基于大數據背景下高校校園網絡貸款的應對

涂國章

摘要：信息時代，我國互聯網金融得以迅猛發展，其中針對高校大學生的網絡貸款迅速在各高校蔓延開來，為解決高校學生的融資需求提供了便利。可由于監管不嚴、平臺管理混亂、虛假宣傳、隱形利息高、學生非理性消費、還貸失信等原因，出現了暴力催收、裸貸、套路貸甚至有學生因此而跳樓自殺等事件，嚴重影響經濟社會正常秩序。為了幫助大學生合理利用校園網貸，引導大學生健康消費，促進網絡貸款運營規范，推動金融市場和國家信貸市場健康和諧發展，維護我國市場經濟良好運行秩序。建議搭建大數據共享平臺充分運用大數據技術和處理，加強網絡貸款平臺監管，完善征信體系，構建大數據監測系統，防范化解借貸風險。

關鍵詞：大數據 ?高校 ?網絡貸款 ?亂象 ?整治

高校校園網絡貸款作為互聯網和金融相融合的一種創新模式，其是對金融體系結構中校園金融服務的補充，它是針對高校學生提供的分期購物或者現金消費等服務的互聯網金融服務平臺，其不僅數量多，發展迅速，并且在短時間內能夠較大程度的滿足高校學生對于資金的需求。但是就目前我國高校校園網絡貸款的現狀來看，很多學生在使用的過程中都出現了非理性消費，一些網貸金融公司則出現了高利貸陷阱，使高校網絡貸款暴露出不少負面問題，不僅嚴重影響著高校相關學生的身心健康，也影響了互聯網金融秩序和社會穩定，從而引起家庭、社會、學校的廣泛關注。根據我國相關法律法規規定，如何借助大數據規范高校校園網貸市場，幫助學生合理規劃借貸行為，是目前互聯網金融中一個亟待解決的問題。

一、高校校園網絡貸款的概述

高校校園網絡貸款是指高校學生在任何時間、任何地點，通過手機或者是電腦等終端，為了滿足自身的經濟或消費需求，主動或者被動地在網絡上申請相關的貸款業務，從而讓各個網絡貸款平臺或者金融公司通過其申請，并為其放款的情形[1]。目前，在我國的高校校園網絡貸款類型中，主要分為如下三種模式：一是網絡貸款平臺P2P、O2O、P2B等，例如有常見的“名校貸”“投投貸”等;二是是專門針對學生購物的網站，學生能夠通過分期的方式在網上進行購物，例如常見的“學生貸”“信通貸”等;三是是各大電商平臺提供的信貸業務，常見的有京東和淘寶為代表的B2B模式，如京東里面的“校園白條”，阿里巴巴的“螞蟻花唄”“天貓校園分期”等等。據統計，目前P2P網貸平臺，規模最大，使用范圍廣，問題也最多，自2007年始至2019年8月，我國的P2P網絡平臺數量最高峰值達到了6621家。因行業亂象，經偵介入、停業、跑路、轉型不斷，嚴重影響社會穩定和經濟秩序健康發展。可以說，自從2013年之后P2P網貸行業迎來爆炸式增長，各類機構紛紛涌入，金融資本亦蜂擁而至，行業陷入幾近瘋狂的境地。但是2015年以來，行業發展問題不斷暴露，強化互聯網金融監管提上日程，相關部門要求啟動互聯網金融專項整治。于是國家相關部門從2015年-2019年連續出臺一系列相應的整治措施，如果說2015年相關部門對平臺的整治集中表現在“包容”和“創新”的話，進入2016年，對網貸平臺更明顯的是“整治”和“監管”。之后國家相關部門和行業協會每年出臺系列監管整治辦法和措施，彰顯整治決心，于是2018年中期出現“暴雷潮”，平臺的馬太效應也愈發明顯，最終留下的必定是高度自律、規范、合法經營的平臺。至2019年底平臺數量雖然有6612家。但正常運營平臺僅有343家，其它大多是問題平臺。

二、高校校園網絡貸款存在的問題

（一）監管缺位，打擊整治不力

1.監管缺位。網貸平臺準入門檻低，缺乏較為完善的行業標準，同時我國的法律法規制度也相應欠缺，相關部門機構監管不嚴、監督不到位。從P2P平臺發展歷程可知，2007年起步，2013年問題暴露，2015年問題嚴重，2015年年底才有整改意向，2016年-2019年一系列監管辦法出臺，至2019年底正常運營平臺占總平臺比例僅為5.18%。

2.打擊整治不力。校園網貸在網貸平臺問題出現之初沒采取及時補救措施，而是等到問題愈發暴露嚴重后才出臺系列監管整治辦法，殊不知有些事件已經沒回旋余地，于是暴力催收、跳樓自殺等悲劇不得已而上演。另外對問題平臺的監管整治涉及部門眾多，誰牽頭，誰協作，模糊不清，造成這些相關部門似乎都在管，而又都沒管，導致打擊整治不力。

（二）風控能力差，學生非理性消費

1.網貸平臺風控能力差。由于高校校園網絡貸款平臺數量多，良莠不齊，一些高校校園網絡貸款平臺受到自身發展的限制，又想在激烈的市場競爭中獨樹一幟，就會進一步簡化貸款程序和門檻，那么其相應的風險也會大大提升，導致風險控制能力不足[2-4]。校園網貸學生欠賬多，追款成本高，損失大，有的甚至變成死賬、呆賬，要想追回這部分款項幾乎微乎其微，這部分學生要么是聯系不上，要么是無力償還。

2.貸款學生非理性消費。隨著高校校園網絡貸款的風行，各個高校的學生其思想意識也受到了不同程度的刺激，從而形成了虛榮心、與人攀比等不良品質，增強了學生的非理性消費行為。由于對于大部分高校學生來說，其本身就不具備較強的金融知識和正確消費的觀念，對于網絡貸款背后的潛在風險了解不深，伴隨著自身生活環境的變化，以及周圍物質世界的誘惑，和自己的經濟實力形成較大的落差，造成了高校學生不斷增加了自己的消費需求，因其自身的自控力不足，消費過度，甚至失去理性，進而出現在多個平臺借貸，最終出現拆東墻補西墻的惡性循環，造成了不可彌補的嚴重后果。

（三）平臺宣傳方式多樣，虛假宣傳盛行

1.宣傳方式多樣。在目前的高校校園網絡貸款各個平臺中，很多金融機構為了優先搶占市場，在實際的推廣宣傳過程中，方式多種多樣，最常見的就是信息轟炸式的宣傳。具體來說，主要宣傳模式包含：（1）采用網絡廣告推銷方式，在各個網頁中利用信貸廣告進行宣傳，同時采取鮮艷的色彩和標題，打造一些消費分期付款的提示，誘導個別學生采用該類服務。（2）讓工作人員到高校中去發傳單，或者是在顯眼的地方張貼廣告。（3）招聘專門的校園代理，利用個別學生從中賺取提成的心理和學生在學校中身份之便，對平臺的各項服務進行宣傳和推廣，平臺也會為之提供相應的報酬。

2.虛假宣傳盛行。一些高校校園網絡貸款平臺，為了能夠在短時間內吸引更多的學生前來貸款，盡量讓自己的宣傳標語采用博人眼球的用語，進行夸大的誤導性宣傳，弱化隱形消費，由此降低了學生的戒備心理，學生往往在貸款完成之后才會后知后覺。具體主要表現如下：（1）平臺宣傳“零利息”。實際上這類平臺只是將表面上的利息轉變成不同的服務費，并且當借貸人向其申請貸款的時候，并不會主動的將這個情況告知借貸人，從而使借貸人產生信息遺漏。（2）平臺宣傳“零首付”。這類平臺就是在發放貸款的時候，向借貸人收取不同比例的保證金，且直接從貸款的數額中扣除，這樣貸款人在收到錢之后，實際金額數目明顯少于借條上的數目。（3）弱化逾期不良后果。平臺在放款的時候，并不會將逾期責任和后果明確告知給貸款人，其實有些網貸平臺貸款逾期后，借貸人會還上高于貸款本金10-20倍的本息。

（四）網絡貸款簡單快捷，隱形費用繁多復雜，嚴重缺乏信用

高校校園網絡貸款之所以能夠在短時間內發展如此迅速，其不僅滿足了學生對于資金的實際需求，還有一個原因就是其貸款的過程十分便捷，對信用避而不談。具體體現在：

1.貸款手續簡單，沒有重視引入信用機制。這些金融產品在面向高校學生辦理業務時，只追求業務數量，手續簡單，僅提供電話號碼或身份證或學生證或班級名稱就可以辦理，不注重資格審核，更不注重信用擔保，完全不征求學生家長或監護人的意見。學生在貸款的時候，只需要通過互聯網將自己的姓名、身份證等信息上傳，并不是采取現場申請的途徑，就能夠如期申請到相應的貸款金額。

2.貸款程序簡捷。在學生進行貸款的過程中，其不需要抵押和擔保，相比起銀行貸款來說，貸款人在申請的時候并不需要房產證、車子等作為抵押物，也不需要相應的擔保人，全然不顧借貸雙方的信用風險。由此可以在很多貸款平臺中看到這樣的宣傳標語“零抵押、零擔保”。

3.貸款速度快捷。在學生進行申請貸款的時候，其信貸的審核周期較短，且資金的放出速度很快。由于貸款程序便捷，大部分的網絡貸款平臺為了平衡相應的風險，就會選擇隱形的費用，以能夠從中牟取相應的利益，且不事先告知貸款學生，缺乏信用。據調查顯示，大多數網絡貸款平臺的月利率最低為每月0.99%，最高為每月2.38%。如果平臺巧立名目所收取的各項費用折合進利率，那么貸款利率高達33%，乃至更多[5]。除此之外，還有一些貸款平臺會收取高額的逾期還款違約金。據報道，有貸3000元而逾期還款還了10-20萬元的。這使得很多貸款學生在后期的還貸過程中，常常背上沉重的經濟和精神負擔，最終釀成慘劇。

三、大數據背景下高校校園網絡貸款中的應對

（一）搭建大數據信息共享平臺，完善征信體系

基于大數據背景之下，高校校園網絡貸款行業應當積極發揮大數據的作用，通過專業技術對大數據各項功能進行挖掘，就當前我國的大數據應用系統在網絡貸款行業中的使用情況來看，其還處于一個探索發展的階段。

1.征信平臺需加強共享機制。首先，央行的征信體系不對校園網絡貸款平臺開放，使得高校校園網絡貸款平臺在實際的運營過程中對借貸人的征信提取受到限制;其次，在互聯網金融行業中數據資源沒有充分融合，各個企業之間存在著信息孤島的現象，再加上個體在交易過程中的信用狀況背后涉及有太多的網絡交易平臺，其信息數據因缺乏融合交互，因而獲取的信用狀況只能是局部、片面的，往往會出現偏差。第三，一些校園網絡貸款平臺因規模、資金、設備、管理等因素并不具備這樣的技術優勢，所以搭建一個大數據共享平臺對于網絡貸款平臺的發展顯得尤為重要。

2.主張網貸平臺進行銀行存管。校園網絡貸款行業可以在當地政府指引下，由政府牽頭，與相關的銀行等企業建立合作關系，由銀行存管，借助大數據技術建立實時的數據共享，并從中找出對應的關系，分析借貸人的信用情況，進而有效的提升信用評估的準確性，降低借貸風險。

（二）進行風險評估，防范市場風險

如今在人們的日常生活中，社交網絡、在線購物等方式都屢見不鮮，人們生活的點點滴滴都能夠通過互聯網來實現。針對高校校園網絡貸款平臺來說，其也可以利用大數據，對各個方面進行風險評估，由此降低學生因為違約等原因帶來的大量經濟損失。具體來說，借助大數據對風險評估可以從如下四個層面著手：一是借助大數據對借貸人個體的狀況進行分析，包含了姓名、電話、住址、銀行賬戶和犯罪記錄等等，通過數據深入挖掘對其信用情況進行分析，進而給網絡貸款平臺方提供全面的參考。二是借助大數據分析借貸人個體的社交網絡行為，如QQ、微信等，通過對社交網絡平臺的各項數據進行分析，得出個人信用情況，進而為網絡貸款平臺方提出參考。三是分析個體網絡購物行為，運用大數據將個體網絡交易數據進行分析評估，由此分析出該客戶的消費能力和還款能力等，進而對個體的貸款風險進行準確的評估，為網絡貸款平臺提供參考。四是借鑒國外校園網絡貸款平臺豐富的風控經驗建立數據化風控模型，由此將其固化到風控審批的決策引擎和業務流程中，來指導風控審批業務的開展，從而可以統一貸前審核標準，提高風險評估的準確度。

（三）構建監測系統，及時發出預警

以大數據為基礎，匯集電子商務企業、公檢法、工商稅務、工信、教育、高校等各個部門的海量信息，構建專門的大數據監測預警系統，由此能夠有效及時的對校園網絡貸款的各項平臺進行實時監控。不僅從源頭上對平臺的真實性和安全性進行把關，還從貸款中、貸款后等多個環節，對各項欺詐風險進行預測，由此幫助網貸平臺降低資金和信用的損失。與此同時，借助大數據監測系統，還可以評價各個網絡貸款的風險程度，對相應的預警指標進行量化，從而結合不同的等級，制定合理的評分標準。針對高校校園網絡貸款中的各個平臺，將沒有達到統一標準的納入到監督部門的重點監管對象中，并且將其各項資料和動態情況加以監控。這樣不僅能夠從源頭上將校園網絡貸款平臺非法集資和詐騙的現象降到最低，切實保證各個學生的相關利益，既便于有資金需求的學生選擇信用、經營狀況等良好的網貸平臺貸款，還能夠在短時間內向相關部門發出預警，以對其提出及時的整改意見，或者是明確禁止其進行后續活動。

（四）加強人才培養和技術開發，加大整治打擊力度

校園網絡貸款機構要想在互聯網金融行業中得到持續化的健康發展，就離不開人才的培養。尤其是針對網貸這一類技術型密集的行業來說，專業人才的占有比例在行業的持續性發展道路上占有尤為重要的比例。由于校園網絡貸款平臺的正常運營需要大量的金融領域和計算機領域的人才，并且有些時候針對平臺信息系統的開發、維護、審計、大數據處理等，也離不開專業的信息化人才。所以，校園網絡貸款平臺必須要加強人才的培養，不僅為網貸平臺開發出更多高質量的金融產品，而且通過大數據處理可將借貸雙方納入有效的可控范圍內，最終有效地規避風險，將自身置于健康發展軌道。與此同時，加大整治打擊力度。針對校園網貸，2016年平臺問題嚴重暴露后，相關部門出臺了系列措施，雖然最終得以清理整頓。但回想起來，為啥就校園網貸多部門多次發布整改辦法，分別在2016年4月13日，教育部辦公廳、中國銀監會辦公廳共同發布《關于加強校園不良網絡借貸風險防范和教育引導工作的通知》，2016年9月26日，教育部辦公廳《關于開展校園網貸風險防范集中專項教育工作的通知》，2017年6月28日，中國銀行業監督管理委員會、教育部、人力資源社會保障部聯合印發《關于進一步加強校園貸規范管理工作的通知》。說明辦法威懾力不夠，整治打擊不力[6]。因此建議出臺專門的“互聯網金融法”來規范借貸關系，明確權利、義務，對問題亂象、違法亂紀實施精準有力打擊。

總之，互聯網金融作為一種新興的金融發展模式，既是經濟發展的補充，又為融資需求提供了較大便利。雖然在發展中出現了一些不好現象，但應看到其積極健康的一面，尤其是高校校園網絡貸款因龐大的大學生群體的存在，對借貸雙方都是機遇。不過對于借貸雙方違法、違規、失信等行為必須重拳給以整治。但宜疏不宜堵，政府相關部門和高校要充分利用大數據技術加以管控，一方面，政府相關部門必須要加強對網貸平臺的監管，提升入行標準，完善相應法律法規制度，并加強網絡偵查控制機制和征信體系建設，充分利用大數據技術處理將借貸雙方納入有效的可控范圍內，并能對各方面的發展風險進行預測、控制和化解，最終使借貸雙方有效地規避風險;另一方面，高校、家庭要及時關心了解學生思想狀況，幫助其樹立正確的消費觀，引導其理性消費。從而有效改進高校校園網貸中存在的問題和不足，促使校園網絡貸款平臺得到健康、持續發展，進而推動我國互聯網金融行業整體向好的發展格局。

參考文獻：

[1]馬小林.大數據在網貸征信應用中的困難及政策建議[J].征信，2017，35（8）：41-43.

[2]王寧邦.大數據環境下校園網貸的研判和應對策略[J].曲靖師范學院學報，2019，38（3）：33-40.

[3]江東瀚.基于大數據P2P網貸產業鏈下金融風險傳導機理與防范機制研究[J].黑河學院學報，2018，v.9;No.60（6）：68-69.

[4]錢玉娟.大數據助力網貸風控[J].中國經濟信息，2014（24）：44-45.

[5]王楚珺，劉會芳，尉麗麗.大數據在控制P2P網貸風險上的應用[J].中國商論，2015（9）：84-85.

[6]周琳.P2P網貸平臺在大數據背景下的風險防范研究[J].科教導刊：電子版，2017（10）：252-252.

基金項目：貴州省教育廳人文社會科學研究項目（編號：2019ZC068）。

作者單位：貴州警察學院