數字普惠金融視角下的金融風險監測體系研究

陳翔宇 李雅婷 許秋 王成宇

摘要：近年來，普惠金融作為金融領域中脫貧攻堅的重要一環，受到了社會的廣泛關注。由于農村經濟金融服務成本較高的特點，傳統的農村金融信貸補貼改革方法并沒有使貧困群體得到應有的服務，為此數字普惠金融技術應運而生，其作為經濟發展中的自發創新，依托于互聯網技術為傳統普惠難點帶來了可行解決方案。

關鍵詞：數字普惠金融;風險監測;機器學習;知識圖譜

中圖分類號：F832??文獻識別碼：A??文章編號：

2096-3157（2020）01-0156-02

一、研究背景

數字普惠金融概念，于2016年杭州G20峰會上通過《G20數字普惠金融高級原則》得到正式闡述，涵蓋了包括交易、儲蓄、匯款、信貸、保險、證券、財務規劃與銀行對賬服務等一系列金融產品和服務。通過電子技術或是數字領域的交易，如傳統銀行賬戶、虛擬貨幣、電子儲值卡等。伴隨著大數據、云計算、機器學習這些新興技術的高速發展，金融服務將依托于數字包容性金融業務，為所有有金融服務需求的社會階層和群體提供。著眼于當下，我國數字普惠金融主要通過互聯網技術所帶來的創新性從而取得發展，為傳統普惠難點提供了可行的解決方案，同時由于發展空間和市場總額正在持續擴大，我國各大金融機構也正逐步推出獨特的數字普惠業務模式。

作為經濟發展中的自發創新，一方面，數字普惠金融擴大了金融業務的覆蓋范圍，使得用戶不必囿于傳統金融機構網點的地域限制，憑借數字化手段使金融服務觸及千家萬戶;另一方面，數字普惠金融改變了傳統普惠金融業務的運營模式，傳統業務若想擴大服務范圍，就只得不斷增設營業網點，而在偏遠農村地區設置網點的成本過高、難度過大，使農村地區群體難以享受到普惠金融服務。而數字普惠金融突破了空間限制，通過運用數字化支付平臺，為消費者與服務商提供了橋梁，有效節約了其中的建筑、人工成本。最為重要的是，數字惠普金融為中低收入群體提供了技術手段，讓他們通過網絡平臺與金融服務、金融產品連結起來。然而，由于國內數字普惠金融業務起步較晚，目前仍存在諸多問題，如金融欺詐頻發、征信體系不健全，監管體系的空白等，如何有效地評估和監測各類普惠金融業務的金融風險，建立適合數字普惠金融發展的金融風險監測體系，是目前我國金融機構亟需解決的問題。

國內學者在不同行業的普惠金融背景下，以金融風險監測體系建設為研究對象，主要有以下的研究成果：信貸方面，我國小微企業信貸行業缺乏風險控制機制，并從貸前調查、貸后管理等六個方面，提出建設小微企業的信貸風險監測體系的對策;近年來為降低投資者的風險，金融機構逐漸開始以智能投顧的方式，基于大數據分析為普通投資者提供私人銀行客戶才能享受的投資顧問服務，但這一技術尚處摸索階段;金融服務走向數字時代已是大勢所趨，金融機構應引入金融科技助力普惠金融發展，更加注重構建制度框架，更加注重大數據在精準識別中的應用。為具體實現這一理念，金融機構可基于個人信用評級理論和已有評價指標，提出農戶信用評級體系以幫助脫貧和防止返貧，并有具體的指標構建方法以供參考;由于創業企業信用擔保體系不健全，金融機構過高地估計了欺詐風險，從而造成創業融資難的問題。研究顯示，創業企業能從銀行等正規渠道獲得貸款的僅占10%左右，這有違普惠金融發展。對此，已有研究通過分解風險投資中的風險來源，探討和揭示了風險與收益的對稱性關系，對風險投資主體獲取超額收益的路徑做出新的分析和探索。金融機構可通過由6個指標和21個子項組成的相對完整的指標體系，制定創業投資項目篩選方案。值得注意的是，雖然數字技術的加入有效降低了普惠金融業務的風險，但是也有催生新的風險的可能。

二、相關風險識別

1?信用風險

普惠金融的目標是為得不到傳統金融服務的弱勢群體提供更多的金融服務和幫助。然而在實際生活中，一方面，弱勢群體往往缺乏足夠的抵押物和信用作為擔保，個人受文化程度較低，信用記錄有待完善、信用意識薄弱;另一方面，企業也有生產容易受自然條件影響、內部管理不合理、信息不對稱等問題。降低服務門檻，必定會導致金融機構的信用風險大幅增加。

2?流動風險

當今社會，用戶往往在存款結構上存在資金外流，并且當前的金融市場缺乏相應的制度進行約束。居民儲蓄余額的穩定增長，金融機構資金流動性問題被掩蓋，進而導致金融機構在支付過程中遭遇支付困難。與此同時，提供普惠金融服務的一部分運營者可能會因無法提供足額的資金來支持其流動性而蒙受損失。

3?操作風險

當前，數字普惠金融發展創新技術依然存在缺陷，交易主體仍存在資金損失風險。數字金融服務的提供者形成了數據壟斷，這意味著其他的金融參與者難以同在位金融服務提供者進行競爭，同時，多數數字普惠金融服務提供商為獨占客戶信息，往往會選擇構建自己的軟件閉環生態圈，這導致了用戶無法進行跨平臺金融活動，就會導致大用戶平臺擠占小平臺的發展空間，并導致了壟斷和市場的低效率運行。

4?數據安全風險

目前銀行的普惠金融服務中，數據來源及使用的合規性、安全性仍存在諸多問題;各銀行雖有大量原始數據積累，但由于其非結構化或半結構化特性，難以被充分有效的利用;部分銀行的信息系統缺乏統一規劃，各業務條線和各分支機構各自開發系統，導致數據定義沒有標準，數據信息采集不完整。另外，來源于互聯網交易，公共平臺互動等行為的數據更為全面，然而對這些數據而言，其數據質量很難得到保障，難以判斷其數據真實性。

5?監管風險

近年來，各銀行的普惠金融客戶迅猛增長，而在從業人員數量基本保持不變的情況下，運用大數據技術進行貸前、貸后調查的方式勢在必行，然而目前在推廣過程中缺乏正確的監管引導;各銀行部分地與各種外部機構建立了數據對接機制，但如今在隱私保護、知識產權保護、消費者權益保護等方面還有很多不完善之處。當前，各銀行風控模型已有一定成效，但其有效性仍待完善。例如，招行、建行的個人線上信用貸款，均出現了超過預期不良率的問題而難以為繼。由于當前風控模型的不成熟，貸款業務仍然主要以人工服務為主，距離無人監管仍有很長的路要走。

三、普惠金融風險監測體系研究

1?基于機器學習的貧困戶精準識別

當數據量十分巨大時，通過預處理使得數據滿足機器學習中監督學習類的算法要求所要付出的代價非常大，且對貧困戶沒有預先分類的規則，也沒有歸屬的類別，因此利用K-means 聚類算法進行分類處理。通過選取最優分類數 K 值，對貧困戶的貧困特征進行聚類分析，基于貧困特征對貧困戶進行分類建立貧困分類模型，分類結果對實施精準資助具有重要意義，有助于實現分類科學、資助精準的大數據精準扶貧模式。

K-means聚類算法是最典型的基于區間的聚類算法。其目的是在給定分類類別數K值情況下，隨機選取K個類簇中心點作為當前類簇的類中心，計算每個點與類中心點的間隔，將其劃分到距離最小的類簇中直至完成所有點類簇的劃分，然后重新計算每一類簇的中心點并計算各點與新類簇核心的距離長度，分配各點所屬類簇，如此循環迭代，直至類簇中心點的小于閾值或到達指定的迭代次數。

較差的初始聚類核心可能會導致聚類后果偏離全局最優分類，所以聚類的結果與隨機選擇的初始聚類中心有頗大的關聯。在實際應用中，一般以屢次迭代，多次重復運行K-means聚類算法，通過不同的聚類中心，以此實現全局最優分類。

2?基于知識圖譜的創業融資反欺詐

在創新創業融資的反欺詐場景中，不僅需要考慮單個信息點的屬性，創業的新興企業之間往往包含很多潛在的未知信息，而這些潛在的信息即隱性關聯。所以，識別企業融資欺詐的問題可以轉化為社會網絡分析或企業關系圖挖掘。知識圖譜的核心思想便是在機器理解知識中將多源異構數據集成于此，將信息轉化為“實體-關系-實體”三元組結構，隨后通過異常風險檢測，從而實現欺詐識別和防范。通過架構中的知識圖譜發現社區、染色標簽或異常子圖，各種風險評估模型都可以利用網絡特征直接提取，從而實現自動化創業融資反欺詐體系的構建。

四、結論

普惠金融因為有了互聯網金融的發展而擁有了強大的助推力。數字普惠金融的發展能夠有效地解決傳統普惠金融在服務門檻高、了解程度低、地理位置偏遠、適用性低等方面的問題，既給予了其中剛需者簡單而又便捷的金融服務，又為普惠金融服務提供者擴展了業務、降低了成本、增加了發展的可持續性，還加強了金融信息數據的分析和運用。但同時數字普惠金融也面臨著技術、產品開發、操作規范、客戶接受程度與安全意識等方面的問題，因數字技術的開放性、傳染性等特性，加劇了使用者的資金、信息風險以及金融市場的壟斷風險、準入風險和系統性風險。有效發展數字普惠金融能夠為我國更多的人提供金融服務，促進人民更好地享受金融優惠政策，從而實現真正的普惠金融。

參考文獻：

[1]陳偉，楊大楷?風險投資的異質性對IPO的影響研究——基于中小企業板的實證分析[J].山西財經大學學報，2013，35（03）：33～43

[2]黃益平?數字普惠金融的機會與風險[J].金融發展評論，2017，（08）：14～19

[3]尹優平?金融科技助推普惠金融[J].中國金融，2017，（22）：90～91

[4]向宇?打開金融扶貧的大門——貧困戶信用評級不返貧機制[J].中國國際財經（中英文），2017，（11）：154～154

[5]王曉瑩?農戶信用評價體系構建研究[D].昆明：云南財經大學，2016

[6]谷秀娟，葉金?創投企業支持中小企業發展的風險規避研究[J].鄭州輕工業學院學報（社會科學版），2014，15（01）：73～75

[7]金艷紅，張騫?從銀行角度看小微企業融資難[J].中國商論，2018，（31）：54～55

[8]曾之杰?中國風險投資風險-收益分析[D].北京：中國社會科學院研究生院，2017

[9]鄧文芳?創業投資項目篩選方案研究[D].杭州：浙江大學，2018

[10]王曉?國際組織對數字普惠金融監管的探索綜述[J].上海金融，2016，（10）：75～77

[11]李云?大數據分析技術及其在貧困生幫扶工作中的應用研究[D].貴陽：貴州大學，2018

[12]李博?數據挖掘模型在個人信貸風控中的應用[D].桂林：廣西師范大學，2019

[13]金磐石，萬光明，沈麗忠?基于知識圖譜的小微企業貸款申請反欺詐方案[J].大數據，2019，5（04）：100～112

[14]何行?行為金融學視角下的金融衍生產品風險分析[J].全國流通經濟，2006，（4）：56～57

[注]本文得到上海立信會計金融學院大學生創新創業訓練計劃（201911639089）基金支持

作者簡介：

1

陳翔宇，上海立信會計金融學院學生。

2?李雅婷，上海立信會計金融學院學生。

3?許秋，上海立信會計金融學院學生。

4?王成宇，上海立信會計金融學院學生。