劉震海 楊克明

摘要：近年來P2P行業(yè)迎來井噴式發(fā)展，它對于我國金融體系的完善，中微企業(yè)資金缺口的彌補(bǔ)，以及個人現(xiàn)金流的補(bǔ)充具有重要的意義。但隨著行業(yè)競爭的白熱化，P2P行業(yè)的各種風(fēng)險也在不斷顯露。自2016年開始，我國P2P開始頻繁爆出龐氏騙局、跑路等事件，且涉案金額巨大，社會影響極其惡劣。我國目前金融監(jiān)管從業(yè)者人數(shù)遠(yuǎn)遠(yuǎn)少于金融機(jī)構(gòu)，且職權(quán)不清晰導(dǎo)致很難發(fā)揮真正職能?；谠摫尘?，力圖建立一個利用最易獲得公開數(shù)據(jù)進(jìn)行有效預(yù)警的模型，以幫助監(jiān)管者對海量金融機(jī)構(gòu)完成低成本有效篩查。

關(guān)鍵詞：公開信息;網(wǎng)絡(luò)借貸平臺;預(yù)警

中圖分類號：D9文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2019.01.069

1引言

國務(wù)院總理李克強(qiáng)2014年9月在夏季達(dá)沃斯論壇上公開發(fā)出“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的號召，伴隨著“雙創(chuàng)”一詞開始走入大眾視野的，還有“互聯(lián)網(wǎng)金融”。在第十二屆全國人民代表大會第三次會議上，國務(wù)院總理李克強(qiáng)首次公開提及互聯(lián)網(wǎng)金融，這是國家政府部門首次公開提及互聯(lián)網(wǎng)金融行業(yè)。自此之后，P2P網(wǎng)貸行業(yè)在我國進(jìn)入了野蠻生長的時期。自2012年以來每月新增的P2P平臺數(shù)量逐步上升，在2014-2015年達(dá)到了巔峰，最高一個月新增平臺數(shù)量達(dá)到256家，隨后新增平臺數(shù)量逐步減少，網(wǎng)貸平臺總數(shù)也從2017年開始逐步走向穩(wěn)定。

巴菲特說過：“只有退潮后，才知道誰在裸泳”，隨著互聯(lián)網(wǎng)金融熱的退潮，中國經(jīng)濟(jì)將呈L型走勢的主基調(diào)的確定，熱錢開始逐步退出網(wǎng)貸市場，國家扶持相關(guān)扶持政策也開始收緊，問題網(wǎng)貸平臺的數(shù)量開始逐步攀升。在最嚴(yán)重的2015年7月，一個月爆出的問題平臺就有171家之多，隨后問題平臺的數(shù)量開始逐步減少，但自2017年12月以來問題平臺的數(shù)量大有抬頭之勢，2018年7月被爆出來的問題平臺就多達(dá)131家。在冰冷的數(shù)據(jù)背后，是無數(shù)個因為平臺跑路而支離破碎的家庭以及國家公安經(jīng)偵部門極大的破案壓力。

本文基于網(wǎng)絡(luò)公開信息選取13個指標(biāo)作為P2P網(wǎng)絡(luò)平臺的風(fēng)險預(yù)警指標(biāo)體系，建立包括輸入層、隱含層和輸出層三豐的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型。運用Python軟件對建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在期望輸出值和樣本輸出值之家誤差縮小到標(biāo)準(zhǔn)范圍后，預(yù)警模型建立成立。

2建立基于公開信息的風(fēng)險預(yù)警模型的必要性

信息技術(shù)的高速發(fā)展和應(yīng)用，已經(jīng)讓人們的生活方式發(fā)生了巨大的改變。金融本就是利用海量信息實現(xiàn)對資金最有效的分配，伴隨著對互聯(lián)網(wǎng)信息的使用，金融產(chǎn)業(yè)本身必然迎來巨大的變革。在這場變革之中，金融不再僅僅屬于紐交所里西裝革履的券商們，信息技術(shù)打破了金融參與的門檻，如今人人都能參與到這一場資金的饕餮盛宴中。就如同現(xiàn)在大家已經(jīng)接受了使用支付寶消費一般，網(wǎng)貸平臺也必將逐步逐步褪去“騙子”、“賭博”、“薅羊毛”等反面標(biāo)簽，逐步成為人們理財?shù)囊粋€選擇。面對網(wǎng)貸平臺風(fēng)險的復(fù)雜多變，建立起有效的網(wǎng)貸平臺風(fēng)險預(yù)警模型是非常必要的。

2.1實時監(jiān)測的必要

網(wǎng)貸平臺的風(fēng)險并不是靜止不變的，然而人為對大量網(wǎng)貸平臺的檢測不但低效而且是被是對公共資源的極大浪費。只有運用網(wǎng)絡(luò)預(yù)警模型，才能實現(xiàn)網(wǎng)貸平臺的實時監(jiān)控，以最小的人力物力完成對平臺風(fēng)險的初步排查。

2.2個人使用的必要

網(wǎng)貸平臺歸根結(jié)底要對接到個人，大量的投資者在選擇網(wǎng)貸平臺時，都會下意識的自主判斷網(wǎng)絡(luò)平臺的風(fēng)險程度。但是由于專業(yè)知識的缺乏，大部分人只能通過在貼吧論壇發(fā)帖或者網(wǎng)絡(luò)搜索等方式來征詢意見做出判斷。而基于公開信息的預(yù)警模型可以幫助廣大缺乏專業(yè)知識的投資者們在投資時做出更為準(zhǔn)確的判斷。

2.3快速預(yù)警的必要

隨著我國網(wǎng)貸行業(yè)市場出清的加快，一些網(wǎng)貸平臺多有趁火打劫之勢。和典型的網(wǎng)貸暴雷公司持續(xù)時間較長，金額特別巨大不同。在杭州的網(wǎng)貸平臺跑路潮中很明顯可以看到很多公司上線時間不過幾個月，這些公司就是趁著當(dāng)前經(jīng)偵部門壓力大精力不夠的空隙，大有打一槍換一炮騙了一筆就跑的趨勢，由于金額相對來說不是很大反而增加了被騙投資者的維權(quán)難度。因此本模型的使用可以迅速對還沒有太多歷史記錄的新公司進(jìn)行預(yù)警，把這種“詐騙游擊戰(zhàn)”的不良勢頭扼殺在萌芽狀態(tài)。

3網(wǎng)貸風(fēng)險預(yù)警指標(biāo)體系的設(shè)置

3.1國內(nèi)外網(wǎng)貸機(jī)構(gòu)差異

在英美等西方發(fā)達(dá)國家，P2P平臺只是一個單純的信息中介，不參與任何借貸的資金交易，對投資人的損失也沒有任何賠付的責(zé)任。因為英美等發(fā)達(dá)國家擁有較為完整的個人征信體系，投資人可以根據(jù)借款人的信用狀況及擁有財產(chǎn)等自由競價，確定合適的資金回報率。此外，英國等國擁有較為完善的監(jiān)管政策和規(guī)范，擁有專門的部門對P2P進(jìn)行監(jiān)管，全責(zé)分明。例如美國的證券交易委員會，英國的錦市場行為管理局和P2P金融協(xié)會，規(guī)范的政策和完善的監(jiān)管有效控制了P2P在上述國家的風(fēng)險。

在國內(nèi)雖然征信體系在逐步普及，凡事總體并不健全，且P2P目前并無權(quán)限和國家征信體系對接，借款者風(fēng)險很難得到充分客觀的暴露，因此投資者往往開始尋求P2P平臺的“靠譜”、“有保障”。這也使得P2P平臺不得不通過宣揚自己的“有保障”、“國資背景”、“自有保障金”等來增加自身的信用。這使得P2P平臺不過是成為了另一種銀行，形成了當(dāng)出現(xiàn)一筆小業(yè)務(wù)違約時，為了平臺本身的聲譽(yù)P2P公司會選擇掩蓋過去，日積月累最終走向不得不跑路的惡性循環(huán)。我國目前的資管新規(guī)已經(jīng)明確表示要打破剛信兌付，但是借款人接受投資可能會虧本這一點還需要一定的時間。

3.2網(wǎng)貸平臺風(fēng)險因素

網(wǎng)貸平臺的風(fēng)險可以從系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險兩個層面進(jìn)行分析，結(jié)合網(wǎng)貸平臺自身特點，篩選出最能代表性的風(fēng)險因素。

網(wǎng)貸平臺的系統(tǒng)性風(fēng)險主要有政策風(fēng)險、法律風(fēng)險和經(jīng)濟(jì)周期風(fēng)險。猶豫政策上的寬松法規(guī)的不健全等，導(dǎo)致平臺數(shù)量瘋長并引發(fā)惡性競爭，甚至?xí)霈F(xiàn)劣幣驅(qū)逐良幣的情況。另外經(jīng)濟(jì)周期的影響也是無法忽視的，隨著全球經(jīng)濟(jì)的轉(zhuǎn)冷反全球化趨勢的越發(fā)嚴(yán)重，很多大型金融機(jī)構(gòu)都無法支撐何況新興的網(wǎng)貸平臺。但本文目標(biāo)更多是從微觀角度檢測企業(yè)風(fēng)險，因此暫不考慮經(jīng)濟(jì)周期。

網(wǎng)貸平臺的非系統(tǒng)風(fēng)險有信用風(fēng)險、品牌風(fēng)險、技術(shù)風(fēng)險等。為了盡可能爭取客戶很多平臺會有意放寬放款條件，這導(dǎo)致了大批老賴的進(jìn)入以及部分投機(jī)分子的薅羊毛行為。有證據(jù)顯示，現(xiàn)在很多從平臺拿到貸款的人有意在網(wǎng)上制造平臺負(fù)面信息，以期待平臺倒閉后自己也不用還清貸款，這些行為無疑大大增長了平臺自身的風(fēng)險。如果出現(xiàn)了技術(shù)性問題導(dǎo)致官網(wǎng)無法打開或資金無法提現(xiàn)等情況很容易觸及投資者敏感的神經(jīng)，造成擠兌現(xiàn)象。

3.3預(yù)警模型指標(biāo)設(shè)立

但是值得注意的是，在網(wǎng)貸相關(guān)法律法規(guī)還并不完善的當(dāng)下，相關(guān)數(shù)據(jù)的獲取難度較高且真實程度也值得懷疑，因此本文利用大數(shù)據(jù)思維，主要利用在互聯(lián)網(wǎng)上公開的人人都可以輕松得到的信息作為預(yù)警模型的輸入指標(biāo)，通過指標(biāo)內(nèi)部的非線性邏輯來反應(yīng)一家平臺的風(fēng)險程度。一個惡性非法的網(wǎng)絡(luò)借貸平臺必然會盡可能的擴(kuò)大自身的影響力、同時做好反調(diào)查準(zhǔn)備，在監(jiān)管單位有所反應(yīng)之前圈到足夠的錢，這種行為很難不在網(wǎng)絡(luò)上留下痕跡。因此，社會公開信息指標(biāo)的引入可以有效彌補(bǔ)官方觀數(shù)據(jù)的不足及真實性問題，增強(qiáng)預(yù)警模型的可信度和有效性。

綜上所述，網(wǎng)貸平臺風(fēng)險評估體系如表1所示，各指標(biāo)的原始數(shù)據(jù)如表2所示。

4BP神經(jīng)網(wǎng)絡(luò)的設(shè)計

4.1BP神經(jīng)網(wǎng)絡(luò)概述

BP神經(jīng)網(wǎng)絡(luò)中BP是back propagation的縮寫，譯為反向傳播，因此BP神經(jīng)網(wǎng)絡(luò)又稱誤差反向傳播神經(jīng)網(wǎng)路，是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念。BP神經(jīng)網(wǎng)絡(luò)通過采用誤差逆向傳播算法，由程序自動學(xué)習(xí)演算使得誤差降至最小值，以得到最接近真實情況的權(quán)值。

BP神經(jīng)網(wǎng)絡(luò)屬于多層感知機(jī)，是由多個感知機(jī)層全連接組成的前饋神經(jīng)網(wǎng)絡(luò)，全連接是指層上任一神經(jīng)元與鄰近層上的任意神經(jīng)元之間都存在連接，該模型擁有出色的處理非線性問題的能力。 BP神經(jīng)網(wǎng)絡(luò)具有輸入層，隱含層和輸出層，理論上已經(jīng)證明一個隱含層的BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)任意非線性映射，可以滿足絕大部分場合的需要。

4.2BP模型神經(jīng)節(jié)點設(shè)置

本文采用的是標(biāo)準(zhǔn)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，包括一個輸入層、一個隱含層和一個輸出層。其中，輸入層的節(jié)點數(shù)為13，由輸入指標(biāo)的數(shù)量決定;輸出層的節(jié)點數(shù)為1，其中健康平臺的平臺值為0，問題平臺值為1。

隱含層的節(jié)點數(shù)選擇和輸入層神經(jīng)單元以及輸出層神經(jīng)單元數(shù)量有關(guān)。但目前還沒有很好地確定依據(jù)，根據(jù)任務(wù)來確定隱含層節(jié)點的數(shù)量是比較困難的。因此，目前還是主要以過往的成功經(jīng)驗為依據(jù)，一般參考的經(jīng)驗公式是：L=log2n，n為輸入節(jié)點數(shù)，因此隱含層的節(jié)點數(shù)為3。

4.3BP模型參數(shù)設(shè)置

再確認(rèn)了BP神經(jīng)網(wǎng)絡(luò)模型的輸出層，隱含層和輸出層節(jié)點后，還要確定神經(jīng)網(wǎng)絡(luò)的傳輸函數(shù)和訓(xùn)練目標(biāo)等參數(shù)。非線性的傳遞函數(shù)主要分為Log-sigmoid和Tan-sigmoid兩種。其中Log-sigmoid型輸入值可取任意值，輸出值范圍為（0，1），Tan-sigmoid型輸入值可以取任意值，輸出值范圍為（-1，1）;線性傳遞函數(shù)pureline的輸出和輸出可以取任意值。因為本文輸出值都為正數(shù)，因此輸入層傳播函數(shù)為Log-sigmoid函數(shù)，輸出層傳播函數(shù)選擇pureline函數(shù)，可接受的誤差標(biāo)準(zhǔn)為ε= 0.1，訓(xùn)練次數(shù)為100000，學(xué)習(xí)速率為0.2，動量因子為0.1。

5面相Python的BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和檢驗

本文綜合參考網(wǎng)貸之家等多個網(wǎng)貸平臺評級網(wǎng)站，綜合考慮選擇11家優(yōu)質(zhì)網(wǎng)絡(luò)平臺作為低風(fēng)險樣本，同時選擇6家最近剛剛暴雷的平臺作為高風(fēng)險樣本。并從中隨機(jī)抽取兩家低風(fēng)險兩家高風(fēng)險作為檢驗樣本，其余13家為訓(xùn)練樣本。網(wǎng)絡(luò)的訓(xùn)練和檢驗都通過Python來完成。通過整理可以得到一個17×13的矩陣，為取消各指標(biāo)之間的數(shù)量級差別，從而最大程度降低預(yù)測誤差，將原始數(shù)據(jù)歸一化處理。歸一化處理后訓(xùn)練模型的輸入值如表3所示，檢測模型的輸入值如表4所示。

對于已經(jīng)訓(xùn)練完成的BP網(wǎng)絡(luò)模型，訓(xùn)練輸入值對建立的BP網(wǎng)絡(luò)進(jìn)行檢測，輸出結(jié)果如表5所示。

根據(jù)檢測結(jié)果，檢驗輸出和期望輸出值非常接近，準(zhǔn)確率達(dá)到了100%，兩者數(shù)據(jù)誤差滿足誤差要求。因此，建立的BP神經(jīng)網(wǎng)絡(luò)模型有較好的風(fēng)險評估能力，可用來對網(wǎng)貸行業(yè)進(jìn)行監(jiān)測，達(dá)到風(fēng)險預(yù)警的目的。

6研究結(jié)果

構(gòu)建一個科學(xué)有效的網(wǎng)貸平臺風(fēng)險預(yù)警模型，可以快速對網(wǎng)貸平臺進(jìn)行初步排查，盡早識別和預(yù)警高風(fēng)險網(wǎng)貸平臺，已采取風(fēng)險防范和化解措施。傳統(tǒng)的數(shù)理模型大多通過數(shù)理統(tǒng)計、邏輯回歸等方進(jìn)行預(yù)測，這并不適用于網(wǎng)貸平臺這一新型金融模式的風(fēng)險預(yù)警上。另外傳統(tǒng)模型也過度于依賴于歷史官方統(tǒng)計數(shù)據(jù)，但是網(wǎng)貸平臺相關(guān)法規(guī)的不完善，平臺自身可以通過調(diào)整統(tǒng)計端口等方法肆意修改數(shù)據(jù)，從而造成預(yù)警模型的失靈。本文大量采用網(wǎng)絡(luò)公開數(shù)據(jù)，這是網(wǎng)貸平臺無力修改的，雖然不能直觀的反應(yīng)平臺風(fēng)險狀況，但是數(shù)據(jù)本身的真實性反而能夠保證預(yù)警模型的科學(xué)有效。另外，由于公開數(shù)據(jù)的獲得無門檻，從而大大降低了模型使用難度。神經(jīng)網(wǎng)絡(luò)的優(yōu)點就是反應(yīng)數(shù)據(jù)之間非直觀的復(fù)雜聯(lián)系，因此本文大膽使用公開數(shù)據(jù)，該模型甚至可以成為普通民眾對網(wǎng)貸平臺的風(fēng)險監(jiān)測工具，若能得到大范圍使用，必將倒逼網(wǎng)貸平臺主動走向規(guī)范化正規(guī)化，讓網(wǎng)貸平臺主動走到監(jiān)管的籠子里，從而讓杜絕大面積平臺暴雷，實控人跑路，投資人上訪的不良事件。

參考文獻(xiàn)

[1]謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究，2012，（12）.

[2]王崢.我國互聯(lián)網(wǎng)金融的風(fēng)險分析及防范措施[J].時代金融，2014，（8）.

[3]曹一.論加強(qiáng)P2P網(wǎng)絡(luò)借貸平臺的監(jiān)管[J].金融監(jiān)管，2011，（4）.

[4]陳朝暉，張艷芳.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險預(yù)警模型研究[J].福建商業(yè)高等?？茖W(xué)報，2011，（2）.

[5]Tam KY. Neural Network Models and the Prediction of Bank Bankruptcy [J]. Omega，1991，（5）.

[6]楊群華.我國互聯(lián)網(wǎng)金融的特殊風(fēng)險及防范研究 [J].金融科技時代，2013，（7） .

[7]郭瑩瑩.國內(nèi)外金融危機(jī)預(yù)警模型述評[J].科學(xué)決策，2013，（10）.

[8]張玉梅.P2P 小額網(wǎng)絡(luò)貸款模式研究[J]. 生產(chǎn)力研究，2010，（12）.