淺析非法金融放貸的內涵與防控

李勇狄 周穎 程露

近年來，以獲取非法高額回報為目的的非法金融活動越來越猖獗。這些非法金融活動往往嫁接互聯網，游離于金融監管之外，打著普惠金融的幌子，將魔爪伸向涉世未深的未成年人、在校大學生和農民工，伴以畸高的貸款利率，如“利滾利”“砍頭息”等，給借款人帶來巨大的償債壓力，引發了不少社會悲劇和不良現象。同時，有組織的非法金融放貸活動，往往是黑惡勢力的重要經濟來源之一，其催債行為不可避免地伴隨著惡劣性與暴力性，容易發生因強行索要債務而滋生其他違法犯罪活動，甚至嚴重影響正常的社會和金融秩序。這些非法金融放貸活動所表現出的群體化、職業化、復雜性與隱蔽性，給金融機構的洗錢風險防控帶來了新的挑戰。

非法金融放貸所處的政策環境

所謂非法放貸，從字面理解就是指未經法律許可或者違反國家金融管理規定，擅自從事發放貸款的行為。本文探究與金融領域相關的非法放貸行動，即非法金融放貸。由“現金貸”“校園貸”等披著網貸平臺外衣的非法金融放貸，以及黑惡勢力盤踞的“套路貸”等高利放貸，正逐步演變為“不斷突破底線的放貸行為和收債行為”，嚴重擾亂了社會秩序，甚至危及國家金融安全。黨中央和領導層正是意識到了問題的嚴重性，通過布局“兩條主線”來打擊此類非法金融放貸活動。

以防范化解重大風險為導向，推進互聯網金融領域風險治理

互聯網金融的蓬勃發展給了非法放貸分子可乘之機，非法金融放貸行為“搖身一變”就偽裝成了科技企業的創新行為。自2015年7月人民銀行等十部委發布《關于促進互聯網金融健康發展的指導意見》以來，互聯網金融領域專項整治的熊熊烈火就燒了起來;2016年4月，人民銀行、銀監會分別牽頭成立了互聯網金融風險專項整治與P2P網絡借貸風險專項整治兩個專項整治工作組，統籌互聯網金融領域的風險治理;2017年4月，專項整治工作的重點進一步聚焦“現金貸”業務，出臺了多個關于“現金貸”整治的規范性文件。

與此同時，2016年中央經濟工作會議提出了“把防控金融風險放到更加重要的位置”的總體要求，2017年黨的十九大將“防范化解重大風險”列為三大攻堅戰之首。從2017年4月起，《中國銀監會關于銀行業風險防控工作的指導意見》（銀監發〔2017〕6號）將互聯網金融風險治理工作納入“防范化解重大風險”攻堅戰的行動范疇，監管機構持續發文強化了對“校園貸”“現金貸”業務的風險治理，并陸續制定了關于網絡借貸的規范性、綱領性文件。

以金融放貸領域為重點打擊目標，助力常態化“掃黑除惡”行動

自2018年初中共中央、國務院發布《關于開展掃黑除惡專項斗爭的通知》以后，轟轟烈烈的三年期“掃黑除惡”專項斗爭就拉開了序幕。從“打黑除惡”到“掃黑除惡”的一字之差，深刻體現了中央徹底鏟除黑惡勢力的決心。同年，“兩高兩部”（最高人民法院、最高人民檢察院，公安部、司法部）制定了《關于辦理黑惡勢力犯罪案件若干問題的指導意見》（法發〔2018〕1號），明確提出要“依法打擊非法放貸討債的犯罪活動”。2019年4月，“兩高兩部”又出臺《關于辦理“套路貸”刑事案件若干問題的意見》強調了嚴懲“套路貸”犯罪的若干規定。

在金融領域，銀保監會于2018年發布了《中國銀保監會關于銀行業和保險業做好掃黑除惡專項斗爭有關工作的通知》，該通知作為金融領域掃黑除惡行動的總綱領，明確提出“要重點打擊非法設立從事或主要從事發放貸款業務的機構或非法以發放貸款為日常業務中的下述行為”。

隨著掃黑除惡專項行動的不斷深入，金融放貸領域逐漸成為行動的重點打擊對象。2020年，根據全國掃黑除惡專項斗爭領導小組第9次會議精神，人民銀行、銀保監會、公安部牽頭成立金融放貸行業專項整治領導小組，各地紛紛發起了關于非法金融放貸的排查與全面整治工作。2021年5月，中共中央辦公廳、國務院辦公廳印發了《關于常態化開展掃黑除惡斗爭鞏固專項斗爭成果的意見》，將金融放貸活動列在了重點領域監管對象的首位，預示著金融放貸行業的整治工作將面臨長期且嚴峻的挑戰。

非法金融放貸與民間借貸的邊界博弈

非法金融放貸機構總是通過先將資金轉移到個人賬上，再由個人賬戶實現資金放貸的方式，客觀上形成民間借貸假象，以此掩蓋非法金融放貸的經營性與職業性，可見民間借貸和非法金融放貸在一定程度上存在著邊界認定的難題。而我國在此期間的行政監管正是經歷了禁止期、寬松期和強化監管期，金融司法伴隨著行政監管政策的演變，對非法金融放貸的界定也出現了周期性特征，其本質正是非法金融放貸與民間借貸的司法邊界博弈過程。

始于嚴格禁止期（1995～2001年）。1995年的《商業銀行法》和1998年的《非法金融機構和非法金融業務活動取締辦法》就對非法放貸行為做了明確的禁止性規定，2001年《關于以高利貸形式向社會不特定對象出借資金行為法律性質問題的批復》也體現出這一時期“一刀切”的禁止性特征。

經歷適度寬松期（2002～2016年）。進入千禧年以后，國家開始了關于小額貸款公司、消費金融公司的探索與嘗試，甚至鼓勵與引導民間資本進入銀行業，并在溫州開展民間借貸合法合規化的改革試點與探索，這一時期的金融司法是相對寬松的。

步入強化監管期（2017年至今）。近年來，同時在“防范化解重大風險”和“掃黑除惡”的雙重高壓打擊下，金融司法亦步入了強化監管期。2019年10月，“兩高兩部”出臺了《關于辦理非法放貸刑事案件若干問題的意見》，明確非法金融放貸的量刑入罪規則;同年的《九民紀要》（最高人民法院印發的《全國法院民商事審判工作會議紀要》）明確了高利轉貸與職業放貸人的非法特性;2020年8月，最高人民法院發布了《關于審理民間借貸案件適用法律若干問題的規定》的第二次修正，進一步細化了民間借貸合同的無效情形。

從司法演變過程來看，非法金融放貸與民間借貸的司法邊界由曾經的混沌狀態，逐漸變得更加獨立、清晰與明確。

關于識別非法金融放貸的方法探究

商業銀行作為金融行業的從業主體，應積極從實踐案例中研判各類業務形態所表現出的特征，探索建立防范非法金融放貸行為的長效舉措，總結出一套通過放貸主體的合法性、借款主體的適當性、資金來源的合規性、借款利息的合理性、催債行動的非暴力性等視角來識別非法金融放貸行為的方法論。

放貸主體的合法性。根據放貸主體分類為法人與自然人，法人需判斷是否具備金融放貸的經營范圍，即使是持牌的放貸機構，也要根據《關于規范銀行業金融機構異地非持牌的指導意見》等制度判斷是否存在超出展業范圍經營的情況;如為自然人，需判斷是否向不特定對象發放貸款，是否已被納入職業放貸人名錄。

借款主體的適當性。主要分析借款主體是否為在校大學生，是否為合法的民事行為主體，是否無指定用途發放貸款，是否存在其他不符合貸款資質的情形。

資金來源的合規性。主要判斷放貸主體或其關聯主體是否同時存在非法集資行為，放貸主體及其關聯主體是否在本行或其他金融機構尚有存續貸款或新發放貸款的情形。

借貸利息的合理性。重點判斷放貸主體的放貸利率是否超過了《最高人民法院關于審理民間借貸案件適用法律若干問題的規定》中關于利率的上限規定，如放貸利率是否高于最近一期LPR的4倍等。

催債行為的非暴力性。關鍵應判斷放貸主體是否存在涉黑性質，是否采取一些非法手段來向欠款人追討債務，如：是否在上午8：00至下午9：00以外的時間進行催收;是否存在以電話、短信轟炸、恐嚇、威脅等手段，以騷擾家人、朋友、公開侮辱、損毀名譽、拘禁、毆打等暴力形式催收。

基于科技金融數據建模的防控機制

以杭州銀行寧波分行為例?；诜欠ń鹑诜刨J識別的方法論，該行逐步建立起一套由自上而下的組織管理、科技金融數據建模、廣泛開展公共宣傳、定制化的全域風險排查等組成的識別與防控非法金融放貸的流程機制。其中，運用科技金融手段構建起全量監測模型體系是該行的主要管控抓手。

職業放貸人內嵌模型

該模型屬于放貸主體阻斷類模型，通過內嵌至該行的預警模型體系產生作用。一旦識別到職業放貸人進入到該行賬戶體系，并且進入信貸申請流程，該模型將直接以流程阻斷的方式避免套取該行信貸資金行為發生。模型的建立步驟如下：

集思廣益，捕捉司法信息。2018年浙江省六部門聯合發文的《關于依法嚴厲打擊與民間借貸相關的刑事犯罪強化民間借貸協同治理的會議紀要》中明確要求，各地人民法院需建立“職業放貸人名錄”。該行敏銳地捕捉到這一信息，通過一場激烈的頭腦風暴后，決定著手納入預警監控信息。

全渠道收集，獲取全量信息。職業放貸人名錄的收集是一項巧婦難為無米之炊的工作，寧波、溫州、舟山三市的區縣級法院各自發布名錄，涉及法院達到25家，部分法院未在互聯網公開披露。該行通過法院官網、新聞資訊類網站、微信公眾號等多種渠道，最終搜集并建立了較為全面的職業放貸人名錄。

構建模型，地毯式排查。由于名錄信息涉及個人隱私，各地法院隱藏了部分證件信息，且不同的法院隱藏字段部位不同，如鎮海區法院隱藏職業放貸人身份證號碼后8位，而北侖區法院隱藏職業放貸人身份證號碼中間8位，該行通過反脫敏技術，將職業放貸人名錄與各業務系統客戶資料進行綜合比對，初步篩查出涉及的職業放貸人信息。

動態更新，內嵌式預警。為建立對職業放貸人預警的長效機制，該行定期上網更新收集職業放貸人信息，建立VBA批量自動化處理程序，通過數據清洗、反脫敏、格式轉化等技術操作，將信息納入全行風險預警系統，使職業放貸人預警信息內嵌入信貸風險控制流程，提高事前預警、事中阻隔的時效性。

高利轉貸機構監測模型

該模型屬于借款主體識別類模型，高利轉貸是近年來金融領域重點打擊的非法金融放貸行為，還款能力欠佳或者出現流動性錯配的企業，往往會選擇由轉貸機構轉貸。該行通過模型設置，在交易流水中監測是否存在高利轉貸情形，及時將識別情況通報給信貸業務“三查”人員，經由人工資金分析再確定是否介入流程干預。模型構建分為如下兩個子模塊，子模塊之間呈串聯關系：

轉貸行為設計子模塊。該模塊主要用于監測信貸客戶還款前或放款后是否存在短期內大量資金來自或流向轉貸機構的情況，如在貸款發放后7天內，50%以上的貸款資金流向，名稱中包含“投資”“擔保”“貸款”“信托”“融資”“小貸”“資產”“資金”“典當”等的交易對手;或是貸款還款前7天內，50%以上的還款資金來自于此類交易對手。

放貸對象不特定性子模塊。通過前一模塊跑批獲得的轉貸機構清單后，再通過交易對手字段反向排查轉貸機構與信貸客戶往來情況，統計轉貸機構與信貸客戶往來的客戶數、資金量等，據此判斷轉貸對象是否符合不特定性特征。例如，同一轉貸機構在該行轉貸客戶4戶（含）以上、轉貸金額匯集量在200萬元以上等。

經過上述兩個子模塊篩查后的預警信息將被推送至相應信貸業務經辦人員，并根據高利轉貸機構特征作進一步的資金流水分析，判斷是否存在利息遠高于4倍LPR利率的情況，決策是否采取事中干預措施。

套路貸識別模型

該模型屬于資金畫像監測類模型，基于“套路貸”的資金流入流出特征，以及高利息的主要表現，該行設計出了套路貸識別模型。模型由三個子模塊組成，子模塊間互呈并聯關系。

特殊附言交易是否觸碰閾值模塊。該模塊主要用于識別含有特殊交易附言的對私賬戶，如交易附言中包含“放款”“放貸”“借款”“出借”等敏感詞匯，而同時短期內累計交易金額及累計交易筆數達到一定閥值，如7天內累計交易金額為300萬元（含）以上，累計交易筆數在5筆（含）以上。

賬戶流入流出呈現砍頭息特征模塊。該模塊重點監測短期內賬戶累計出入賬金額及特殊交易附言交易是否觸發閾值，如10天內累計入賬金額為10000元（含）以上金額，同時交易附言包含“房屋交易暫扣款”“車抵押”“購房定”“車錢”“押車”“奔馳”“買房用”“車型借款”等敏感詞匯，且入賬交易金額占總入賬金額的比例在30%以上。

賬戶資金分散轉入集中轉出模塊。該模塊設計用于監測短期內流入流出資金比例是否符合高利貸特征，流入流出資金比是否觸發閾值，如轉入筆數與轉出筆數之比為3倍以上，累計轉出金額為50萬元（含）以上，并且流入流出資金比范圍在90%至110%之間等。

除上述三類主要的非法金融放貸監測模型外，該行另設計了多種輔助類監測模型，如非法集資類監測模型、員工行為類監測模型。尤其是員工行為類監測模型，重點篩查員工是否參與轉貸機構、第三方助貸機構、組織民間借貸等非法行為，根據紅旗標志法設置員工征信貸款、對外擔保、工商排查、與客戶異常資金往來等行為類型的監測閾值，一旦觸碰閾值即可對相應員工打上紅旗標志，納入員工參與非法金融放貸行為的重點監測對象。

未來的延伸與展望

正如中央關于常態化掃黑除惡斗爭意見中所傳達的，金融放貸行業的風險治理將是一項長期堅持不懈的工作，也是金融領域洗錢風險防控的持續高壓地帶。運用大數據、人工智能等科技金融手段開展非法金融放貸的識別與監測，有助于更廣泛地化解與防范金融放貸行業的風險治理，為完善未來日常經營管理提供可借鑒的方向。如何在現如今科技金融蓬勃發展、大數據海洋百舸爭流的大勢下占據高地，筆者認為可從以下方面著手。

流程控制需更內嵌化。應通過RPA（軟件機器人）、python等人工智能技術，通過外網、征信、第三方數據提供商等渠道，更廣泛地抓取法院裁判文書信息、法院開庭公告、訴訟受理信息，以及職業放貸人、涉黑、涉黃、涉毒人員信息等，并內化為銀行風險預警信息納入全域業務管理系統，直接參與或輔助審批、決策、分析、統計、調研等行內流程的運作。

數據監測需更實時化。除傳統的模型監測外，完善針對特定對象的實時監測，如：對于疑似放貸主體，平臺類法人機構、投資機構、新型P2P平臺等，實時監測交易附言是否存在“借款”“還款”“抵押”等敏感詞匯;對于疑似借款主體，如學生客戶、重點關注客戶，除實時監測交易附言中的敏感詞匯外，定期監測征信報告中是否出現涉訴、異常對外擔保、小貸公司、消費金融公司貸款等異常情況。

員工排查須更系統化。通過構建覆蓋全域員工的行為管理系統，加強對員工行為的系統化管理，擴大紅旗標志的監控范圍。除了傳統的對員工負債情況、工商情況、涉訴情況的監測外，為更好地排查員工個人物品，可進一步開發局域網內文件監測工具，對處于局域網節點中的員工電腦文件進行不定期排查，存在可疑文件的員工將被打上紅旗標志。

（作者單位：杭州銀行股份有限公司寧波分行）