善用大数据,助力互联网金融

互联网金融借助不断发展壮大的电商平台、在线支付和线上社区,识别并拓展着优质客户,同时运用创新的运营模式改变着人们的生活的方方面面。它的触角正探及越来越广泛的人群,有超过一半的中国家庭以某种形式涉足于互联网金融,而其中过半的用户有过在线购物的经历。

 

网络借贷、在线消费贷款、在线理财、众筹投资等商业模式已悄然走入大众视野,大放华彩。不论是在手机端还是在电脑端,互联网金融产品都有着越来越重要的作用,营运模式也是不断叠代,日新月异。人人贷、阿里巴巴的“花呗”“借呗”和“余额宝”、“京东白条”、腾讯“微粒贷”和挖财等等已经开始改变人们的理财方式与观念。

 

互联网金融的发展有目共睹,但风险控制不容忽视。近期,国务院、央行等众多部委联合发布《指导意见》,提出鼓励行业发展,同时强调“防范风险”,明确了“一行三会”对互联网金融进行监管。《指导意见》将互联网金融服务功能定位于普惠金融,强调其本质仍属于金融,要注重风险管理。

 

风险的度量,是风险管理的核心环节,离不开数据支持。现代信息技术下海量数据的产生也为金融风险管理提出了新的要求。

 

大数据对金融风险的代表性应用体现在信用风险分析。考量信用风险,一般来说,主要关注借款人的自有资产、未来现金流和还款意愿。

 

互联网金融服务的客户群体多集中在无法从传统渠道获得资金的小微企业。由于缺乏资产,信用风险大多和企业主的个人信用风险挂钩。在建模上,小微企业信用评估模型和个人的模型很类似,主要基于大样本上的计量经济建模。比如,两个消费者有相似的收入、受教育程度、负债水平、信用分数、消费习惯,那麽在面对同样的经济环境下,比如固定资产价格下跌、离婚、失业等变故时,会做出相同的违约决定。

 

互联网金融的大数据信用分析建模需要关注众多维度的类型繁杂、数量庞大的数据,例如:电子付款记录、信用卡使用记录、资产状况、社交数据、生活服务缴费、小额贷款记录等。数据有结构化,也有非结构化,收集之后要经过数据清洁、整理、采样、样板数据重构;模型选择、估计、校准;预测及计算机模拟;对于模型驱动变量的灵敏度分析等等。整个环节需要计量经济学、大数据分析、计算机彷真、应用数学等技巧,从而达到高效率的捕捉、发现和分析数据的目的。

 

高精尖的科学支撑并非代表大数据是解决互联网金融风险的万精油。这是由模型自身方法论的固有局限性决定的。计量经济学模型自身有两个缺陷,一是基于历史预测未来,二是模型有主观输入变量。基于历史数据预测未来,假设在相同条件下,人们会做出相同的行为选择。但当“黑天鹅”事件发生时,模型无法体现风险传导影响,那麽模型的结果也会不可靠;主观输入变量的合理性很难测度,但往往影响比较大。既有的局限性要求模型要通过不断实践检验并修正,才会趋于稳定。

 

大数据的特点在于数据分析,天然契合互联网金融的数据优势和信用需求。随着互联网金融的加速发展,网络平台成熟过程中所积累的数据和信用又会不断检验并完善既有模型。

 

善用大数据作为分析工具,助力互联网金融,为互联网金融建立风险控制的屏障,遮风挡雨。