丁曉蔚

（南京大學(xué)信息管理學(xué)院，南京 210023）

1 導(dǎo) 言

互聯(lián)網(wǎng)金融（簡稱“互金”）是金融與互聯(lián)網(wǎng)相融后形成的金融業(yè)態(tài)，較之傳統(tǒng)金融有許多創(chuàng)新，但潛藏不少風(fēng)險。其中我國P2P（peer to peer）網(wǎng)貸從2007年興起，到2020年清零，短短十?dāng)?shù)年讓無數(shù)投資者血本無歸?，F(xiàn)互金中其他新金融、類金融仍潛藏風(fēng)險。慘痛教訓(xùn)呼喚前瞻性風(fēng)控和監(jiān)管，金融情報學(xué)可望提供解決方案。金融情報學(xué)“通過爬取一系列相關(guān)數(shù)據(jù)，在此基礎(chǔ)上按情報學(xué)的專業(yè)要求進(jìn)行數(shù)據(jù)挖掘、清洗、分析、處理、研判，尋找數(shù)據(jù)之間的關(guān)聯(lián)與風(fēng)險防范和預(yù)警之間的關(guān)系，并輔之以專家智慧”[1]。其中特別關(guān)鍵的是構(gòu)建貫穿和支撐預(yù)警風(fēng)控與監(jiān)管治理全流程、發(fā)揮“耳目、尖兵、參謀”作用的互金全面風(fēng)險情報體系。

2 文獻(xiàn)梳理

以往關(guān)于互金及其風(fēng)險的研究成果甚多，但從情報學(xué)角度所作研究較少。

2.1 互聯(lián)網(wǎng)金融及其風(fēng)險

2.1.1 國內(nèi)互聯(lián)網(wǎng)金融及其風(fēng)險研究成果豐碩

可分為四類：①對互金進(jìn)行理論研究。吳曉求[2]探究互金生存邏輯、理論結(jié)構(gòu)及監(jiān)管準(zhǔn)則。劉力臻[3]探索互金機(jī)理、監(jiān)管和趨勢。王海軍等[4]通過互金的邏輯推演構(gòu)建相應(yīng)理論框架。②對互金風(fēng)險及防控進(jìn)行研究。楊群華[5]就我國互金特殊風(fēng)險進(jìn)行探究。黎來芳等[6]論析金融風(fēng)險如何被互聯(lián)網(wǎng)放大。米傳民等[7]基于SEIS（susceptible-exposedinfected-susceptible）模型進(jìn)行互金風(fēng)險傳染研究。③大數(shù)據(jù)在互金風(fēng)控中的應(yīng)用研究。吳連冠[8]基于大數(shù)據(jù)分析進(jìn)行互金風(fēng)險預(yù)警研究。巴曙松等[9]研究將大數(shù)據(jù)用于互金風(fēng)險防控。④互金監(jiān)管研究?；魝|等[10]采取P2P網(wǎng)貸視角觀照互金的平衡監(jiān)管與創(chuàng)新。陳碧瑩[11]探討監(jiān)管沙盒對互金監(jiān)管的啟示。張欽利等[12]研究互金刑法適用問題。此外，金信網(wǎng)銀“冒煙指數(shù)”和BBD公司“紅警”均系助力監(jiān)管實踐的有益探索。

2.1.2 英文文獻(xiàn)中的互聯(lián)網(wǎng)金融及其風(fēng)險研究

聯(lián)合國貿(mào)易和發(fā)展會議（United Nations Confer‐ence on Trade and Development，UNCTAD）將互金界定為基于網(wǎng)絡(luò)的金融服務(wù)，包括網(wǎng)上證券、網(wǎng)上銀行等。Huang[13]指出，中國P2P借貸的爆炸式增長，與互聯(lián)網(wǎng)深度滲透、大量資金供應(yīng)和未獲滿足的金融需求有關(guān)。Liu等[14]研究P2P網(wǎng)貸模式。Ag‐garwal等[15]研究社會信任對小額信貸的影響。Wei等[16]研究P2P貸款中的市場機(jī)制。Jiang等[17]對基于軟信息的網(wǎng)貸違約預(yù)測進(jìn)行研究。Guo等[18]基于P2P貸款實例對投資決策信用風(fēng)險進(jìn)行評估。Serra‐no-Cinca等[19]研究出借方預(yù)測盈利而非信用風(fēng)險來優(yōu)化貸款選擇。Wan等[20]探討P2P網(wǎng)貸決策模型。Emekter等[21]研究P2P網(wǎng)貸信用風(fēng)險和貸款績效。Zhao等[22]研究基于數(shù)據(jù)挖掘的P2P貸款投資推薦和風(fēng)險管理。這些成果對本研究有啟發(fā)性。

2.2 （大數(shù)據(jù)）情報分析

2.2.1 國內(nèi)外情報分析研究成果

美國《國防部軍事及相關(guān)術(shù)語字典》將情報分析界定為通過對全源數(shù)據(jù)進(jìn)行綜合、評估、分析和解讀，將信息處理轉(zhuǎn)化為情報以滿足用戶需求的過程。美國早期情報分析服務(wù)于戰(zhàn)爭，后范圍拓展至安全相關(guān)領(lǐng)域。行業(yè)奠基之作《情報研究與分析入門》（杰羅姆·克勞澤，1976年首次出版）探討如何思考、撰寫和生產(chǎn)有用情報等核心問題。

國內(nèi)相關(guān)研究情況如下：①情報學(xué)基礎(chǔ)理論研究與時俱進(jìn)。蘇新寧等[23]基于生命周期探索應(yīng)急情報體系理論模型，指出應(yīng)急響應(yīng)的情報功能是事前感知、事中處理和事后管理，對本研究有啟迪意義。馬費(fèi)成等[24]系統(tǒng)分析了大數(shù)據(jù)對情報學(xué)研究的影響，有利于拓寬研究思路。②基于大數(shù)據(jù)的情報分析研究得到長足發(fā)展。周曉英等[25]探討大數(shù)據(jù)的影響與情報學(xué)的應(yīng)對策略，夏立新等[26]探討大數(shù)據(jù)時代情報危機(jī)發(fā)展演變及應(yīng)對策略，李綱等[27]從國家安全事件態(tài)勢感知的情報需求出發(fā)提出國家安全事件圖譜，盧小賓等[28]構(gòu)建了基于復(fù)雜網(wǎng)絡(luò)的信息分析模型，畢強(qiáng)等[29]在超網(wǎng)絡(luò)視域中進(jìn)行數(shù)字資源深度聚合的實證研究。這些成果為互金風(fēng)險防控情報分析提供了學(xué)術(shù)智慧。

2.2.2 情報學(xué)中另一些成果與本研究密切相關(guān)

其中包括：①競爭情報。蘇新寧[30]將競爭情報系統(tǒng)設(shè)計置于網(wǎng)絡(luò)環(huán)境下進(jìn)行觀照。包昌火等[31]將信息分析的學(xué)理研究與競爭情報案例分析相結(jié)合。②信號分析。劉嘉琪等[32]基于信號用微博預(yù)測企業(yè)績效。③風(fēng)險及預(yù)警情報。王康等[33]探討產(chǎn)業(yè)風(fēng)險預(yù)警體系，展示競爭情報與風(fēng)險的緊密聯(lián)系。張宇棟等[34]研究公共安全風(fēng)險預(yù)控情報。④金融情報。彭靖里等[35]論析了我國金融情報中存在的問題。吳光偉[36]和王幸平[37]出版了專著。⑤計算型情報分析。李廣建等[38]以情報分析和數(shù)學(xué)模型為分析手段，對數(shù)據(jù)內(nèi)容及模式進(jìn)行深度挖掘和學(xué)理闡述。

2.2.3 從情報學(xué)角度對互聯(lián)網(wǎng)金融風(fēng)險進(jìn)行的研究相對缺乏

情報學(xué)者較少介入互金風(fēng)險研究。在中國知網(wǎng)輸入“互聯(lián)網(wǎng)金融風(fēng)險”“情報”分別進(jìn)行篇名、關(guān)鍵詞、主題檢索，得到0、0、8篇文獻(xiàn)，無一與互金風(fēng)險和情報均相關(guān)。在Web of Science作相應(yīng)檢索，結(jié)果為0。

2.3 研究的拓展和提升空間

由上文分析可見：①現(xiàn)有互金風(fēng)險研究與預(yù)警預(yù)防、優(yōu)化處置、精準(zhǔn)監(jiān)管、精準(zhǔn)施策等實踐需求尚有較大差距。②互金風(fēng)控和監(jiān)管理論與實踐緊密結(jié)合的論文尚少，應(yīng)用性研究論文更少。本文倡導(dǎo)的互金全面風(fēng)險情報體系或更能解決互金風(fēng)控監(jiān)管實踐中的痛點(diǎn)難題。③直面互金風(fēng)控和監(jiān)管場景的大數(shù)據(jù)情報分析研究成果鮮少，情報學(xué)對金融安全與風(fēng)控涉及不多。金融情報學(xué)當(dāng)大有用武之地[39]。本文將致力于揚(yáng)情報分析之長，回應(yīng)情報學(xué)和金融學(xué)的共同呼喚；以P2P為鑒，聚焦理論探索，后續(xù)將開展應(yīng)用實證系列研究。

3 互聯(lián)網(wǎng)金融風(fēng)險的特點(diǎn)及監(jiān)管痛點(diǎn)難題

對互金風(fēng)險的特點(diǎn)及監(jiān)管短板進(jìn)行科學(xué)認(rèn)知，是互金全面風(fēng)險情報體系構(gòu)建研究的基礎(chǔ)。

3.1 互聯(lián)網(wǎng)金融風(fēng)險的特點(diǎn)

互金改變了金融市場形態(tài)、金融活動模式、金融服務(wù)深廣度及金融風(fēng)險機(jī)理和構(gòu)成。

互金風(fēng)險可分為兩類：與人性相關(guān)的風(fēng)險和與技術(shù)相關(guān)的風(fēng)險。根據(jù)全面風(fēng)險管理體系，與人性相關(guān)的風(fēng)險主要有信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險、操作風(fēng)險、聲譽(yù)/輿情風(fēng)險等，與技術(shù)相關(guān)的風(fēng)險主要有技術(shù)風(fēng)險和某些操作風(fēng)險。

互金中與技術(shù)相關(guān)的風(fēng)險劇增。網(wǎng)絡(luò)安全風(fēng)險（自身安全風(fēng)險、供應(yīng)商安全風(fēng)險、客戶安全風(fēng)險）將成為金融業(yè)面臨的首要風(fēng)險[40]。技術(shù)風(fēng)險還包括數(shù)據(jù)和系統(tǒng)安全風(fēng)險、客戶隱私泄露風(fēng)險等。

互金中與人性相關(guān)的風(fēng)險依然存在。在互金中，貪婪、恐慌、從眾等人性因素往往因互聯(lián)網(wǎng)而加劇?；ヂ?lián)網(wǎng)具有海量信息、極速傳輸、覆蓋全域等特征，多重風(fēng)險疊加能瞬間引爆風(fēng)險、加速傳染，加劇風(fēng)險正反饋螺旋，極易引發(fā)系統(tǒng)性金融風(fēng)險。

3.2 互聯(lián)網(wǎng)金融監(jiān)管中的痛點(diǎn)難題

互金監(jiān)管雖已有長足進(jìn)步，但短板明顯。

3.2.1 存在一定盲目性

表現(xiàn)之一：某些方面缺乏規(guī)劃。傳統(tǒng)監(jiān)管多采用事后監(jiān)管、追責(zé)和秋后算賬的模式，缺乏規(guī)劃性、前瞻性和預(yù)判性，常陷入被動招架困境。

表現(xiàn)之二：有時近乎盲人摸象。傳統(tǒng)監(jiān)管應(yīng)對互金風(fēng)險，茫然不知下一只“黑天鵝”將在何時、從何處飛出。這里關(guān)涉一根本問題：金融活動、合規(guī)風(fēng)控等數(shù)據(jù)是否可信（完整、連通、匹配、正確、真實、及時等）[41]。如果不可信，那么監(jiān)管部門就跟盲人摸象無異，遑論預(yù)警防控風(fēng)險。

3.2.2 以傳統(tǒng)方式監(jiān)管互聯(lián)網(wǎng)金融系刖趾適屨

傳統(tǒng)金融中較成熟的風(fēng)險管理體系是全面風(fēng)險管理體系，較成熟的監(jiān)管規(guī)制框架是《巴塞爾協(xié)議III》，但這些在互金中近乎空白。

即使是傳統(tǒng)金融中風(fēng)控監(jiān)管也不甚成功，主因是基于“小數(shù)據(jù)、小模型、小計算”范式，依重小數(shù)據(jù)抽樣檢測分析，且抽樣不及時（如上市公司季報、年報等），根源上就存在滯后性。監(jiān)管實踐呼喚“實時大數(shù)據(jù)、大模型、大計算”情報范式驅(qū)動的前瞻性和預(yù)警性全面風(fēng)險情報體系。而互金企業(yè)很多信息不公開，即使向監(jiān)管部門報送，也存在數(shù)據(jù)不及時、不可信等問題，其嚴(yán)重程度遠(yuǎn)甚于傳統(tǒng)金融。故需另辟蹊徑，亦呼喚互金全面風(fēng)險情報體系。

綜上，以傳統(tǒng)方式監(jiān)管互金，既難以及時發(fā)現(xiàn)、識別蛛絲馬跡中情報，又缺乏作為情報產(chǎn)品的風(fēng)險測度、前瞻性量化指標(biāo)和預(yù)警性風(fēng)險因子，因而無法形成一整套量化理論和方法，無法進(jìn)行推理論證和可重復(fù)實驗，無法做到風(fēng)控和監(jiān)管科學(xué)化、系統(tǒng)化、最優(yōu)化。

3.2.3 政策法規(guī)相對滯后

在現(xiàn)實中，互金政策法規(guī)制定相對滯后，分辨真?zhèn)蝿?chuàng)新有相當(dāng)難度。無論是規(guī)則監(jiān)管還是原則監(jiān)管，都難以及時應(yīng)對不斷變化的金融科技創(chuàng)新，不能滿足監(jiān)管需求。構(gòu)建互金全面風(fēng)險情報體系，可監(jiān)測政策法規(guī)執(zhí)行效果，監(jiān)測互金行業(yè)風(fēng)險點(diǎn)，并得到來自底層的情報反饋和支持，以利評估和進(jìn)一步優(yōu)化完善，幫助監(jiān)管機(jī)構(gòu)逐漸將工作方式

從對政策法規(guī)事后評估演進(jìn)為事前預(yù)判優(yōu)化。

4 互聯(lián)網(wǎng)金融全面風(fēng)險情報體系的構(gòu)建

互金全面風(fēng)險情報體系是以情報工作和情報研究全面覆蓋互金風(fēng)控和監(jiān)管的情報體系。它以情報學(xué)原理為支撐，以大數(shù)據(jù)情報感知認(rèn)知技術(shù)為手段，對互金各類風(fēng)險進(jìn)行監(jiān)測、預(yù)警、分析、處置，提供系列情報產(chǎn)品和服務(wù)，推動形成互金版全面風(fēng)險管理體系和監(jiān)管框架（當(dāng)前為空白），助力精準(zhǔn)監(jiān)管和精準(zhǔn)施策（圖1）。體系包含定義、目標(biāo)、內(nèi)涵、特點(diǎn)、要素，基礎(chǔ)理論研究和應(yīng)用實證研究并進(jìn)，成果包括前瞻性和預(yù)警性風(fēng)險測度、風(fēng)險因子、特征指標(biāo)、理論方法、實踐工具等。

圖1 互聯(lián)網(wǎng)金融全面風(fēng)險情報體系運(yùn)行示意圖

4.1 定義和內(nèi)涵

4.1.1 定 義

互金全面風(fēng)險情報體系，是在借鑒并改造傳統(tǒng)金融全面風(fēng)險管理體系基礎(chǔ)上構(gòu)建的、在互金風(fēng)險防控和監(jiān)管治理中發(fā)揮“耳目、尖兵、參謀”作用的風(fēng)險情報體系。

狹義互金全面風(fēng)險情報體系，除相應(yīng)理論外，還包括風(fēng)險測度（含數(shù)學(xué)定義）、框架、模型、算法、工具、流程等一系列情報產(chǎn)品和情報活動。其中，基礎(chǔ)情報產(chǎn)品含風(fēng)險數(shù)學(xué)定義和量化測度、風(fēng)險評分和風(fēng)險指數(shù)等相對風(fēng)險測度、預(yù)期損失及在險價值等絕對風(fēng)險測度等；在此基礎(chǔ)上形成衍生情報產(chǎn)品和服務(wù)，含微觀分析、中觀分析、宏觀分析、可視化分析、風(fēng)險態(tài)勢感知、風(fēng)險趨勢預(yù)判、敏感度分析和測試、風(fēng)險敞口分析、優(yōu)化處置、壓力測試、情景仿真、沙盤推演、對策建議等。從廣義上說，它還包括直接支持精準(zhǔn)監(jiān)管、精準(zhǔn)施策等的全生命周期情報解決方案和智庫情報服務(wù)。

可從數(shù)學(xué)上定義該體系中最基礎(chǔ)的風(fēng)險測度及研究框架。下文以P2P網(wǎng)貸平臺為例。

1）微觀層面：平臺風(fēng)險

令Rij=(Ritj:t∈Z)表征平臺i∈{1,…,imax}的第j∈{1,…,jmax}種風(fēng)險（信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險、操作風(fēng)險、技術(shù)風(fēng)險、法律風(fēng)險、聲譽(yù)/輿情風(fēng)險等）時間序列，其中imax為平臺總數(shù)，jmax為需量化測度的風(fēng)險種類數(shù)目，本例中jmax=7。Ii=(Iti:t∈Z)和Oi=(Oit:t∈Z)分別表征該平臺的內(nèi)外部信息流時間序列。在t時刻，令

其中，ft(ij)為針對第j種風(fēng)險的合宜的大數(shù)據(jù)風(fēng)險情報挖掘函數(shù)，體現(xiàn)了將互金平臺內(nèi)外部信息流映射到特定風(fēng)險情報的思想。該定義有如下特點(diǎn)：一是基于t之前的所有內(nèi)外部全源大數(shù)據(jù)提煉出t時刻的風(fēng)險情報。不同平臺間風(fēng)險傳染可由外部大數(shù)據(jù)來捕捉。在定義和框架層面先保持通用性，實際很多場景中內(nèi)部數(shù)據(jù)不可得或不可信。如某些數(shù)據(jù)可能比另一些數(shù)據(jù)更重要，可留待具體建模時用EMA（exponential moving average）權(quán)重、Attention機(jī)制等方法解決。二是無論是作為輸入的Ii和Oi，還是作為輸出的Rij都被定義為時間序列，既體現(xiàn)了風(fēng)險動態(tài)演進(jìn)的特征，也方便后續(xù)從時間序列角度進(jìn)行分析預(yù)測。三是各不同風(fēng)險對應(yīng)不同的f(·j)，輸入同樣的Ii和Oi，可提煉出不同種類的風(fēng)險情報輸出（但不一定互斥）。四是f可為專家打分法、層次分析法等主觀方法，也可為統(tǒng)計學(xué)、計量經(jīng)濟(jì)學(xué)、金融工程、機(jī)器學(xué)習(xí)（如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、基石模型）等量化模型。在框架層面保持開放性和兼容性，既便于各種模型算法即插即用，也便于對之進(jìn)行比較、優(yōu)選和融合。若為量化模型，則f可能是時變的，否則固定不變。此外，f可隨平臺而變，但因單個平臺數(shù)據(jù)量有限，從穩(wěn)定性和魯棒性考慮，希望f跨平臺不變。綜合上述兩點(diǎn)將公式(1)簡寫為

其中，c為jmax×1待定系數(shù)向量；Φ1,…,Φk為一組jmax×jmax待定系數(shù)矩陣；?t為jmax×1零均值白噪聲向量隨機(jī)過程。式(3)旨在對jmax種風(fēng)險協(xié)同演進(jìn)進(jìn)行聯(lián)合建模。更進(jìn)一步地，可對多平臺、多地區(qū)、多行業(yè)/業(yè)態(tài)甚至全國互金風(fēng)險進(jìn)行聯(lián)合建模。

為方便起見，將平臺總風(fēng)險定義為Rit=(ωit)TRti，即不同風(fēng)險的權(quán)重向量和風(fēng)險向量的點(diǎn)積?？闪顧?quán)重向量為常向量，即Rit=ωTRti。風(fēng)險權(quán)重的作用舉隅：可通過調(diào)整權(quán)重，體現(xiàn)互金時代技術(shù)風(fēng)險和法律風(fēng)險相對上升的發(fā)展趨勢。

可直接通過大數(shù)據(jù)風(fēng)險情報挖掘函數(shù)f對總風(fēng)險（而非細(xì)分風(fēng)險）進(jìn)行提煉。時刻t的平臺總風(fēng)險測度為其中，f為從平臺內(nèi)外部信息時間序列到平臺總風(fēng)險情報的映射。這里仍假定f為時變、跨平臺。

因互金企業(yè)數(shù)據(jù)未必公開或未必及時、可信，故問題轉(zhuǎn)化為如何應(yīng)用情報學(xué)原理和感知認(rèn)知等大數(shù)據(jù)情報技術(shù)，對海量、多源、異構(gòu)、高維、稀疏、高噪的內(nèi)外部大數(shù)據(jù)進(jìn)行實時分析處理，挖掘其中蛛絲馬跡，對各風(fēng)險進(jìn)行有效推演、探析、識別、評估、監(jiān)測、可視化等，并賦能風(fēng)險態(tài)勢感知、風(fēng)險趨勢預(yù)判，為預(yù)警防控、優(yōu)化處置、精準(zhǔn)監(jiān)管、精準(zhǔn)施策等提供情報支持。

2）中觀層面：區(qū)域和行業(yè)/業(yè)態(tài)風(fēng)險

在全面風(fēng)險情報體系中，各層面風(fēng)險應(yīng)邏輯自洽，統(tǒng)一一致。將微觀平臺風(fēng)險加總集成后得到中觀風(fēng)險，令RtAm=(Rit,i∈Am)為區(qū)域Am中各平臺風(fēng)險時間序列變量組成的向量，ψA tm為該區(qū)域各平臺權(quán)重所組成的向量，RA tm為其總風(fēng)險，則有

此處權(quán)重向量設(shè)置為時變向量，其本身為時間序列，一般將平臺的注冊資本金或貸款余額處理后用作權(quán)重。一來各平臺之間相對分量和重要性隨時間演進(jìn)，二來作為時間序列還可單獨(dú)對權(quán)重進(jìn)行建模預(yù)測。

可將各平臺間此消彼長關(guān)系納入模型，采用權(quán)重矩陣來體現(xiàn)平臺風(fēng)險間更精細(xì)的互作用，

同理，行業(yè)/業(yè)態(tài)Sn的加總集成總風(fēng)險為

3）宏觀層面：全國風(fēng)險

對全國C而言，加總集成的總體風(fēng)險為

其中，RtC=(Rit,i∈C)為全國各平臺風(fēng)險時間序列變量組成的向量；為各平臺權(quán)重所組成的向量；為考慮各平臺相對分量及互作用關(guān)系的權(quán)重矩陣。

在上述各加總集成運(yùn)算中，主要用到對平臺風(fēng)險的線性運(yùn)算。這要求風(fēng)險測度定義能支持線性運(yùn)算。一般專家打分法、層次分析法等不具備這一條件。對微觀層面專家打分法得出的風(fēng)險測度，經(jīng)加總集成后得到的數(shù)值是否確有“宏觀集成風(fēng)險”的物理意義，有待研究。

4）相對風(fēng)險測度：風(fēng)險評分（risk-score）和風(fēng)險指數(shù)（risk-index）

作為重要的基礎(chǔ)情報產(chǎn)品，風(fēng)險測度分為相對風(fēng)險測度和絕對風(fēng)險測度。前者指構(gòu)建風(fēng)險評分和風(fēng)險指數(shù)時無量綱、無單位的風(fēng)險測度，以表示。等各 級 指 標(biāo) 使 決 策者能隨時掌握風(fēng)險演變情況，能以統(tǒng)一指標(biāo)比較不同體量和特征平臺的風(fēng)險，還能比較各時期、各地域風(fēng)險隨時空而變的相對值并實時掌握相對變化趨勢。

5）絕對風(fēng)險測度：預(yù)期損失（expected loss）和在險價值（value-at-risk，VaR）

其中，F(xiàn)X為累積概率分布函數(shù)，一般從歷史數(shù)據(jù)中擬合而得；α為給定置信水平。RVtAL為預(yù)期損失而非損失，與傳統(tǒng)金融有所不同。公式(9)的意義在于：若互金主體不報送VaR，或者報送不及時、不可信，則監(jiān)管機(jī)構(gòu)可用此法進(jìn)行估算和交叉檢驗。

6）f具體實現(xiàn)方案

上述框架保持開放性和兼容性。f函數(shù)可有多種實現(xiàn)方法。本文提出基于概率估計的方案：著眼于最基礎(chǔ)的微觀平臺風(fēng)險，就上文相對風(fēng)險測度和風(fēng)險評分/指數(shù)，最直接、最具前瞻性的做法是將其定義為未來T觀測時間窗口內(nèi)發(fā)生風(fēng)險事件的概率：

相應(yīng)地，可推導(dǎo)出絕對風(fēng)險測度：

其中，Ct為t時刻的涉險資金凈額。此處，傳統(tǒng)金融中VaR并非完全等價，但高度相關(guān)，可作為互金版VaR使用，也可使用公式(9)計算互金版VaR，借此激活并借鑒傳統(tǒng)金融中圍繞VaR的系列風(fēng)險管理工具（如RiskMetrics、壓力測試等）。

綜上，問題轉(zhuǎn)化為基于全源大數(shù)據(jù)對未來T時間窗口內(nèi)風(fēng)險事件發(fā)生概率進(jìn)行估計或預(yù)測，可通過時間序列分析、計量經(jīng)濟(jì)學(xué)、金融工程、機(jī)器學(xué)習(xí)模型來求解。在機(jī)器學(xué)習(xí)領(lǐng)域，對概率的估計和預(yù)測有多種模型和方法，但模型和數(shù)據(jù)的適配度、訓(xùn)練的完備程度、樣本不均衡性等都會影響估計預(yù)測效果，需對概率估值進(jìn)行校準(zhǔn)（calibration）后方能作為概率使用。該問題引發(fā)較多研究。在深度學(xué)習(xí)中，近年來興起的非卷積類神經(jīng)網(wǎng)絡(luò)模型，能同步提升預(yù)測準(zhǔn)確率和校準(zhǔn)度，代表前沿發(fā)展方向。

優(yōu)良的風(fēng)險測度和研究框架應(yīng)能很好地概括、解釋風(fēng)險現(xiàn)狀（風(fēng)險態(tài)勢感知），預(yù)測、預(yù)警風(fēng)險演進(jìn)趨勢（風(fēng)險趨勢預(yù)判），將微觀、中觀和宏觀打通，形成統(tǒng)一一致、邏輯自洽的風(fēng)險測度體系。本方案具備如下特征：在定義和構(gòu)建風(fēng)險測度時，已賦予其內(nèi)嵌前瞻性，故其本身為前瞻性指標(biāo)，隨著實時數(shù)據(jù)的持續(xù)流入，可不斷作出前瞻性預(yù)測；同時，模型將所有數(shù)據(jù)匯聚到當(dāng)前一點(diǎn)，包含了對現(xiàn)狀的概括和總結(jié)。此前雖已存在專家打分法和AHP（analytic hierarchy process）等多種指數(shù)構(gòu)建方法，但本文所提出的內(nèi)嵌前瞻性定義和測度，既能用于風(fēng)險監(jiān)測，又能用于風(fēng)險預(yù)警防控，其擁有較強(qiáng)有力的統(tǒng)計學(xué)理論基礎(chǔ)支撐，具有客觀性、科學(xué)性、系統(tǒng)性，且能進(jìn)一步支持風(fēng)險情報線性和非線性運(yùn)算。由此，上述風(fēng)險數(shù)學(xué)定義和量化測度、風(fēng)險概率、相對風(fēng)險測度、絕對風(fēng)險測度等基礎(chǔ)情報產(chǎn)品，為壓力測試、風(fēng)險敞口分析、敏感度分析、沙盤推演、決策支持等衍生情報產(chǎn)品和服務(wù)奠定基礎(chǔ)，打開大門。

互金全面風(fēng)險情報體系借鑒傳統(tǒng)金融中全面風(fēng)險管理體系和《巴塞爾協(xié)議III》并加以調(diào)整改造，生成具備“耳目、尖兵、參謀”功能的情報產(chǎn)品、服務(wù)和工具箱，其覆蓋互金風(fēng)控和監(jiān)管各階段、各環(huán)節(jié)。其中最關(guān)鍵和最重要的，是前瞻性的風(fēng)險測度、預(yù)警因子、特征指標(biāo)、模型算法、理論方法、實踐工具等，由此才能進(jìn)一步支持風(fēng)險防控、應(yīng)對決策、精準(zhǔn)監(jiān)管、精準(zhǔn)施策。大數(shù)據(jù)情報分析可從多源、異構(gòu)、高維、稀疏、高噪的海量大數(shù)據(jù)中，快速準(zhǔn)確地挖掘隱藏信息、蛛絲馬跡、安全線索，提取出能映射到全面風(fēng)險體系中各風(fēng)險的預(yù)警因子、特征和指標(biāo)，賦能互金風(fēng)險預(yù)警防控和優(yōu)化處置。

在應(yīng)用實踐部分，情報產(chǎn)品還包括重要的情報基礎(chǔ)設(shè)施。為維護(hù)國家金融安全與穩(wěn)定，國家層面應(yīng)擁有能覆蓋監(jiān)測和預(yù)警新金融、類金融風(fēng)險的全國風(fēng)險地圖、風(fēng)險前沿曲面、可視化風(fēng)險曲線和風(fēng)險實時監(jiān)測預(yù)警平臺等。

4.1.2 目 標(biāo)

當(dāng)前互金中，像傳統(tǒng)金融那樣的全面風(fēng)險管理體系和監(jiān)管框架尚屬空白。互金全面風(fēng)險情報體系的目標(biāo)是：匯集情報學(xué)者、金融學(xué)者、監(jiān)管部門及業(yè)界相關(guān)人士的智慧，通過構(gòu)建該體系作為底層中間件，為構(gòu)建互金版全面風(fēng)險管理體系和《巴塞爾協(xié)議III》奠定關(guān)鍵基礎(chǔ)和提供關(guān)鍵支撐，為風(fēng)控監(jiān)管提供一系列前瞻性、預(yù)警性的高效情報產(chǎn)品和服務(wù)，探索消除風(fēng)控監(jiān)管中短板的新進(jìn)路。

4.1.3 內(nèi) 涵

該體系與金融全面風(fēng)險管理及《巴塞爾協(xié)議III》一一對應(yīng)，直接服務(wù)于后者。中國銀監(jiān)會《銀行業(yè)金融機(jī)構(gòu)全面風(fēng)險管理指引》規(guī)定，銀行業(yè)金融機(jī)構(gòu)應(yīng)建立全面風(fēng)險管理體系，采取定性和定量相結(jié)合的方法，識別、計量、評估、監(jiān)測、報告、控制或緩釋各類風(fēng)險。全面風(fēng)險管理，指以全天候、全覆蓋方式，對信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險、操作風(fēng)險、技術(shù)風(fēng)險、法律風(fēng)險、聲譽(yù)/輿情風(fēng)險等各類風(fēng)險，進(jìn)行準(zhǔn)確識別、審慎評估、動態(tài)監(jiān)控、及時應(yīng)對、有效控制和全程管理。

傳統(tǒng)金融監(jiān)管的“小數(shù)據(jù)、小模型、小計算”范式和滯后的統(tǒng)計抽樣本身存在根本性缺陷?；ソ鸨O(jiān)管面臨更多嚴(yán)峻挑戰(zhàn)：互聯(lián)網(wǎng)助長風(fēng)險傳染和爆發(fā)，存在較多非銀和類金融機(jī)構(gòu)等。應(yīng)借鑒傳統(tǒng)金融中全面風(fēng)險管理體系和《巴塞爾協(xié)議III》，并對之進(jìn)行改造適配方能應(yīng)用。由“實時大數(shù)據(jù)、大模型、大計算”情報范式驅(qū)動的互金全面風(fēng)險情報體系能促成上述改造、適配和應(yīng)用，實現(xiàn)超越，提供前瞻性、預(yù)警性情報支撐。

4.1.4 特 點(diǎn)

一是“全面”。與金融全面風(fēng)險管理體系嚴(yán)密適配并直接提供支撐，全面覆蓋互金全生命周期，全面覆蓋微觀、中觀、宏觀層面，全面覆蓋情報原材料采集、分析加工、生產(chǎn)制作和發(fā)揮作用全過程。

二是促進(jìn)互金風(fēng)控體系和監(jiān)管框架的形成。用情報產(chǎn)品、服務(wù)和工作來促進(jìn)對傳統(tǒng)金融全面風(fēng)險管理和《巴塞爾協(xié)議III》的借鑒改造，推進(jìn)其互金版形成并發(fā)揮效能。

三是對互金風(fēng)控監(jiān)管持全面觀、系統(tǒng)觀、動態(tài)觀，而不是零敲碎打研究單個風(fēng)險源、單個風(fēng)險部門、單個風(fēng)險解決方案。由傳統(tǒng)金融中主要關(guān)注單點(diǎn)風(fēng)險，升級至研究各風(fēng)險共振合力、傳染轉(zhuǎn)化、綜合演變和聯(lián)合防控。

四是由“實時大數(shù)據(jù)、大模型、大計算”情報范式驅(qū)動，著重強(qiáng)調(diào)前瞻性和預(yù)警性，研發(fā)我國國產(chǎn)安全、自主可控的大規(guī)?；ソ鹑骘L(fēng)險情報體系和國家金融安全情報預(yù)警超算“天眼”系統(tǒng)，實時發(fā)現(xiàn)各種不為人知或鮮為人知的潛藏的蛛絲馬跡，為優(yōu)化互金風(fēng)控監(jiān)管提供新進(jìn)路。

4.1.5 要 素

構(gòu)成要素包括：各類行為主體，即監(jiān)管者（風(fēng)險情報使用者）、受監(jiān)管者（風(fēng)險情報作用對象）、投資者和融資者（風(fēng)險情報獲益者）、情報學(xué)者和情報工作者（風(fēng)險情報研發(fā)者）；風(fēng)險情報，具體為情報產(chǎn)品、服務(wù)、標(biāo)準(zhǔn)、工具箱等；相關(guān)政策法規(guī)，為風(fēng)險情報生成和發(fā)揮作用的依據(jù)；情報支撐技術(shù)，指大數(shù)據(jù)、人工智能、區(qū)塊鏈等；運(yùn)行機(jī)制，含理論引領(lǐng)機(jī)制、多維防控機(jī)制、人機(jī)融合機(jī)制、多層覆蓋機(jī)制。

4.2 認(rèn)知與原理

4.2.1 認(rèn) 知

1）對互金風(fēng)險的基本認(rèn)知

互金未改變金融本質(zhì)，但風(fēng)險形成機(jī)理、表現(xiàn)形式、傳播方式較之傳統(tǒng)金融有很大變化。

互金風(fēng)險特色在于：線上線下聯(lián)動、金融風(fēng)險與輿情風(fēng)險共振疊加，形成自激型正反饋螺旋。金融事關(guān)廣大公眾切身利益，通過互聯(lián)網(wǎng)能瞬間在大范圍內(nèi)形成輿情狂潮和風(fēng)險，造成嚴(yán)重心理震蕩和社會震蕩，后者又會形成和加劇擠兌風(fēng)潮。特別是恐慌情緒的蔓延，會使金融機(jī)構(gòu)A的風(fēng)險引發(fā)多地區(qū)、多行業(yè)、上下游金融機(jī)構(gòu)B、C、D等出現(xiàn)恐慌性拋售潮、現(xiàn)金擠兌潮，并由公眾爭相無序退出而引發(fā)“踩踏”潮，導(dǎo)致風(fēng)險和損失因正反饋循環(huán)而加劇。

2）對助力互金風(fēng)險防控監(jiān)管的情報分析的基本認(rèn)知

在情報分析過程中，通過對蛛絲馬跡和數(shù)據(jù)信息的搜索、挖掘、分析，運(yùn)用統(tǒng)計學(xué)、計算機(jī)科學(xué)、數(shù)據(jù)科學(xué)理論與方法，探尋事物間因果和相關(guān)關(guān)系，監(jiān)測現(xiàn)實動態(tài)，預(yù)判發(fā)展趨勢，預(yù)警風(fēng)險事件，提供優(yōu)化方案和決策支持。大數(shù)據(jù)情報分析憑借全樣本，探索事物間存在然尚未被發(fā)現(xiàn)的關(guān)系，其本質(zhì)是對可能包含蛛絲馬跡的大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析處理，形成前瞻性、預(yù)警性風(fēng)險情報產(chǎn)品和服務(wù)，可有效破解上述互金風(fēng)險瞬間爆發(fā)、極速傳播和風(fēng)控監(jiān)管短板難題，助力風(fēng)險監(jiān)測預(yù)警、防控應(yīng)對、精準(zhǔn)監(jiān)管、精準(zhǔn)施策。

4.2.2 原 理

情報學(xué)原理是互金全面風(fēng)險情報體系的基礎(chǔ)。

1）情報分布原理

“信息、知識和情報是以離散形式分布的，在離散分布基礎(chǔ)上趨向集中。由于信息、知識和情報的離散分布是絕對的、復(fù)雜的，所以我們才需要研究如何用科學(xué)的方法獲取情報密度最大的情報源，為用戶情報需求提供最優(yōu)服務(wù)”[42]。關(guān)鍵點(diǎn)有二：一是用科學(xué)方法獲取情報密度最大的情報源，二是把握在情報離散分布基礎(chǔ)上形成的核心趨勢和集中取向。情報大量蘊(yùn)含于大數(shù)據(jù)中，互聯(lián)網(wǎng)有始無終、無邊無際，數(shù)據(jù)樣本量極大，為“情報密度最大的情報源”。原始形態(tài)的全源大數(shù)據(jù)，以離散狀態(tài)分布于廣闊無垠的網(wǎng)絡(luò)空間及物理空間中。須憑借慧眼、睿智，靈敏地抓住離散分布基礎(chǔ)上趨向集中的關(guān)鍵點(diǎn)，獲取高附加值的互金風(fēng)險情報。

2）情報轉(zhuǎn)換原理

由數(shù)據(jù)、信息到情報須歷經(jīng)轉(zhuǎn)換過程?！皵?shù)據(jù)是事實的數(shù)字化、編碼化、序列化和結(jié)構(gòu)化”[43]。數(shù)字化，即把紛繁雜亂的信息轉(zhuǎn)換為可度量的數(shù)字，在此基礎(chǔ)上建立相應(yīng)數(shù)字化模型，同步進(jìn)行金融世界向數(shù)字世界映射的編碼化處理。序列化和結(jié)構(gòu)化，是對信息、數(shù)據(jù)、知識進(jìn)行加工、使之轉(zhuǎn)化成為情報的必經(jīng)路徑。情報轉(zhuǎn)換面臨三個問題。

一為數(shù)據(jù)高噪高維稀疏。大數(shù)據(jù)分析面臨挑戰(zhàn)，數(shù)據(jù)可能實際上未獲有效轉(zhuǎn)換和發(fā)揮應(yīng)有作用。

二為數(shù)據(jù)不及時、不可信。須用感知、認(rèn)知等大數(shù)據(jù)情報技術(shù)對海量、多源、異構(gòu)、高維、高噪的互金全源大數(shù)據(jù)進(jìn)行實時分析挖掘、推演探究，洞察蛛絲馬跡，感知監(jiān)測風(fēng)險態(tài)勢，預(yù)判預(yù)警風(fēng)險趨勢，提供風(fēng)險測度、風(fēng)險指數(shù)、風(fēng)險模型、風(fēng)險前沿曲面、VaR等風(fēng)險管理工具、決策支持、監(jiān)管框架等各種前瞻性和預(yù)警性風(fēng)險情報產(chǎn)品。

三為金融工程/AI（artificial intelligence）模型存在局限性。模型訓(xùn)練數(shù)據(jù)僅能覆蓋歷史已知風(fēng)險。研究者希冀模型能泛化到未來，對預(yù)警未來未知風(fēng)險有所幫助。然而金融風(fēng)險不會簡單重復(fù)歷史，這是2008年全球金融危機(jī)中模型算法未能及時預(yù)警和有效防控風(fēng)險的原因之一。鑒于此，危機(jī)后業(yè)界主流理念為：在純數(shù)據(jù)統(tǒng)計和AI之外須補(bǔ)充注入專家智慧、經(jīng)驗洞見、知識推理、直覺靈感等人類高端智慧。在進(jìn)行情報轉(zhuǎn)換時，不放過任何蛛絲馬跡，探索采用貝葉斯網(wǎng)、馬爾科夫隨機(jī)場等概率圖模型及不確定知識推理和學(xué)習(xí)等技術(shù)，形成人類智慧和機(jī)器智能相融合的人機(jī)高效協(xié)同的智慧型金融情報理論架構(gòu)和實踐體系，方可能科學(xué)系統(tǒng)地預(yù)警“黑天鵝”等金融風(fēng)險。

3）情報傳遞原理

情報在傳遞過程中遵循一定原理?！皬那閳笤吹角閳髤R發(fā)生的情報轉(zhuǎn)移過程稱為傳遞，我們可用transfer表達(dá)，對情報場中的情報運(yùn)動，我們可稱為情報交流，用interflow表達(dá)，對情報傳遞的多向過程，可稱為擴(kuò)散diffusion或傳播dissemination”[44]。情報傳遞，從縱向看是情報從情報源到情報匯的轉(zhuǎn)移過程，其間的情報運(yùn)動體現(xiàn)為情報交流；從橫向看是一個多向擴(kuò)散過程，情報由一點(diǎn)向多點(diǎn)傳遞、擴(kuò)散。情報傳遞的目標(biāo)對象主要有：政府監(jiān)管部門，情報的“耳目、尖兵、參謀”功能在此處得以充分發(fā)揮；互金企業(yè)，金融風(fēng)險情報對它們而言生死攸關(guān)；投融資參與者，該群體的安全穩(wěn)定是國家金融安全穩(wěn)定的基礎(chǔ)之一。

在情報傳遞過程中，一則，應(yīng)注意互金風(fēng)險情報傳遞的時效性：瞬息之間，互金風(fēng)險就可能由輕度變?yōu)橹囟?，由小范圍變?yōu)榇笠?guī)模，由普通風(fēng)險升級為系統(tǒng)性金融風(fēng)險；二則，應(yīng)注重從情報使用者處吸納反饋意見，以不斷提高情報產(chǎn)品和服務(wù)的質(zhì)量。

4.3 功能與架構(gòu)

4.3.1 功 能

該體系的功能在于以前瞻性、預(yù)警性的風(fēng)險情報基礎(chǔ)設(shè)施、產(chǎn)品、服務(wù)、工具箱，助力互金風(fēng)險識別、評估、監(jiān)測、預(yù)警、防控、處置、優(yōu)化，并為從風(fēng)險預(yù)警防控、應(yīng)對處置，到精準(zhǔn)監(jiān)管、精準(zhǔn)施策的互金風(fēng)控監(jiān)管全流程提供決策情報支持。若無情報助力，風(fēng)控監(jiān)管部門可能會是睜眼瞎，所謂“金融創(chuàng)新”實際上是盲人騎瞎馬；而如果建立全面風(fēng)險情報體系，面對各種新金融、類金融，風(fēng)控和監(jiān)管可望做得更好。

4.3.2 架 構(gòu)

如圖2所示，在前述理論框架（板塊一）的基礎(chǔ)上，下文深入探討大數(shù)據(jù)風(fēng)險情報挖掘函數(shù)f和衍生情報產(chǎn)品與服務(wù)的研發(fā)及應(yīng)用。板塊二從外部通過大數(shù)據(jù)建模推演企業(yè)風(fēng)險情報并進(jìn)行動態(tài)建模及預(yù)警研究，研究對象為第一類風(fēng)險即法律風(fēng)險、輿情風(fēng)險及部分流動性風(fēng)險等。板塊三從外部大數(shù)據(jù)探析企業(yè)內(nèi)部情報后形成相應(yīng)風(fēng)險情報，研究對象為第二類風(fēng)險即市場風(fēng)險、信用風(fēng)險和另一部分流動性風(fēng)險。此處假設(shè)內(nèi)部數(shù)據(jù)不易得或不可信，故著重強(qiáng)調(diào)外部大數(shù)據(jù)，當(dāng)然如能獲得（部分）內(nèi)部數(shù)據(jù)則效果更佳。在形成上述兩大類互金風(fēng)險情報后，板塊四構(gòu)建微觀層面全面風(fēng)險情報體系，其特點(diǎn)是實時、量化，可賦能互金企業(yè)個體的風(fēng)險防控和優(yōu)化處置。板塊五構(gòu)建中觀、宏觀層面的行業(yè)、區(qū)域及國家全面風(fēng)險情報體系，以使互金監(jiān)管更精準(zhǔn)、更智慧及更具規(guī)劃性、前瞻性和預(yù)判性。

圖2 互聯(lián)網(wǎng)金融全面風(fēng)險情報體系研究架構(gòu)圖

（1）從外部大數(shù)據(jù)推演互金企業(yè)風(fēng)險情報（板塊二）。

關(guān)鍵詞為“推演”，研究從外部通過f大數(shù)據(jù)建模推演上述第一類風(fēng)險。

其一，注重情報發(fā)現(xiàn)。“通過聚類，一些看似不相關(guān)的事件很可能就靠在一起了”；“通過分析，挖掘出其中的聯(lián)系，很可能具有較大的情報價值”[45]。來自不同渠道的信息/數(shù)據(jù)，經(jīng)聚類被打通、勾連，在割裂狀態(tài)中為表象遮蓋的隱性聯(lián)系被發(fā)現(xiàn)。例如，圍繞互金企業(yè)，市場監(jiān)管部門的企業(yè)經(jīng)營情況、輿情監(jiān)測機(jī)構(gòu)的輿情報告及媒體所作報道等，能折射出其經(jīng)營風(fēng)險、資金擠兌風(fēng)險、輿情風(fēng)險及其他隱含風(fēng)險。作為情報的原材料，大量信息/數(shù)據(jù)的情報價值并不呈現(xiàn)于表層，而在其深層，既要大范圍采集，又要向縱深處挖掘。通過清洗數(shù)據(jù)，剔除無價值、不相關(guān)或錯誤的部分，提取精髓。情報發(fā)現(xiàn)須由現(xiàn)象分析本質(zhì)（洞察），由結(jié)果追溯原因（歸因），由過程探尋規(guī)律（合律）。

其二，注重情報預(yù)測。當(dāng)前，互金領(lǐng)域尚缺少對互金企業(yè)風(fēng)險動態(tài)演進(jìn)所作預(yù)測建模?；谇笆鲲L(fēng)險測度等情報產(chǎn)品，采用時間序列、面板模型、深度學(xué)習(xí)等研究風(fēng)險動態(tài)演進(jìn)及機(jī)理，并融合使用宏觀數(shù)據(jù)、微觀數(shù)據(jù)及從復(fù)雜網(wǎng)絡(luò)和知識圖譜中提煉而得的關(guān)聯(lián)特征和圖譜特征，可實現(xiàn)真正的互金風(fēng)險預(yù)警預(yù)防。歷史上一些商用平臺僅停留于監(jiān)測評分，金融監(jiān)管部門一度只是根據(jù)評分分值采取調(diào)查、約談等措施?，F(xiàn)在看來，當(dāng)可通過情報預(yù)測，提前一周、一個月等預(yù)警，真正做到預(yù)警性、前瞻性風(fēng)控監(jiān)管。

一是基于前述相對和絕對風(fēng)險測度曲線，提前預(yù)測、實時預(yù)警未來一周、一個月等風(fēng)險變化?？蓪⑷缦伦兞咳谌腩A(yù)測模型：國內(nèi)外政治經(jīng)濟(jì)等領(lǐng)域重大事件，金融市場基本面情況和未來走勢，典型個案、媒體報道及其社會影響，政策法規(guī)及其影響，投資者觀點(diǎn)、情緒、心理及其變化波動。此外，多家互金企業(yè)的風(fēng)險曲線可合起來形成高維時間序列和面板數(shù)據(jù)，據(jù)此可考察風(fēng)險如何動態(tài)演進(jìn)、相互影響和傳染等，可獲得比單一風(fēng)險曲線更精準(zhǔn)的預(yù)測效能；還可對風(fēng)險曲線（族）本身走勢進(jìn)行考察，特別是深入研究其劇烈震蕩和波動情況，構(gòu)建類似于GARCH（generalized autoregressive conditional heteroskedasticity）等波動率模型，可望捕獲風(fēng)險中隱含的二階和高階特征及非線性風(fēng)險因子等蛛絲馬跡，賦能更精準(zhǔn)、更智慧的動態(tài)實時預(yù)警。

二是對P2P網(wǎng)貸平臺倒閉和“跑路”等惡性風(fēng)險進(jìn)行預(yù)警研究?？煞揽匦陆鹑诤皖惤鹑谥袗盒燥L(fēng)險，為監(jiān)管者和投資者提供決策參考。形成如下情報產(chǎn)品：平臺惡性風(fēng)險指數(shù)和預(yù)警指標(biāo)，如發(fā)生倒閉、“跑路”、血本無歸等事件的概率和潛在損失；預(yù)警模型，比如，根據(jù)企業(yè)相關(guān)信息如訴訟、輿情及蛛絲馬跡等構(gòu)建而成的模型；事件風(fēng)險關(guān)聯(lián)圖譜，如由股權(quán)結(jié)構(gòu)或股權(quán)關(guān)系、債權(quán)關(guān)系、企業(yè)上下游關(guān)聯(lián)關(guān)系所引致風(fēng)險事件的關(guān)聯(lián)圖譜。大數(shù)據(jù)風(fēng)險情報分析可圍繞關(guān)聯(lián)圖譜展開，對多平臺風(fēng)險聯(lián)合建模，并深入研究特定主體與關(guān)聯(lián)主體風(fēng)險如何聯(lián)動，在哪些情況下會放大、引爆風(fēng)險，以及如何消減、避免風(fēng)險。

（2）由外部大數(shù)據(jù)探析互金企業(yè)內(nèi)部風(fēng)險情報（板塊三）。

關(guān)鍵詞為“探析”（由外至內(nèi)）。此板塊研究上文第二類風(fēng)險，重在基于大數(shù)據(jù)情報分析f對數(shù)據(jù)、信息和蛛絲馬跡進(jìn)行挖掘和分析，從外部探析（“逼近”“擬合”）企業(yè)內(nèi)部風(fēng)險情報（企業(yè)內(nèi)部經(jīng)營財務(wù)數(shù)據(jù)不易得、不可得，或在精度、信度、時效等方面存在欠缺）。

其一，側(cè)重于應(yīng)用和創(chuàng)新情報分析中發(fā)掘和拼接的方法。

對網(wǎng)絡(luò)大數(shù)據(jù)進(jìn)行爬取、挖掘、分析，并通過情報分析方法對數(shù)據(jù)進(jìn)行拼接和補(bǔ)強(qiáng)。畢竟蛛絲馬跡是存在的，P2P網(wǎng)貸的部分經(jīng)營和業(yè)務(wù)信息也是間或有所披露的。一些內(nèi)部財務(wù)和運(yùn)營數(shù)據(jù)不定期公開、選擇性公開，但這些數(shù)據(jù)和信息，一來不夠準(zhǔn)確，二來只是零散分布在不同時空，須將各多源異構(gòu)數(shù)據(jù)拼接起來才能形成完整正確的認(rèn)知和情報?？蓪㈥P(guān)于“企業(yè)畫像”、企業(yè)行為、前述內(nèi)部數(shù)據(jù)、其他外部數(shù)據(jù)（如新聞報道、輿情和社會評價、黑白名單等）情報數(shù)據(jù)拼接融合，交叉檢驗并修訂完善，用來逼近擬合內(nèi)部財務(wù)和經(jīng)營等風(fēng)險情報，并通過智慧型情報分析彌補(bǔ)數(shù)據(jù)的不足。

進(jìn)而，從外部探析企業(yè)內(nèi)部風(fēng)險情報，可進(jìn)行時、空、人三維聯(lián)合建模。在時間維度上，通過調(diào)查或統(tǒng)計抽樣獲得時間序列或面板動態(tài)數(shù)據(jù)，進(jìn)行統(tǒng)計分析和模型曲線擬合，推測缺失數(shù)據(jù)；在空間維度上，采用深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)（如從上市公司遷移學(xué)習(xí)至未上市公司）等技術(shù)，從部分可獲得質(zhì)量較高的財務(wù)經(jīng)營數(shù)據(jù)的企業(yè)擬合數(shù)據(jù)存在問題的企業(yè)；在人的維度上，注入專家經(jīng)驗、洞見、推理、直覺等高端智慧成分。通過計算實驗方法找出對模型的精準(zhǔn)度影響最小的數(shù)據(jù)進(jìn)行補(bǔ)強(qiáng)，找出受數(shù)據(jù)缺失影響最小的最魯棒模型進(jìn)行補(bǔ)強(qiáng)。據(jù)此對內(nèi)部風(fēng)險動態(tài)演進(jìn)進(jìn)行建模，實現(xiàn)真正的風(fēng)險預(yù)警預(yù)防。當(dāng)前基于大數(shù)據(jù)情報分析從外部探析企業(yè)內(nèi)部財務(wù)和運(yùn)營風(fēng)險情報這一技術(shù)尚未成熟，但哪怕是不完美的風(fēng)險情報也仍有其價值。因為更重要的、更具前瞻性的、對未來泛化能力更強(qiáng)的風(fēng)險情報密碼不僅存在于一階曲線中，還隱藏在導(dǎo)數(shù)即變化趨勢和曲線波動率或更高階非線性成分中。這些成分要么肉眼不可見，要么無法直觀感受，而需通過情報分析來深入挖掘和揭示。通過對變化趨勢和波動率等隱藏成分進(jìn)行風(fēng)險情報建模，可提升風(fēng)險模型的預(yù)警性、前瞻性和泛化能力。而變化趨勢和波動率作為相對變動指標(biāo)很大程度上不依賴一階曲線自身準(zhǔn)確度，且計算過程中往往能過濾掉一部分噪聲和差錯。

其二，綜合運(yùn)用情報分析中其他方法。

一是競爭情報方法。關(guān)注對象為競爭對手、自身信息、競爭環(huán)境等。競爭情報可充實監(jiān)管工具。采用一切合法手段收集和分析互金情報，搜集分析各種蛛絲馬跡，監(jiān)測互金風(fēng)險中各種誘發(fā)性因素，為監(jiān)管部門正確地、前瞻性地決策提供支持。

二是信號分析方法。捕捉互金企業(yè)的各種征兆、信號，并“進(jìn)行解釋、質(zhì)疑、假設(shè)、數(shù)據(jù)補(bǔ)充、驗證和評價”[46]。以e租寶[47]為例，其疑點(diǎn)早就存在：平臺自稱將“融資與融物”相結(jié)合，然而實際卻大相徑庭；2015年6月后，標(biāo)的金額多分布于2500萬元上下，利率穩(wěn)定在12%左右，有違經(jīng)濟(jì)規(guī)律；存在自設(shè)資金池嫌疑。信號分析在事發(fā)前就能捕捉到上述異常情況，有利于加強(qiáng)風(fēng)險情報的前瞻性和預(yù)警性。

三是計算型情報方法。強(qiáng)調(diào)大規(guī)模計算甚至超算，能提高情報分析的洞察力和泛化能力。互金全面風(fēng)險情報體系離不開計算型情報分析方法和工具。

（3）微觀層面的互金企業(yè)全面風(fēng)險情報體系（板塊四）。

關(guān)鍵詞是“交叉參照”“協(xié)同建?！薄?cè)重于應(yīng)用和創(chuàng)新情報分析中注重統(tǒng)計和融合的方法，在交叉參照的基礎(chǔ)上進(jìn)行協(xié)同建模，繞開傳統(tǒng)風(fēng)險管理的數(shù)據(jù)難題，構(gòu)建微觀層面企業(yè)全面風(fēng)險情報，為后續(xù)研究和應(yīng)用奠定基礎(chǔ)。

“通過對多源數(shù)據(jù)進(jìn)行挖掘和融合，有利于提升信息分析的作用、減少信息錯誤與疏漏、防止決策失誤”[48]。在板塊二、板塊三中采用不同計算路徑和模型算法f分別得到上述兩大類風(fēng)險情報產(chǎn)品，再進(jìn)行二次挖掘和融合以形成微觀層面全面風(fēng)險情報產(chǎn)品。

該成果可用于微觀風(fēng)險應(yīng)對和決策優(yōu)化，包括風(fēng)險監(jiān)測、預(yù)警和處置；建立案例庫，并對正反典型個案做比較研究；構(gòu)建風(fēng)險指數(shù)，對風(fēng)險發(fā)生機(jī)理和防控規(guī)律進(jìn)行學(xué)理探討；圍繞風(fēng)險預(yù)警分值，采用運(yùn)籌優(yōu)化技術(shù)制定最優(yōu)處置方案，對遭預(yù)警企業(yè)的經(jīng)營參數(shù)進(jìn)行優(yōu)化調(diào)整，使風(fēng)險下降并脫離警戒區(qū)域。更多的情報產(chǎn)品和服務(wù)如圖1所示。

風(fēng)險情報體系中不同互金企業(yè)對應(yīng)由經(jīng)營、財務(wù)、內(nèi)外部環(huán)境的組合向量構(gòu)成的高維空間中不同的樣本點(diǎn)，每個樣本點(diǎn)又通過f映射到風(fēng)險測度（公式(1)）。高風(fēng)險、低風(fēng)險樣本點(diǎn)在經(jīng)營、財務(wù)、內(nèi)外部環(huán)境組合方面各有其共性特征和規(guī)律。由此構(gòu)成風(fēng)險等高線/面。風(fēng)險分為正常經(jīng)營風(fēng)險和非正常經(jīng)營風(fēng)險（如金融犯罪等），對后者應(yīng)堅決控減，對前者應(yīng)予以優(yōu)化（金融本質(zhì)就是經(jīng)營和優(yōu)化風(fēng)險）。風(fēng)險控減對應(yīng)通過擬合、插值、優(yōu)化等方法，將企業(yè)樣本點(diǎn)從高風(fēng)險等高線/面移至某個低風(fēng)險等高線/面。風(fēng)險優(yōu)化則對應(yīng)將樣本點(diǎn)移至某最優(yōu)風(fēng)險等高線/面。此外，還可探索對風(fēng)險進(jìn)行置換，如允許某些風(fēng)險有限度抬升以換取其他風(fēng)險的控減。

（4）中觀、宏觀層面互金行業(yè)/業(yè)態(tài)、區(qū)域、國家全面風(fēng)險情報體系（板塊五）。

關(guān)鍵詞是“綜合集成”。公式(5)～公式(8)打通了各層面底層風(fēng)險測度，可收獲中觀、宏觀實時風(fēng)險地圖和風(fēng)險指數(shù)，基于此，通過綜合集成可研發(fā)更多風(fēng)險情報產(chǎn)品和服務(wù)。

其一，微觀、中觀、宏觀風(fēng)險情報立體交叉的集成。

綜合應(yīng)用大數(shù)據(jù)情報分析中可視化分析、地理空間分析、統(tǒng)計分析、知識發(fā)現(xiàn)、復(fù)雜網(wǎng)絡(luò)、知識圖譜、圖計算等方法，對中觀、宏觀集成風(fēng)險情報和微觀個體風(fēng)險情報進(jìn)行聯(lián)合建模，可望收獲更優(yōu)的風(fēng)險預(yù)警成效。根據(jù)行業(yè)、區(qū)域和全國的集成風(fēng)險情報曲線及其動態(tài)演進(jìn)構(gòu)建多因子模型，進(jìn)行歸因研究，可更好地解釋、預(yù)警集成風(fēng)險。成果能實時可視化，進(jìn)一步支持全國系統(tǒng)性風(fēng)險監(jiān)測、預(yù)警和防控。此外，可視化往往更能激發(fā)專家經(jīng)驗、洞見等人類高端智慧，助力形成人機(jī)高效協(xié)同的智慧型金融風(fēng)險情報。

其二，精準(zhǔn)施策與精準(zhǔn)監(jiān)管的集成。

實時、量化的微觀、中觀、宏觀全面風(fēng)險情報體系，使基于多智能體等技術(shù)的沙盤推演、回測、可重復(fù)實驗成為可能，可用于評估優(yōu)化互金政策法規(guī)，從而賦能精準(zhǔn)施策。探索相關(guān)性、多層次、多因子、風(fēng)險傳染等模型應(yīng)用，產(chǎn)出支持事前預(yù)警、事中處置、事后評估優(yōu)化的風(fēng)險情報產(chǎn)品和服務(wù)，從而賦能精準(zhǔn)監(jiān)管。

其三，監(jiān)測預(yù)警和決策應(yīng)對的集成。

將情報分析從風(fēng)險監(jiān)測預(yù)警推進(jìn)至風(fēng)險防控和最優(yōu)化處置。圍繞實時量化風(fēng)險情報，在響應(yīng)決策層面建立運(yùn)籌優(yōu)化模型并探索風(fēng)險最優(yōu)化處置之道。建立新金融、類金融案例知識庫、模型工具庫、策略庫、政策法規(guī)標(biāo)準(zhǔn)庫等，進(jìn)行沙盤推演、壓力測試和沙盒監(jiān)管，優(yōu)化行業(yè)、區(qū)域和國家總體風(fēng)險應(yīng)對策略，助力防控系統(tǒng)性金融風(fēng)險。

5 結(jié) 語

更精準(zhǔn)、更智慧、更具規(guī)劃性和前瞻性的風(fēng)控監(jiān)管須做到“內(nèi)外兼修、雙管齊下”。就“內(nèi)”[1]而論，需打造基于區(qū)塊鏈可信大數(shù)據(jù)AI的下一代數(shù)字金融基礎(chǔ)設(shè)施、體系架構(gòu)、計算范式，實現(xiàn)可信、安全、隱私保護(hù)、有溫度、智慧、高性能的數(shù)字金融2.0。就本文闡述的“外”而言，站在國家層面，為維護(hù)國家金融安全與穩(wěn)定，宜構(gòu)建可監(jiān)測預(yù)警全國百十萬家新金融、類金融風(fēng)險的全國風(fēng)險地圖、實時風(fēng)險曲線、風(fēng)險前沿曲面可視化監(jiān)控預(yù)警平臺。

在應(yīng)用實證研究中，為構(gòu)建互金全面風(fēng)險情報體系，本課題組搜集了28個省市1031家P2P網(wǎng)貸平臺數(shù)據(jù)，包括經(jīng)營、事件、工商和輿情數(shù)據(jù)。投入近20人通過檢索百度、Bing、谷歌中文、百度貼吧等10多個數(shù)據(jù)源，進(jìn)行比對、清洗、挖掘和情報分析。時間選取2015年9月27日至2018年12月31日，共1192天。在這期間，每日經(jīng)模型訓(xùn)練、參數(shù)尋優(yōu)、最優(yōu)模型選擇（模型池中含logistic regression、

SVM、LightGBM、XGBoost、CNN、LSTM、DNN、BERT等模型）、最優(yōu)模型預(yù)測，獲得每日風(fēng)險情報，并形成逐日連續(xù)風(fēng)險曲線及全國風(fēng)險壓力地圖等情報產(chǎn)品。從相對風(fēng)險測度和絕對風(fēng)險測度兩個方面，展開微觀、中觀、宏觀風(fēng)險情報分析和典型案例研究。實證PoC Demo（圖3，地圖版請見https://fin‐tech.nju.edu.cn/lwzzkwjbccl/index.html附圖）調(diào)用了約50000 CPU核和相應(yīng)GPU進(jìn)行大規(guī)模訓(xùn)練和風(fēng)險情報超算，初步驗證了本理論在應(yīng)用實踐中的可行性和有效性。

圖3 實證研究PoC Demo智慧大屏

鑒于此，本文呼吁構(gòu)建“實時大數(shù)據(jù)、大模型、大計算”情報范式驅(qū)動的國產(chǎn)安全、自主可控的互金全面風(fēng)險情報體系與國家金融安全情報超算預(yù)警“天眼”系統(tǒng)。

致謝感謝金信網(wǎng)銀郭銳、BBD袁先智、陳文等先生提出寶貴意見。向澤濤、王哲、嚴(yán)宇楓、高詠歆、劉春雨、戴思賢、徐煜暉、康亦嘉、許天行、楊仕嘉、丁一峰、韋夢媛、孫錦瑤、林天舒、龔顧忻童、章佳敏、馬驍、薛雨晴、馬藝娜、高浩然、張梓昕等同學(xué)為本課題實證研究板塊提供部分?jǐn)?shù)據(jù)采集、比對、校驗、清洗，以及文獻(xiàn)檢索、圖表繪制等支持，一并致謝。