P2P網貸平臺征信系統研究

導語：P2P網貸平臺征信系統研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

[摘要]隨著p2p網貸發展的加快，征信問題成為我國P2P行業發展的瓶頸。而大數據征信技術可以突破這一瓶頸。國內外都有應用成功的案例，如美國金融科技公司ZestFinance利用大數據對用戶進行信用風險評估，挖掘了FICO評分沒有覆蓋的借貸用戶群體；我國阿里集團下的螞蟻小貸依托阿里集團的背景也在互聯網金融大數據征信領域取得了一席之地。通過對國內外多家成功應用大數據征信技術的P2P網貸平臺進行分析，提出基于大數據征信技術的P2P網貸平臺的信用風險管理建議。

[關鍵詞]P2P網絡借貸；信用風險；征信；大數據

一、引言

P2P（PeertoPeerlending）網絡借貸平臺，是指借貸方（法人、自然人、其他組織）在運營平臺借貸信息，投資人根據信息投資的一種商業模式（Borrower，2012）。P2P網貸平臺的出現，不僅促進了我國實體經濟的發展，豐富了投融資手段，在解決我國民生問題上也起到了積極的作用，但其存在的風險也日漸凸顯，平臺失聯、暫停運營、借貸人跑路事件頻頻發生。截至2019年9月，我國共有6615家P2P網貸平臺，其中轉型的網貸平臺3152家，問題平臺2861家，還在正常運營的網貸平臺僅剩602家(網貸天眼)。我國大多數P2P網貸平臺出現問題、虧損、倒閉的一個重要原因就是忽視了對信用風險的管控，從而導致經營不善（張巧良，2015）。康峰（2019）指出可以將我國P2P網貸平臺存在的風險劃分為五個方面：市場風險、操作與技術風險、信用風險、流動性風險、法律與監管風險。目前，信用風險在互聯網金融行業普遍存在，P2P市場信用風險表現為借貸人逾期還款等。我國P2P網貸平臺可以考慮運用大數據征信運作方式并且結合具體情況對信用風險進行管控，本著“一切數據皆信用”的觀點，通過大數據技術，結合個人在網絡上的購物、聊天記錄、上網行為等信息，建立網貸平臺征信系統，這對平臺、投資人、貸款人以及監管部門都具有十分重要參考意義。

二、P2P網貸信用風險研究

（一）國內P2P網貸信用風險研究。我國學者對于P2P網貸平臺的風險研究主要集中在：相關法律法規、監管情況、P2P平臺自身風險管理、市場風險、用戶的信用風險、技術風險等領域。研究結果顯示，信用是借貸成功與否的核心要素，但我國的征信系統還不完善、覆蓋不全面，P2P借貸平臺利用這些數據可能會增加平臺的信用風險，會使投資人處于信息不對稱的劣勢位置，從而造成財產損失。可以通過大數據技術在事前對借貸人信用進行評估，從而減少投資人損失，大數據征信會大大降低貸款違約率。我國的P2P網貸市場發展的空間巨大，可以采用與第三方征信平臺外包方式。政府管理部門，應建立健全法律法規，為互聯網金融行業甚至P2P借貸平臺提供保障。（二）國外P2P網貸信用風險研究。國外學者主要從四個方面研究P2P網貸平臺風險：貸款人信息、抵押擔保、征信體制和風險控制。在借貸人信息方面，P2P網貸平臺將借貸人的個人信息透明，從而可以確保投資人和借貸人雙方之間信息的對稱，投資人才能作出正確的選擇。Klafft(2008)利用Logistic分析法進行抽樣分析，發現在抽樣的十七萬件P2P借款事例中：借款人收入、信用記錄以及擔保借款額都與違約風險呈顯著相關，所以應該對借貸人的信用等信息詳細審核清楚，正如Freedman(2008)認為網絡借貸平臺可以利用征信幫助投資人評估在借貸時的道德風險與逆向選擇問題，所以對于P2P網貸平臺來說對信用進行監管是必不可少的。

三、國外P2P網貸平臺征信系統運行現狀

（一）傳統模式。純信用中介形式的P2P網貸平臺，其運營模式的核心是讓第三方網絡銀行加入到整個借貸運營環節之中。先由貸款人登記個人貸款信息，再與WebBank簽訂借貸信息合同，WebBank將此次借貸的所有權出售給P2P網貸平臺，平臺作為中介將所有權票據再出售給投資人，投資人最后持有，在這個過程中，看似P2P網貸平臺的風險被轉移到WebBank，其實WebBank也是一家已經保有聯邦存款保險的銀行，將WebBank所承擔的風險又分攤到了保險公司上，這個模式避免了現金滯留在借貸平臺本身，將資金轉移到第三方銀行平臺，轉移了P2P網貸平臺因市場風險而面對的資金鏈斷裂等風險（劉玲，2018）。純中介的網貸平臺主要采用了FICO評分為網貸平臺對用戶信用評估的影響因素，將FICO評分作為主要判斷借貸人可借貸金額、借貸利率等指標。FICO是美國當下主流的個人信用評分標準，被用來做借貸人是否可以申請借款的有效審核工具，不僅被美國各大銀行采用，還被美國三大征信局所采納接受，美國的各類P2P借貸平臺可以通過向該機構提交申請，就可以調查所有借貸人的各種信用信息。這種評估方式所采用的評估標準相對于大數據征信來說所收集的數據較少，主要涉及歷史消費記錄、歷史借貸信息、購買物品等。Prosper與LendingClub平臺所應用的就是這種征信方式，根據借貸人的FICO評分采用相應的借貸方式，該種征信方式的好處是數據獲取方便、覆蓋人群廣泛。（二）大數據模式。ZestFinance網貸平臺是美國最新興的一個平臺，因為FICO評分覆蓋了美國85%以上的客戶，典型的如Prosper與LendingClub，而還有15%處于沒有評分狀態，這就使這部分人群無法借貸或是不利于借貸，針對這一情況，ZestFinance發現了商機，利用自主研發的大數據算法，為剩下15%沒有被FICO評分的對象進行借貸服務。平臺創建信用評分模型再利用收集到的數據代入，計算出用戶的信用分數進行借貸，并且還應用機器學習預測未來借貸人借貸數據。機器學習是指從輸入的數據中自主獲取數據間相關規律，再通過獲取的規律來預測未知的數據的算法。ZestFinance網貸平臺挖掘數據的深度也強于其他平臺，不僅采用在以往征信體系中常用的決策變量，如FICO的五個基本影響因素，包括未還款金額、付款記錄、新信貸申請、信貸期限、信貸組合等，但彌補FICO評分模型信息獲取單一、不具備時間的同步性的缺點，ZestFinancc還會收集音像、圖片、視頻等非結構化的數據信息，如客戶的Facebook等社交網絡信息、會員信息等，將信息進而轉向結構化數據再進行評分。其信息覆蓋也十分廣泛，比如借貸人是否繳納房租，登入時的IP地址，書寫行為習慣，使用的瀏覽器版本，輸入時用的拼寫習慣，網絡交易資料等。并且ZestFinance的信用評估模型，每一季度都會進行更新，確保模型的信用評估準確度。傳統的FICO等其它征信公司的評分數據模型，僅收入三十至幾百條數據項，而ZestFinance會收集幾萬條數據項，去評判一個人的真實信用如何，即使是看似毫無關聯的數據信息，都有可能幫助ZestFinance更有效地評斷個人信用。大數據征信相對比傳統的FICO征信來說具有兩點優勢，一是數據收集齊備，對沒有FICO評分的用戶進行了形象刻畫，避免了市場空白。二是通過機器學習，自主研發數據模型，更加有效地審核了借貸人的信用信息，降低了違約率。（三）國外P2P網貸平臺大數據征信的啟示。1.加強平臺數據共。享ZestFinance利用大數據征信平臺成功的基礎就是美國信息的開放，不僅如此，ZestFinance也與Facebook、Twitter等社交平臺進行信息共享而獲得更多數據源來進行更精準的信用評分。在美國傳統的FICO評分中，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、水電繳費情況等信息，但ZestFinance還收集了幾十萬類不同的數據項目，借此構建了較為全面的用戶信用信息系統。我國的P2P網貸平臺也應學會自行建立征信系統，學習數據共享技術，進而不斷擴大征信系統中原數據來源，建立更加可靠的P2P平臺征信體系，進而覆蓋更多的互聯網金融平臺，覆蓋更全面的客戶群，而不是處于一個“信息孤島”的狀態。2.提高數據分析能力。ZestFinance平臺的理念是“相信一切數據皆信用”，這就是它在P2P網貸平臺征信成功的關鍵：擁有強大的數據分析和處理能力。自2007年我國首家P2P網貸平臺拍拍貸上線以來，我國P2P網貸平臺通過自身的信息庫以及第三方平臺的數據庫積累了大量有關客戶消費、支付、信用等信息數據，但我國P2P網貸平臺缺乏數據處理與分析的能力，暫時還不能深度挖掘來自這些信息背后或者更深層次的內容。ZestFinance公司所開發的集成的機器學習模型極大促進了平臺清洗數據與數據分析能力，我國的P2P網貸平臺應加強數據模型建設，強化數據清晰、篩選技術，提高非結構數據處理能力。3.明確服務對象。ZestFinance明確自身服務的征信對象為FICO評分在500分以下的低信用評分客戶，針對該客戶群體內部不同的信用類型再進一步開發細化信用評估模型，比如還款能力模型、預付能力模型等，不斷深入發掘信用信息，擴大公司的客戶范圍，從而不斷提高自身的盈利水平，增強公司的競爭力。所以精準定位和深入分類研究是ZestFinance領先于其他互聯網征信機構的關鍵，我國網貸平臺也可以參考此類運行模式，明確平臺主要服務對象，做到市場精細化，從而擴大客戶范圍。

四、國內以螞蟻小貸為代表的P2P網貸平臺征信系統運行現狀

（一）螞蟻小貸。螞蟻小貸是由阿里巴巴集團成立的，主要針對阿里巴巴、淘寶、天貓平臺上的賣家進行資金周轉、投融資服務而發展的互聯網金融產品。其對信用的審核依據就是企業在阿里巴巴平臺、天貓平臺、淘寶和支付寶上的信用記錄，從而對企業信用積分進行核算，信用記錄主要包括：店鋪收益、實體情況、用戶評價、發貨速度等，其優勢為審核速度快、貸款下放快、無需線下審核、資金通過支付寶進賬。相對于傳統的借貸模式，螞蟻小貸憑借自身所屬公司阿里巴巴集團就已經獲得了巨大的優勢。首先，傳統的信貸公司收集數據難，收集到的數據真假難辨，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稱的現象。其次，阿里集團下的淘寶、天貓與阿里巴巴會為螞蟻小貸創造大規模的訂單需求，相較于其他平臺，螞蟻小貸自然擁有大量用戶群體，并且螞蟻小貸也將大數據技術實施到了P2P借貸的貸前、貸中與發放階段。貸前申請階段，用戶在線申請貸款之后，螞蟻小貸的調查團隊會開始查明該用戶在阿里系產品中所有的交易信息、信用信息、商品庫存、資金流動以及客戶評價等，根據這些數據判定用戶的信用等級，再根據大數據庫內的數據判斷用戶的償還能力以及未來可能會流入的資金額，對未來期限內會有高收益額商家積極鼓勵其在平臺貸款，對于未來可能資金收入額較低的商家，會采取低強度營銷這一方式。再將此次運行的操作和結果記錄到系統中，對系統進行完善。預測淘寶賣家從借貸開始到未來實際運作以及運作成效的曲線，需要192個數據模型，與我國傳統的純信用抵押信貸相比，螞蟻小貸在模型數量與模型因子方面的領先使其具有獨特優勢。貸中與發放階段，平臺會對企業如何運行資金、企業獲得貸款后的倉儲、與企業聯系的上下游企業、企業的客戶等用大數據進行評估，完善企業這一次的貸款信息記錄，查看企業在獲得貸款后與貸款前的營業數據是否有所改善，以為下一次是否貸款做好準備信息。螞蟻小貸運用大數據技術對平臺進行運營，也基于自身母公司的商業基礎，成本包括給予借款人利息，平臺人工成本費管理費等，成本率預計在6%—7%，并且螞蟻小貸的信貸還款率遠遠高于其它平臺，達到99%。總之螞蟻小貸在大數據方面的應用管理給我國其他的P2P網貸平臺提供了參考。（二）國內網貸平臺大數據征信啟示。1.保證海量豐富的數據。螞蟻小貸成功借鑒了美國ZestFinance利用大數據技術在P2P網貸平臺征信方面的成功經驗，認識到大數據征信技術在互聯網金融平臺尤其是借貸平臺的重要之處，只有充分收集用戶的數據，并且作出相對成熟的征信模型，才會對用戶信用評判進行合理詮釋。阿里集團憑借自身各大購物、民生平臺積攢了一手用戶數據信息，這是美國ZestFinance公司所缺少的，而且數據也更加精準，只要合理運用收集到的數據，螞蟻小貸就可以對客戶的信用進行評判，并在借貸前期、中期、后期及時給予預警信號。2.建立大數據基礎處理設施。2009年阿里集團開發了云計算系統，阿里將精力投入到云計算系統的設計與開發，其宗旨是創造全球領先的云計算平臺，成為全球最先進的可以同時進行數據收集、分析以及處理于一體的服務企業。該系統不僅可以提供大規模的分布式數據處理為日后其他企業、平臺的大數據的計算功能、處理功能以及存儲功能提供最佳的解決方法，這套云計算系統也為阿里集團進軍大數據領域助力。目前阿里云計算已經建立了金融云計算和電商云計算等不同的云計算服務平臺，如我們熟知的支付寶和余額寶的數據也均被收入在阿里云計算服務中。3.利用大數據降低征信成本。純中介P2P網貸平臺的征信系統數據信息大多來自平臺與各大第三方征信公司，屬于二手數據，數據獲得可能會耗費財力且數據信息不一定準確，美國的ZestFinance搜集的大數據信息大多來源于線上，獲得方式比較便捷，耗費的人力物力資源等成本較低。阿里巴巴與之類似，但是其數據都是憑借本集團內自有數據，可以通過螞蟻小貸等平臺內部數據庫獲得，一手數據無需消耗額外的人力、財力。貸款的全部操作都在線上進行，不需要耗費投資人與借貸人的時間成本，借貸完成后平臺也只需要關注系統中的數據進行分析即可，如若出現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，必要時凍結支付寶限制用戶網購即可，這些都可以在線上完成，幫助平臺降低運行管理成本。

僅對P2P網貸平臺進行征信系統的管理是遠遠不夠的，還要進行其他方面的風險控制，如市場風險、技術風險等。本文僅從大數據征信方面去解決P2P網貸平臺的信用風險問題，可以從更廣泛的視角解決P2P平臺其他方面的風險。

作者:紀詩諾 單位:華僑大學工商管理學院