謂多樣性指的是，互聯網金融數據的數據類型，除了有結構化的數據以外，還有半結構化和非結構化的數據，例如文本數據。此外，還體現為互聯網金融活動的多樣性，互聯網金融提供了在線支付、還貸借貸、理財、保險等服務，豐富了互聯網金融的形式。常見的互聯網金融活動包括：B2B電商金融、B2C電商金融、網銷基金（網絡理財）、網銷保險、銀行電商、P2P網貸、網絡支付、眾籌融資、虛擬貨幣等。

（3）高速性。所謂高速性指的是，互聯網金融數據的到達與處理必須及時高效，不允許較長的延遲，不及時將會造成不必要的損失。同時，借助互聯網平臺的宣傳，互聯網用戶的響應速度提高，加之用戶規模較大，數據的增長速度呈指數增加。

可見，要從大數據中識別、發現互聯網金融中潛在的風險，需要有處理大數據規模性、多樣性、高速性的能力。要應對互聯網金融中的大數據問題，需要建立完備科學的互聯網金融風險預警體系。目前大數據主要的處理模式可以分為流處理和批處理兩種，其中批處理是先存儲后處理，而流處理則是直接處理。不論以哪種方式處理數據，互聯網金融風險預警系統都要從數據出發，識別、發現、預警、監控、預測互聯網金融中潛在的風險。

三、 互聯網金融風險預警系統

1. 以數據為中心的體系設計原則。

（1）系統性原則。互聯網金融風險預警體系是針對互聯網金融風險的監測、預測、預警的系統，是一個大的體系，必須涵蓋互聯網金融活動的全過程。必須考慮到互聯網金融活動中的每個參與者，包括金融服務、金融產品的提供者，中介機構、用戶，以及政府、監管機構等；還須考慮各種交易行為，甚至民眾輿論動向。同時，還需兼顧國家宏觀經濟運行情況、經濟指標、行業發展情況等。

（2）時效性原則。由于互聯網金融數據具有高速、變化的特點，說明實時處理分析的重要性，目的就是實時防范和減少金融風險，及時識別、判斷金融風險，及時對風險進行預測和響應，在時間上要連續，在內容上要連貫和可比。

（3）可操作性原則。在數據的收集、管理時，要有利于風險的識別、判斷、預測；在系統的構建時，要結合符合公司實際情況，簡單、可靠、易行；在數據分析過程中，選取的指標、統計方法、相關判別準則要易于分析、有利于操作，不僅能快速的識別、判斷、預測風險，做出預警，還能辨別風險的源頭。

（4）科學性。設計過程中應盡量考慮采用可量化的指標，同時也要設置一定的定性指標，以進一步系統地反映定量指標所不能表征的金融風險。對于定性指標也要給出準確的判斷標準，盡可能避免人為因素的誤導，確保評價結果的科學性、合理性和準確性。

（5）彈性原則。系統的設計應兼容既有金融風險預警系統，保證企業正常運營的前提下，隨著時間的推移，對系統進行不斷改進和完善。保證系統中功能、模塊應能獨立運行，功能各異，相互補充，避免冗余。

2. 以數據為中心的系統的層級。

（1）數據管理層。數據作為系統中的核心部分，是整個體系中的關鍵環節。企業在建立以數據為中心的互聯網金融預警系統過程中，必須健全為企業服務的數據管理機制，建立與企業規模相匹配的數據中心。數據中心的職責包括：數據的收集、整理、加工、存儲，提供方便、可靠的數據操縱接口，以便其他層級用戶的使用。數據中心管理數據時，應保證數據的完整性、準確性以及安全性；并兼顧可靠性，保證數據中心正常運營，為風險的預警提供數據支持平臺。

（2）數據整合層。要從互聯網金融的大數據海洋中實現金融風險的預警，必須對金融風險有透徹的定義和認識。從金融風險的定義出發，確定分析需求，對數據進行重新整合，提取與之對應的分析數據。數據整合是保證分析結果可靠性、準確性必不可少的環節。如果說數據是預警體系的基礎，那么需求則是預警體系的靈魂。數據提取層的任務包括：風險的定義、分析需求的確定、數據的整合與提取。

（3）數據分析層。數據分析是互聯網金融風險管理控制的實施手段。全面的數據分析系統，應包括現行的指標體系、統計模型，及人工智能方法；同時兼顧與企業相適應的相關指標體系、統計模型等方法。數據分析層的功能應包括：風險識別、判斷，風險預警，風險監控，自動上報、信號系統，風險預測，風險評級等功能。

（4）數據解釋層。來自數據分析層中的每一次預警、每一個報告，都須結合企業的經營管理狀況，以及企業外部經濟運行環境，行業背景來進行解讀。目的是更系統的評估風險，評價風險的可靠性，風險的危害程度，產生的根源，可采取的控制手段，彌補數據分析層的不足，為企業決策管理者提供更完整的決策依據，從而減少企業為規避風險所產生的損益。數據解釋層應健全風險響應機制，建立風險應急小組，為及時處理風險提供依據。

結合以“數據”為中心的體系設計原則，從系統性、時效性、可操作性、科學性和彈性來看，預警體系涵蓋了以數據為中心的互聯網金融風險分析的各個環節，即數據的收集、數據提取、數據分析和數據解釋；各層級緊緊相扣，又相互獨立，為企業風險控制管理提供有力支撐；通過數據中心的建設，有利于加快企業的信息化，提供企業管理水平，降低因企業管理缺陷導致的內部風險；統籌兼顧、持續改進，降低企業管理經驗成本。

四、 結論與機制實施建議

建立互聯網金融風險預警體系的目的是，預防或降低企業在經營過程中，由于決策失誤，客觀情況變化或其他原因使資金、財產、信譽遭受損失。本文介紹了從互聯網金融的發展狀況入手，介紹了互聯網金融的數據及特點，說明了互聯網金融風險預警系統的設計原則和系統層級。建立以數據為中心的金融風險預警系統，不僅能夠幫助企業降低和減少金融風險帶來的損失，也能幫助企業提高、完善企業經營管理水平。基于大數據的金融風險預警系統作為保障互聯網金融正常運行的工具，在傳統金融互聯網化的時代背景下，將會得到快速的發展。在系統的實施過程中，我們提出如下建議：

（1）建立科學、體系的考核評價機制。數據作為風險預警機制的核心，一旦離開操作數據的“人”，將毫無用處。因此在系統建設的過程中，應建立科學、體系的考核評價機制，提高參與者的主觀能動性，保證系統順利實施。考核機制應從數據的角度出發，以建立全面、可靠、彈性、實時、安全的數據體系為目標，對參與者在體系建設中的效能進行評估，量化參與者任務完成情況考核，獎勵為體系建設做出貢獻的參與者。

（2）要注意事物發展的階段性，由易到難，逐步金融風險預警系統。互聯網金融風險預警系統不是簡單地借用傳統金融風險系統，或者新系統的重新開發，而是在傳統金融風險系統的基礎上，結合互聯網的特點，建立與大數據為中心的風險預警系統，本質是傳統金融行業向互聯網金融行業的轉變。實施的過程中，企業要做系統的評估，從簡到繁，從易到難，保證企業正常運行的情況下，穩步建設以數據為中心的金融風險體系。同時，要結合企業的經營管理水平，充分利用互聯網技術，在風險管理的過程中不斷實踐，有條件的創新，建立符合企業自身發展要求的金融風險預警系統。

（3）制定科學規范的金融風險預警系統實施、操作程序。為保證系統實施、操作的規范性，應制定科學、規范的程序。在預警系統實施的過程中，應以數據為中心，制定明確的系統實施計劃，包括確定系統實施的進度、參與者、目標以及突發事件的處理等。同時要制定系統使用的行為規范、操作流程，明確參與者的權責、業務范圍、數據權限等；制定風險分析、上報、反饋和監測機制，保證及時發現風險，且得到及時響應。

此外，互聯網金融的正常運行離不開國家法律、法規、政策的支持，以及投資者，參與者的監督。監管部門應盡快完善法律、法規及相關政策，創造公平的競爭環境，保護互聯網金融參與者的財產安全；加快相關政策的出臺，明確互聯網金融的業務范圍，建立有效的準入和退出機制，獎勵金融創新，加大金融投機行為的處罰力度；提高政府監管水平，保障互聯網金融市場有序健康的發展；加強輿論監督和輿論導向，彌補政府監管不足。企業應公開披露相關數據，充分發揮互聯網金融的投資者、參與者的外部監管作用，避免金融風險的發生。

參考文獻：

1. 陳萍.金融輿情監測分析運用及政府策略.中國國情國力，2012，（8）：26-28.

2. 董小君.金融風險：預警機制研究.北京：經濟管理出版社，2004.

3. 胡輝.我國金融風險預警機制研究.江蘇大學學位論文，2008.

4. 孟小峰，慈祥.大數據管理：概念，技術與挑戰. 計算機研究與發展，2013，50（1）：146-169.

5. 李國杰.大數據研究的科學價值.中國計算機學會通訊，2012，8（9）：8-15.

6. 劉靜如.大數據：金融企業的盾與金——淺談風險管理與消費智能.中國金融電腦，2012，（9）：83-83.

基金項目：中國人民大學科學研究基金（中央高校基本科研業務費專項資金資助）項目“基于高維聯合模型的重復測量與生存時間資料聯合評價的擴展研究”（項目號：13XNH190）。

作者簡介：易丹輝，中國人民大學統計學院教授、博士生導師；楊虎，中國人民大學統計學院博士生；肖宏偉，中國人民大學經濟學博士，國家信息中心經濟預測部助理研究員。

收稿日期：2014-02-18。