互聯網金融下信用風險研究

徐路路

【摘 要】目前，我國互聯網金融信用風險事件頻發，嚴重影響金融市場平穩運行。本文基于信用風險原理，結合我國互聯網融資三種模式，分析我國互聯網金融發展的優勢以及對信用風險的影響。研究發現，我國互聯網金融尚且處于起步階段，客戶和平臺皆存在多種違規操作，信用風險大。本文嘗試從征信體系、法律以及平臺等方面對信用風險管控提出建議，對互聯網金融市場穩健運行有一定借鑒意義。

【關鍵詞】互聯網金融；信用風險；風險管控

一、信用風險概述

近年來，我國依靠投資驅動的經濟增長機制導致信貸規模擴張，以及利率市場化和經濟下行的多重影響，加大了我國信用風險。2018年以來，P2P互聯網金融全面暴雷，公開發行債券以及政府融資平臺相繼出現違約事件。2018年10月18日，中國人民銀行表示將加強互聯網信用體系建設，推動小貸公司、網貸機構全面接入征信系統，實現互聯網金融、互聯網電商等領域的信用信息全覆蓋。

信用風險一般有廣義和狹義之分，廣義信用風險指因交易對手違約引起的風險，如借款人不按時還本付息引起的資產質量惡化、大量存款人擠提存款形成支付困難等。狹義信用風險通常指信貸風險，指借款人沒有能力按時償還貸款或是有能力但不愿償還，導致貸款人財產損失的可能性。信貸市場上，由于借款人與金融機構之間的信息不對稱以及金融機構受到利益目標誘惑，逆向選擇與不當激勵總是存在的。本文信用風險主要指狹義信用風險。現有關于信用風險理論研究很多，熟為人知的理論主要是，貸款勉強理論和金融脆弱性理論。貸款勉強理論最初由Gwyne提出，通常指在一定利率下提供超過借款人意愿的貸款。貸款勉強理論是我國不良貸款產生的背景原因。我國信貸市場是以貸款勉強和貸款需求無彈性的兩個分割市場共存，即對效益好的爭相貸款的供給過剩現象和對效益差的不愿放貸的供給不足現象并存。金融脆弱性假說指，Minsky認為代際遺忘和競爭壓力是解釋金融體系脆弱的重要原因。一方面，利好事件促使貸款人戰勝危機恐懼，另一方面出于競爭壓力，采取不審慎貸款決策，提供大量貸款而不顧及信用風險敞口不斷擴大的最終累積影響。

二、互聯網金融下的融資模式

（一）P2P模式。P2P模式經由互聯網中介平臺，以較快更新速度實時觀察對方信息，包括無抵押擔保的線上、線上線下相結合以及債券轉讓模式。P2P模式不受地域限制，不管借貸雙方身處何地，只要通過互聯網就可以實現交易，出借方可以清晰了解貸款方的真實利率水平，保證利息率統一。

（二）電商式小額借貸。憑借電子商務平臺，依托于云計算、大數據等計算技術，集合海量非結構化數據，收集整理在線交易客戶信息資料，以此建立互聯網借貸中的信息資料審核程序。電商式小額借貸彌補傳統借貸市場中小微經濟主體的信用記錄不足缺陷，借貸靈活，流程簡單。

（三）眾籌借貸模式。主要指中小企業通過互聯網平臺，以合資或是預購的形式向社會籌集資金。既是籌資途徑也是投資項目，一方面社會公眾作為項目投資者分得投資紅利，激發投資熱情，另一方面，融資門檻低，形式靈活開放，突破傳統融資桎梏，緩解中小企業融資難問題，實現社會資源邊際效用最大化。

三、互聯網金融對信用風險的影響

（一）互聯網金融優勢

首先，信息時代背景使得每個社會經濟主體成為彼此相互聯系的神經元，互聯網通過四通八達的網絡觸角，將各個經濟主體的現實世界的狀態屬性轉換為虛擬世界的數據信息。資金供需雙方能直接利用信息篩選，自動完成對象匹配，節省傳統融資模式所必須支付的資料費、菜單成本、甚至是灰色費用。充分挖掘長尾效應中的尾部市場，實現規模效益。其次，構建了開放性、多樣性、層次性互聯網信用體系，公開透明化借貸雙方信息，緩解由于信息不對稱引起的逆向選擇問題。以芝麻信用為代表，主要利用了身份特征、選擇偏好、信用記錄、人際關系和履約能力來考核小微經濟主體的信用資質，緩解因缺乏抵押品而造成的融資難問題，發揮風險管控作用。趙岳、譚之博（2012）研究指出，電子商務平臺的融資模式將經營權限作為企業的信用資本納入信貸審核，突破中小企業可抵押實物資產的限制，提高貸款可得性。最后，互聯網金融促使金融機構創新金融產品。各大商業銀行受互聯網金融發展沖擊，改變傳統業務經營形式，借助互聯網思維，調整經營模式，將人工智能、區塊鏈技術引入銀行業務，滿足細分市場中長尾客戶需求，實現銀行轉型發展。

（二）互聯網金融信用風險現狀

據網貸天眼不完全統計，截至2018年6月30日，國內P2P運營平臺共計2835家。2017到2018年，新增141家，消亡1407家，消亡平臺數遠高于新增數，行業發展已告別起初的野蠻生長態勢，進入優勝劣淘期。具體而言，2018年上半年消亡平臺類型中，長時間網站無法訪問511家，占比70.87%；僵尸網站85家，占比11.79%；跑路、經偵立案等67家，占比9.29%；主動退出18家，占比2.50%；其他40家，占比5.55%。涉嫌自融自保、開展校園貸等違規業務、虛假、誘導性宣傳、服務器在境外、收益率過高等違規的2000余家。在2017年網絡借貸行業總成交量TOP100平臺中，包括“錢爸爸”、“金銀貓”“投融家”、“善林財富”等平臺目前均已出現問題。

據融360不完全統計，截止到2018年10月底，問題平臺約有1266.83億元的待還余額未償還，涉及到102.82萬投資人以及107.89萬借款人。自7月份以來的暴雷潮中，很多規模較大的平臺也未能幸免；主動宣布逾期、重組、清盤和退出的平臺也較多，造成大量到期債權逾期，甚至成為呆賬、壞賬。一旦平臺成為問題平臺，無論是經偵介入還是提現困難，回款速度非常緩慢，甚至回款停滯。一方面由于被立案平臺資產凍結，短期內無法還款；另一方面，還有一部分“老賴”借機故意不償還。

四、互聯網金融信用風險高的成因

（一）借款者數據不準確。互聯網金融服務的群體主要是銀行信貸服務未能覆蓋的群體，既包括銀行符合銀行授信資質的，也包括一部分不符合銀行授信條件的。后者很大一部分可能是從事自由職業、底層工薪階層甚至是學生群體等人群，他們收入一般或是不穩定，生活方式不規律，資金實力弱，抗風險能力差，很可能出現資金鏈斷裂，較大概率存在違約行為。其次，互聯網信息采集不夠準確。以電子商務模式為例，數據收集主要集中在零售和消費環節，缺乏對其他環節信息的采集，信息不夠完整。諸如“刷信用”、“改評價”等行為屢見不鮮，所出具的電子文件真實性有待考核。目前我國人民銀行征信體系并不完善，信用信息在各機構之間流通不暢，對于互聯網信用資質審核并無助力。另外，互聯網金融下信用評價需依賴信息數據模型，而數據模型中數據的沉淀至少需要三年的時間。同時，還需要對數據進行篩選和更新，線下調研分散式客戶信息，操作難度大，難保獲取信息的正確性、時效性、有效性。

（二）平臺自身問題。從各年度行業報告來看，各大網貸平臺競爭激烈。為追求盈利目的，不少網貸平臺信息披露較差、底層資產不清晰、業務操作走在法律邊緣。網貸行業依舊屬于新興行業，國家對其監管文件較少，由于政府監管的缺失，網貸平臺一直處于法律的真空地帶，如雨后春筍般涌現的網貸平臺，大批量良莠不齊，在內部風險控制和個人信息權益保護存在隱患。一方面，網貸平臺并不是完全意義上的金融中介機構，一方面履行中介職能，另一方面充當融資者角色，一旦投資失敗，必定會引起投資者的兌付困難。并且，平臺可能并不存在獨立性的資金管理機構，投資者對資金動向無法準確監控。此外，我國現有互聯網金融從業人員技術經驗匱乏，資深專業風控人才緊缺。互聯網金融行業是傳統金融與互聯網的交叉衍生行業，從業人員需要同時具備傳統金融知識和互聯網思維，如果缺乏相應的專業素養，或是與平臺聯手欺騙，將會造成巨大信用風險，對廣大投資者利益造成巨大損失。

五、互聯網金融下信用風險管理措施

互聯網金融是信息技術與金融產品的有機結合，雖以其“快餐式”服務特征為多種經濟群體緩解信息不對稱問題，提高社會資金利用效率，拓展普惠金融實現路徑。但是，近年來網貸頻頻出現暴雷事件，多個網貸平臺出現跑路事件，信用風險嚴重。因此，本文對互聯網金融下風險管理提出如下建議：

（一）完善社會信用體系和法律法規建設

完善社會信用體系建設，不僅事關我國社會金融運作良好發展，也是我國建設文明法治社會的關鍵。信用交易是市場經濟高度發展的表現，有助于迅速將閑置資金轉化為社會資本，縮短交易時間，節約交易成本，實現經濟結構合理高效化調整。目前，我國以中國人民銀行為主導，以民間信用機構為輔助，收錄信用信息，加快對社會信用體系建設。推進各大征信平臺整合，加緊國家部門、金融機構與企業個人的征信系統聯通，實現資源共享，信息流通，對于約束違約行為，提高整個互聯網行業道德素養有重大意義。此外，互聯網金融作為新興產業，在市場準入、運營機制等方面缺少明確的法律規范，網貸客戶或是網貸平臺頻鉆法律漏洞，危害社會公眾利益。營造良好的信用環境一方面需要經濟主體自身道德要素約束，另一方面需要國家法制監管，雙管齊下，內外兼治。

（二）加強網貸平臺風險管控

加強貸前、貸中、貸后風險管控。依托大數據技術以及數據共享平臺，由點到線，由線到面，粘合數據碎片，全面審核客戶信息，嚴格甄別優質客戶人群。貸前風險管控是降低信用風險最關鍵環節，不少網貸平臺以短期盈利為目標，寧爛勿缺，加大信用風險敞口，一旦風險發生，彌補往往是無濟于事的。貸中管控中，平臺應與資質較好的第三方機構簽訂資金委托管理合約，加強對資金流動的實時監控，密切關注可能潛在風險，實時實行信息披露，既增加了投資者的信任，也多渠道確保資金交易安全。貸后風控是防范風險的最后防火線，制定合理收款政策，加收逾期費用，依法進行催收，對惡意賴賬加入失信名單公式，提升貸款的回收率。所有的管控措施離不開風控人員，還應大力引入專業性風險管控人才，及時洞悉風險苗頭，專業處理風險危機，將風險管控在安全范圍內。

【參考文獻】

[1]Gersbach H， Lipponer A. The Correlation Effect[J]. Social Science Electronic Publishing， 2000.

[2]趙岳， 譚之博. 電子商務、銀行信貸與中小企業融資——一個基于信息經濟學的理論模型[J]. 經濟研究， 2012（7）：99-112.

[3]侯光明， 張燃. 信用風險度量的結構化方法[J]. 北京理工大學學報， 2005， 25（6）：560-564.

[4] 王千. 互聯網企業平臺生態圈及其金融生態圈研究——基于共同價值的視角[J]. 國際金融研究， 2014， 331（11）：76-86.

[5]汪靜， 陳曉紅， 楊立. P2P網貸平臺信息披露水平、投資人信任與投資風險[J]. 中國經濟問題， 2018（3）.

[6]俞林， 康燦華， 王龍. 互聯網金融監管博弈研究：以P2P網貸模式為例[J]. 南開經濟研究， 2015（5）：126-139.