紀(jì)詩(shī)諾

[摘 要]隨著P2P網(wǎng)貸發(fā)展的加快，征信問題成為我國(guó)P2P行業(yè)發(fā)展的瓶頸。而大數(shù)據(jù)征信技術(shù)可以突破這一瓶頸。國(guó)內(nèi)外都有應(yīng)用成功的案例，如美國(guó)金融科技公司ZestFinance利用大數(shù)據(jù)對(duì)用戶進(jìn)行信用風(fēng)險(xiǎn)評(píng)估，挖掘了FICO評(píng)分沒有覆蓋的借貸用戶群體;我國(guó)阿里集團(tuán)下的螞蟻小貸依托阿里集團(tuán)的背景也在互聯(lián)網(wǎng)金融大數(shù)據(jù)征信領(lǐng)域取得了一席之地。通過對(duì)國(guó)內(nèi)外多家成功應(yīng)用大數(shù)據(jù)征信技術(shù)的P2P網(wǎng)貸平臺(tái)進(jìn)行分析，提出基于大數(shù)據(jù)征信技術(shù)的P2P網(wǎng)貸平臺(tái)的信用風(fēng)險(xiǎn)管理建議。

[關(guān)鍵詞]P2P網(wǎng)絡(luò)借貸;信用風(fēng)險(xiǎn);征信;大數(shù)據(jù)

[中圖分類號(hào)] F832.4? ? ? ? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? ? ? ? ?[文章編號(hào)] 2095-3283（2020）05-0075-04

Abstract： With the rapid development of P2P network loan， more and more problems are exposed. Many provinces have directly issued the one size fits all policy of banning P2P network loan business， but P2P itself is a financial means for the benefit of the country and the people. Only because of the imperfect credit system， the imperfect laws and regulations， and the lack of corresponding regulations， can various violations occur， so the credit problem has become our country the bottleneck of P2P industry development in China. Big data credit technology can break through this bottleneck problem. There are successful cases at home and abroad. For example， ZestFinance， an American financial technology company， uses big data to assess the credit risk of users and excavates the loan user groups that are not covered by FICO score. Ant loan under Alibaba Group in China relies on the background of Alibaba group and also in the field of Internet financial big data credit A place has been made. Therefore， based on the analysis of several P2P network loan platforms that have successfully applied big data credit technology at home and abroad， this paper puts forward suggestions on credit risk management of P2P network loan platform based on big data credit technology.

Key Word： P2P Network Lending; Credit Risk; Credit Investigation; Big Data

一、引言

P2P（Peer to Peer lending）網(wǎng)絡(luò)借貸平臺(tái)，是指借貸方（法人、自然人、其他組織）在運(yùn)營(yíng)平臺(tái)發(fā)布借貸信息，投資人根據(jù)信息投資的一種商業(yè)模式（Borrower，2012）。P2P網(wǎng)貸平臺(tái)的出現(xiàn)，不僅促進(jìn)了我國(guó)實(shí)體經(jīng)濟(jì)的發(fā)展，豐富了投融資手段，在解決我國(guó)民生問題上也起到了積極的作用，但其存在的風(fēng)險(xiǎn)也日漸凸顯，平臺(tái)失聯(lián)、暫停運(yùn)營(yíng)、借貸人跑路事件頻頻發(fā)生。截至2019年9月，我國(guó)共有6615家P2P網(wǎng)貸平臺(tái)，其中轉(zhuǎn)型的網(wǎng)貸平臺(tái)3152家，問題平臺(tái)2861家，還在正常運(yùn)營(yíng)的網(wǎng)貸平臺(tái)僅剩602家（網(wǎng)貸天眼）。我國(guó)大多數(shù)P2P網(wǎng)貸平臺(tái)出現(xiàn)問題、虧損、倒閉的一個(gè)重要原因就是忽視了對(duì)信用風(fēng)險(xiǎn)的管控，從而導(dǎo)致經(jīng)營(yíng)不善（張巧良，2015）。

康峰（2019）指出可以將我國(guó)P2P網(wǎng)貸平臺(tái)存在的風(fēng)險(xiǎn)劃分為五個(gè)方面：市場(chǎng)風(fēng)險(xiǎn)、操作與技術(shù)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、法律與監(jiān)管風(fēng)險(xiǎn)。目前，信用風(fēng)險(xiǎn)在互聯(lián)網(wǎng)金融行業(yè)普遍存在，P2P市場(chǎng)信用風(fēng)險(xiǎn)表現(xiàn)為借貸人逾期還款等。我國(guó)P2P網(wǎng)貸平臺(tái)可以考慮運(yùn)用大數(shù)據(jù)征信運(yùn)作方式并且結(jié)合具體情況對(duì)信用風(fēng)險(xiǎn)進(jìn)行管控，本著“一切數(shù)據(jù)皆信用”的觀點(diǎn)，通過大數(shù)據(jù)技術(shù)，結(jié)合個(gè)人在網(wǎng)絡(luò)上的購(gòu)物、聊天記錄、上網(wǎng)行為等信息，建立網(wǎng)貸平臺(tái)征信系統(tǒng)，這對(duì)平臺(tái)、投資人、貸款人以及監(jiān)管部門都具有十分重要參考意義。

二、P2P網(wǎng)貸信用風(fēng)險(xiǎn)研究

（一）國(guó)內(nèi)P2P網(wǎng)貸信用風(fēng)險(xiǎn)研究

我國(guó)學(xué)者對(duì)于P2P網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)研究主要集中在：相關(guān)法律法規(guī)、監(jiān)管情況、P2P平臺(tái)自身風(fēng)險(xiǎn)管理、市場(chǎng)風(fēng)險(xiǎn)、用戶的信用風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)等領(lǐng)域。研究結(jié)果顯示，信用是借貸成功與否的核心要素，但我國(guó)的征信系統(tǒng)還不完善、覆蓋不全面，P2P借貸平臺(tái)利用這些數(shù)據(jù)可能會(huì)增加平臺(tái)的信用風(fēng)險(xiǎn)，會(huì)使投資人處于信息不對(duì)稱的劣勢(shì)位置，從而造成財(cái)產(chǎn)損失?？梢酝ㄟ^大數(shù)據(jù)技術(shù)在事前對(duì)借貸人信用進(jìn)行評(píng)估，從而減少投資人損失，大數(shù)據(jù)征信會(huì)大大降低貸款違約率。我國(guó)的P2P網(wǎng)貸市場(chǎng)發(fā)展的空間巨大，可以采用與第三方征信平臺(tái)外包方式。政府管理部門，應(yīng)建立健全法律法規(guī)，為互聯(lián)網(wǎng)金融行業(yè)甚至P2P借貸平臺(tái)提供保障。

（二）國(guó)外P2P網(wǎng)貸信用風(fēng)險(xiǎn)研究

國(guó)外學(xué)者主要從四個(gè)方面研究P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)：貸款人信息、抵押擔(dān)保、征信體制和風(fēng)險(xiǎn)控制。在借貸人信息方面，P2P網(wǎng)貸平臺(tái)將借貸人的個(gè)人信息透明，從而可以確保投資人和借貸人雙方之間信息的對(duì)稱，投資人才能作出正確的選擇。Klafft（2008）利用Logistic分析法進(jìn)行抽樣分析，發(fā)現(xiàn)在抽樣的十七萬件P2P借款事例中：借款人收入、信用記錄以及擔(dān)保借款額都與違約風(fēng)險(xiǎn)呈顯著相關(guān)，所以應(yīng)該對(duì)借貸人的信用等信息詳細(xì)審核清楚，正如Freedman（2008）認(rèn)為網(wǎng)絡(luò)借貸平臺(tái)可以利用征信幫助投資人評(píng)估在借貸時(shí)的道德風(fēng)險(xiǎn)與逆向選擇問題，所以對(duì)于P2P網(wǎng)貸平臺(tái)來說對(duì)信用進(jìn)行監(jiān)管是必不可少的。

三、國(guó)外P2P網(wǎng)貸平臺(tái)征信系統(tǒng)運(yùn)行現(xiàn)狀

（一）傳統(tǒng)模式

純信用中介形式的P2P網(wǎng)貸平臺(tái)，其運(yùn)營(yíng)模式的核心是讓第三方網(wǎng)絡(luò)銀行加入到整個(gè)借貸運(yùn)營(yíng)環(huán)節(jié)之中。先由貸款人登記個(gè)人貸款信息，再與WebBank簽訂借貸信息合同，WebBank將此次借貸的所有權(quán)出售給P2P網(wǎng)貸平臺(tái)，平臺(tái)作為中介將所有權(quán)票據(jù)再出售給投資人，投資人最后持有，在這個(gè)過程中，看似P2P網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)被轉(zhuǎn)移到WebBank，其實(shí)WebBank也是一家已經(jīng)保有聯(lián)邦存款保險(xiǎn)的銀行，將WebBank所承擔(dān)的風(fēng)險(xiǎn)又分?jǐn)偟搅吮ｋU(xiǎn)公司上，這個(gè)模式避免了現(xiàn)金滯留在借貸平臺(tái)本身，將資金轉(zhuǎn)移到第三方銀行平臺(tái)，轉(zhuǎn)移了P2P網(wǎng)貸平臺(tái)因市場(chǎng)風(fēng)險(xiǎn)而面對(duì)的資金鏈斷裂等風(fēng)險(xiǎn)（劉玲，2018）。純中介的網(wǎng)貸平臺(tái)主要采用了FICO評(píng)分為網(wǎng)貸平臺(tái)對(duì)用戶信用評(píng)估的影響因素，將FICO評(píng)分作為主要判斷借貸人可借貸金額、借貸利率等指標(biāo)。FICO是美國(guó)當(dāng)下主流的個(gè)人信用評(píng)分標(biāo)準(zhǔn)，被用來做借貸人是否可以申請(qǐng)借款的有效審核工具，不僅被美國(guó)各大銀行采用，還被美國(guó)三大征信局所采納接受，美國(guó)的各類P2P借貸平臺(tái)可以通過向該機(jī)構(gòu)提交申請(qǐng)，就可以調(diào)查所有借貸人的各種信用信息。這種評(píng)估方式所采用的評(píng)估標(biāo)準(zhǔn)相對(duì)于大數(shù)據(jù)征信來說所收集的數(shù)據(jù)較少，主要涉及歷史消費(fèi)記錄、歷史借貸信息、購(gòu)買物品等。Prosper與LendingClub平臺(tái)所應(yīng)用的就是這種征信方式，根據(jù)借貸人的FICO評(píng)分采用相應(yīng)的借貸方式，該種征信方式的好處是數(shù)據(jù)獲取方便、覆蓋人群廣泛。

（二）大數(shù)據(jù)模式

ZestFinance網(wǎng)貸平臺(tái)是美國(guó)最新興的一個(gè)平臺(tái)，因?yàn)镕ICO評(píng)分覆蓋了美國(guó)85%以上的客戶，典型的如Prosper與LendingClub，而還有15%處于沒有評(píng)分狀態(tài)，這就使這部分人群無法借貸或是不利于借貸，針對(duì)這一情況，ZestFinance發(fā)現(xiàn)了商機(jī)，利用自主研發(fā)的大數(shù)據(jù)算法，為剩下15%沒有被FICO評(píng)分的對(duì)象進(jìn)行借貸服務(wù)。平臺(tái)創(chuàng)建信用評(píng)分模型再利用收集到的數(shù)據(jù)代入，計(jì)算出用戶的信用分?jǐn)?shù)進(jìn)行借貸，并且還應(yīng)用機(jī)器學(xué)習(xí)預(yù)測(cè)未來借貸人借貸數(shù)據(jù)。機(jī)器學(xué)習(xí)是指從輸入的數(shù)據(jù)中自主獲取數(shù)據(jù)間相關(guān)規(guī)律，再通過獲取的規(guī)律來預(yù)測(cè)未知的數(shù)據(jù)的算法。

ZestFinance網(wǎng)貸平臺(tái)挖掘數(shù)據(jù)的深度也強(qiáng)于其他平臺(tái)，不僅采用在以往征信體系中常用的決策變量，如FICO的五個(gè)基本影響因素，包括未還款金額、付款記錄、新信貸申請(qǐng)、信貸期限、信貸組合等，但彌補(bǔ)FICO評(píng)分模型信息獲取單一、不具備時(shí)間的同步性的缺點(diǎn)，ZestFinancc還會(huì)收集音像、圖片、視頻等非結(jié)構(gòu)化的數(shù)據(jù)信息，如客戶的Facebook等社交網(wǎng)絡(luò)信息、會(huì)員信息等，將信息進(jìn)而轉(zhuǎn)向結(jié)構(gòu)化數(shù)據(jù)再進(jìn)行評(píng)分。其信息覆蓋也十分廣泛，比如借貸人是否繳納房租，登入時(shí)的IP地址，書寫行為習(xí)慣，使用的瀏覽器版本，輸入時(shí)用的拼寫習(xí)慣，網(wǎng)絡(luò)交易資料等。并且ZestFinance的信用評(píng)估模型，每一季度都會(huì)進(jìn)行更新，確保模型的信用評(píng)估準(zhǔn)確度。傳統(tǒng)的FICO等其它征信公司的評(píng)分?jǐn)?shù)據(jù)模型，僅收入三十至幾百條數(shù)據(jù)項(xiàng)，而ZestFinance會(huì)收集幾萬條數(shù)據(jù)項(xiàng)，去評(píng)判一個(gè)人的真實(shí)信用如何，即使是看似毫無關(guān)聯(lián)的數(shù)據(jù)信息，都有可能幫助ZestFinance更有效地評(píng)斷個(gè)人信用。

大數(shù)據(jù)征信相對(duì)比傳統(tǒng)的FICO征信來說具有兩點(diǎn)優(yōu)勢(shì)，一是數(shù)據(jù)收集齊備，對(duì)沒有FICO評(píng)分的用戶進(jìn)行了形象刻畫，避免了市場(chǎng)空白。二是通過機(jī)器學(xué)習(xí)，自主研發(fā)數(shù)據(jù)模型，更加有效地審核了借貸人的信用信息，降低了違約率。

（三）國(guó)外P2P網(wǎng)貸平臺(tái)大數(shù)據(jù)征信的啟示

1.加強(qiáng)平臺(tái)數(shù)據(jù)共享

ZestFinance利用大數(shù)據(jù)征信平臺(tái)成功的基礎(chǔ)就是美國(guó)信息的開放，不僅如此，ZestFinance也與Facebook、Twitter等社交平臺(tái)進(jìn)行信息共享而獲得更多數(shù)據(jù)源來進(jìn)行更精準(zhǔn)的信用評(píng)分。在美國(guó)傳統(tǒng)的FICO評(píng)分中，收集了大量民眾信用信息，其中包括銀行卡使用記錄、銀行存取款記錄、水電繳費(fèi)情況等信息，但ZestFinance還收集了幾十萬類不同的數(shù)據(jù)項(xiàng)目，借此構(gòu)建了較為全面的用戶信用信息系統(tǒng)。

我國(guó)的P2P網(wǎng)貸平臺(tái)也應(yīng)學(xué)會(huì)自行建立征信系統(tǒng)，學(xué)習(xí)數(shù)據(jù)共享技術(shù)，進(jìn)而不斷擴(kuò)大征信系統(tǒng)中原數(shù)據(jù)來源，建立更加可靠的P2P平臺(tái)征信體系，進(jìn)而覆蓋更多的互聯(lián)網(wǎng)金融平臺(tái)，覆蓋更全面的客戶群，而不是處于一個(gè)“信息孤島”的狀態(tài)。

2.提高數(shù)據(jù)分析能力

ZestFinance平臺(tái)的理念是“相信一切數(shù)據(jù)皆信用”，這就是它在P2P網(wǎng)貸平臺(tái)征信成功的關(guān)鍵：擁有強(qiáng)大的數(shù)據(jù)分析和處理能力。自2007年我國(guó)首家P2P網(wǎng)貸平臺(tái)拍拍貸上線以來，我國(guó)P2P網(wǎng)貸平臺(tái)通過自身的信息庫(kù)以及第三方平臺(tái)的數(shù)據(jù)庫(kù)積累了大量有關(guān)客戶消費(fèi)、支付、信用等信息數(shù)據(jù)，但我國(guó)P2P網(wǎng)貸平臺(tái)缺乏數(shù)據(jù)處理與分析的能力，暫時(shí)還不能深度挖掘來自這些信息背后或者更深層次的內(nèi)容。ZestFinance公司所開發(fā)的集成的機(jī)器學(xué)習(xí)模型極大促進(jìn)了平臺(tái)清洗數(shù)據(jù)與數(shù)據(jù)分析能力，我國(guó)的P2P網(wǎng)貸平臺(tái)應(yīng)加強(qiáng)數(shù)據(jù)模型建設(shè)，強(qiáng)化數(shù)據(jù)清晰、篩選技術(shù)，提高非結(jié)構(gòu)數(shù)據(jù)處理能力。

3.明確服務(wù)對(duì)象

ZestFinance明確自身服務(wù)的征信對(duì)象為FICO評(píng)分在500分以下的低信用評(píng)分客戶，針對(duì)該客戶群體內(nèi)部不同的信用類型再進(jìn)一步開發(fā)細(xì)化信用評(píng)估模型，比如還款能力模型、預(yù)付能力模型等，不斷深入發(fā)掘信用信息，擴(kuò)大公司的客戶范圍，從而不斷提高自身的盈利水平，增強(qiáng)公司的競(jìng)爭(zhēng)力。所以精準(zhǔn)定位和深入分類研究是ZestFinance領(lǐng)先于其他互聯(lián)網(wǎng)征信機(jī)構(gòu)的關(guān)鍵，我國(guó)網(wǎng)貸平臺(tái)也可以參考此類運(yùn)行模式，明確平臺(tái)主要服務(wù)對(duì)象，做到市場(chǎng)精細(xì)化，從而擴(kuò)大客戶范圍。

四、國(guó)內(nèi)以螞蟻小貸為代表的P2P網(wǎng)貸平臺(tái)征信系統(tǒng)運(yùn)行現(xiàn)狀

（一）螞蟻小貸

螞蟻小貸是由阿里巴巴集團(tuán)成立的，主要針對(duì)阿里巴巴、淘寶、天貓平臺(tái)上的賣家進(jìn)行資金周轉(zhuǎn)、投融資服務(wù)而發(fā)展的互聯(lián)網(wǎng)金融產(chǎn)品。其對(duì)信用的審核依據(jù)就是企業(yè)在阿里巴巴平臺(tái)、天貓平臺(tái)、淘寶和支付寶上的信用記錄，從而對(duì)企業(yè)信用積分進(jìn)行核算，信用記錄主要包括：店鋪收益、實(shí)體情況、用戶評(píng)價(jià)、發(fā)貨速度等，其優(yōu)勢(shì)為審核速度快、貸款下放快、無需線下審核、資金通過支付寶進(jìn)賬。相對(duì)于傳統(tǒng)的借貸模式，螞蟻小貸憑借自身所屬公司阿里巴巴集團(tuán)就已經(jīng)獲得了巨大的優(yōu)勢(shì)。首先，傳統(tǒng)的信貸公司收集數(shù)據(jù)難，收集到的數(shù)據(jù)真假難辨，借款人很容易隱藏或造假信息，形成投資人與借貸人信息不對(duì)稱的現(xiàn)象。其次，阿里集團(tuán)下的淘寶、天貓與阿里巴巴會(huì)為螞蟻小貸創(chuàng)造大規(guī)模的訂單需求，相較于其他平臺(tái)，螞蟻小貸自然擁有大量用戶群體，并且螞蟻小貸也將大數(shù)據(jù)技術(shù)實(shí)施到了P2P借貸的貸前、貸中與發(fā)放階段。

貸前申請(qǐng)階段，用戶在線申請(qǐng)貸款之后，螞蟻小貸的調(diào)查團(tuán)隊(duì)會(huì)開始查明該用戶在阿里系產(chǎn)品中所有的交易信息、信用信息、商品庫(kù)存、資金流動(dòng)以及客戶評(píng)價(jià)等，根據(jù)這些數(shù)據(jù)判定用戶的信用等級(jí)，再根據(jù)大數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)判斷用戶的償還能力以及未來可能會(huì)流入的資金額，對(duì)未來期限內(nèi)會(huì)有高收益額商家積極鼓勵(lì)其在平臺(tái)貸款，對(duì)于未來可能資金收入額較低的商家，會(huì)采取低強(qiáng)度營(yíng)銷這一方式。再將此次運(yùn)行的操作和結(jié)果記錄到系統(tǒng)中，對(duì)系統(tǒng)進(jìn)行完善。預(yù)測(cè)淘寶賣家從借貸開始到未來實(shí)際運(yùn)作以及運(yùn)作成效的曲線，需要192個(gè)數(shù)據(jù)模型，與我國(guó)傳統(tǒng)的純信用抵押信貸相比，螞蟻小貸在模型數(shù)量與模型因子方面的領(lǐng)先使其具有獨(dú)特優(yōu)勢(shì)。

貸中與發(fā)放階段，平臺(tái)會(huì)對(duì)企業(yè)如何運(yùn)行資金、企業(yè)獲得貸款后的倉(cāng)儲(chǔ)、與企業(yè)聯(lián)系的上下游企業(yè)、企業(yè)的客戶等用大數(shù)據(jù)進(jìn)行評(píng)估，完善企業(yè)這一次的貸款信息記錄，查看企業(yè)在獲得貸款后與貸款前的營(yíng)業(yè)數(shù)據(jù)是否有所改善，以為下一次是否貸款做好準(zhǔn)備信息。

螞蟻小貸運(yùn)用大數(shù)據(jù)技術(shù)對(duì)平臺(tái)進(jìn)行運(yùn)營(yíng)，也基于自身母公司的商業(yè)基礎(chǔ)，成本包括給予借款人利息，平臺(tái)人工成本費(fèi)管理費(fèi)等，成本率預(yù)計(jì)在6%—7%，并且螞蟻小貸的信貸還款率遠(yuǎn)遠(yuǎn)高于其它平臺(tái)，達(dá)到99%?？傊浵佇≠J在大數(shù)據(jù)方面的應(yīng)用管理給我國(guó)其他的P2P網(wǎng)貸平臺(tái)提供了參考。

（二）國(guó)內(nèi)網(wǎng)貸平臺(tái)大數(shù)據(jù)征信啟示

1.保證海量豐富的數(shù)據(jù)

螞蟻小貸成功借鑒了美國(guó)ZestFinance利用大數(shù)據(jù)技術(shù)在P2P網(wǎng)貸平臺(tái)征信方面的成功經(jīng)驗(yàn)，認(rèn)識(shí)到大數(shù)據(jù)征信技術(shù)在互聯(lián)網(wǎng)金融平臺(tái)尤其是借貸平臺(tái)的重要之處，只有充分收集用戶的數(shù)據(jù)，并且作出相對(duì)成熟的征信模型，才會(huì)對(duì)用戶信用評(píng)判進(jìn)行合理詮釋。阿里集團(tuán)憑借自身各大購(gòu)物、民生平臺(tái)積攢了一手用戶數(shù)據(jù)信息，這是美國(guó)ZestFinance公司所缺少的，而且數(shù)據(jù)也更加精準(zhǔn)，只要合理運(yùn)用收集到的數(shù)據(jù)，螞蟻小貸就可以對(duì)客戶的信用進(jìn)行評(píng)判，并在借貸前期、中期、后期及時(shí)給予預(yù)警信號(hào)。

2.建立大數(shù)據(jù)基礎(chǔ)處理設(shè)施

2009年阿里集團(tuán)開發(fā)了云計(jì)算系統(tǒng)，阿里將精力投入到云計(jì)算系統(tǒng)的設(shè)計(jì)與開發(fā)，其宗旨是創(chuàng)造全球領(lǐng)先的云計(jì)算平臺(tái)，成為全球最先進(jìn)的可以同時(shí)進(jìn)行數(shù)據(jù)收集、分析以及處理于一體的服務(wù)企業(yè)。該系統(tǒng)不僅可以提供大規(guī)模的分布式數(shù)據(jù)處理為日后其他企業(yè)、平臺(tái)的大數(shù)據(jù)的計(jì)算功能、處理功能以及存儲(chǔ)功能提供最佳的解決方法，這套云計(jì)算系統(tǒng)也為阿里集團(tuán)進(jìn)軍大數(shù)據(jù)領(lǐng)域助力。目前阿里云計(jì)算已經(jīng)建立了金融云計(jì)算和電商云計(jì)算等不同的云計(jì)算服務(wù)平臺(tái)，如我們熟知的支付寶和余額寶的數(shù)據(jù)也均被收入在阿里云計(jì)算服務(wù)中。

3.利用大數(shù)據(jù)降低征信成本

純中介P2P網(wǎng)貸平臺(tái)的征信系統(tǒng)數(shù)據(jù)信息大多來自平臺(tái)與各大第三方征信公司，屬于二手?jǐn)?shù)據(jù)，數(shù)據(jù)獲得可能會(huì)耗費(fèi)財(cái)力且數(shù)據(jù)信息不一定準(zhǔn)確，美國(guó)的ZestFinance搜集的大數(shù)據(jù)信息大多來源于線上，獲得方式比較便捷，耗費(fèi)的人力物力資源等成本較低。阿里巴巴與之類似，但是其數(shù)據(jù)都是憑借本集團(tuán)內(nèi)自有數(shù)據(jù)，可以通過螞蟻小貸等平臺(tái)內(nèi)部數(shù)據(jù)庫(kù)獲得，一手?jǐn)?shù)據(jù)無需消耗額外的人力、財(cái)力。貸款的全部操作都在線上進(jìn)行，不需要耗費(fèi)投資人與借貸人的時(shí)間成本，借貸完成后平臺(tái)也只需要關(guān)注系統(tǒng)中的數(shù)據(jù)進(jìn)行分析即可，如若出現(xiàn)了逾期和違約的情況，也無需上門討債，只需將用戶的芝麻信用積分下降，必要時(shí)凍結(jié)支付寶限制用戶網(wǎng)購(gòu)即可，這些都可以在線上完成，幫助平臺(tái)降低運(yùn)行管理成本。

四、小結(jié)

僅對(duì)P2P網(wǎng)貸平臺(tái)進(jìn)行征信系統(tǒng)的管理是遠(yuǎn)遠(yuǎn)不夠的，還要進(jìn)行其他方面的風(fēng)險(xiǎn)控制，如市場(chǎng)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)等。本文僅從大數(shù)據(jù)征信方面去解決P2P網(wǎng)貸平臺(tái)的信用風(fēng)險(xiǎn)問題，可以從更廣泛的視角解決P2P平臺(tái)其他方面的風(fēng)險(xiǎn)。

[參考文獻(xiàn)]

[1]Freedman S，G.Jin.Learning by doing with asymmetric information： exidence from Prosper. com [R].NBER Working Paper，2011（5）：13-17.

[2]Michael Klafft.Online Peer-to-Peer Lending：A Lender's Perspective.Proceedings of the International Conference on E -Learning， E-Business[J].Enterprise and Information Systems，and E-Government， 2008：371-375.

[3]劉玲.大數(shù)據(jù)在P2P網(wǎng)貸平臺(tái)征信中的應(yīng)用研究[D].廣東財(cái)經(jīng)大學(xué)，2018.

[4]張巧良.P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)研究——基于層次分析法[J].南京審計(jì)學(xué)院學(xué)報(bào)，2015（6）.

[5]康峰.P2P網(wǎng)貸行業(yè)風(fēng)險(xiǎn)防范指標(biāo)體系的構(gòu)建與評(píng)價(jià)研究[J].西部金融，2019（4）：48-55.

[6]李延?xùn)|.大數(shù)據(jù)對(duì)解決小微企業(yè)融資難的啟示——以ZestFinance公司為例[J].甘肅金融，2016（5）：28-30.

[7]閆嬌嬌.基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融征信體系研究[D].天津大學(xué)文，2016.

（責(zé)任編輯：張彤彤 梁宏偉）