互聯網金融風險的模型評估與控制決策

趙人行 趙景林 劉耀嵩

（1.北京郵電大學經濟管理學院，北京 100876；2.黑龍江省科學技術協會，黑龍江 哈爾濱 150001）

一、互聯網金融的主要形式

互聯網金融形態有很多種，這里選取目前互聯網金融中占有較大比重的六大金融形式，并對其進行一定分析。即第三方支付平臺模式、P2P網絡信貸模式、眾籌籌資模式、網絡金融產品、虛擬貨幣及信息金融等。

1.第三方支付

第三方支付采用與各大銀行簽約方式，其中因為移動端技術的迅速發展，通過與銀行支付結算系統接口對接的網絡支付模式，其發展潛力巨大。第三方支付基于現狀，主要分為兩大類。

第一類，是以快錢、易寶、通聯支付等為代表的、介入消費者和收款者之間的第三方支付平臺。通過消費者在該平臺上調用相應銀行接口，將交易款項以通過第三方平臺的方式轉移到收款者手中，實現快捷收款。第三方平臺連接多家銀行網銀接口，并將其匯總到收款平臺，增強了交易的便捷性，極大促進了支付體系與互聯網的融合。

第二類，是依托于電子商務平臺，有京東錢包、支付寶等第三方支付平臺。這些平臺背后公司，要么具備電商背景，要么與電商企業有關。第三方支付還有各種衍生，如建立沉淀資金池，將用戶原本寄存在銀行體系的資金部分抽出到對應第三方平臺的支付賬戶，該資金一旦沉淀到一定規模則可被用于投資。這部分資金的內部周轉是市場監管無法預知的，一定程度上削弱了貨幣政策的作用。建立消費者與收款者之間的鏈接，更易促進交易的結算與成交。

2.網絡信貸

P2P網絡信貸，是通過互聯網平臺直接進行資金借貸融通的形式。資金需求方將需要資金的用途、使用方式、個人信用等信息提供給網絡借貸平臺，同時提供借款金額、還款方式、還款時限與利率信息。信貸公司平臺會評估資金需求方使用用途、項目可行性、資金需求方信用等級和償還能力，并對資金需求方進行相應分類與分級，再將資金需求狀況發布到平臺，等待感興趣的資金提供方對其進行借貸。

根據網貸之家《2019年P2P網貸行業年報簡報》，2019年12月底，P2P網貸行業比上年同期減少了732家。從全年12個月的平臺走勢看，監管部門仍將以出清為主要目標，引導平臺轉型。截至2019年底，北京、廣東、上海的平臺數量領先，正常運營出現大幅度下降。7個地區平臺數量跌至0家，如圖1所示。

圖1 2019年各省網貸平臺數量圖

網絡信貸比傳統資金提供者具備更加靈活的風險評估方式。傳統銀行評價企業通常以企業規模或財務狀況為主要依據。但小微企業的規模與財務狀況，遠不及大型國企或私企。政府近年加大了對小微企業的扶植力度，但銀行貸款業務流程的繁瑣使其望而卻步，網絡信貸的出現恰好填補了這一市場空白。

網絡信貸公司以互聯網公司為主，背后有相應的其他業務支撐，掌握著大量信用數據。其優勢在于評價方式多樣，評估流程與上線時間短，資金需求者資金到位迅速。以阿里巴巴小微金融業務為例，其創造的依托大數據的網絡信貸風險評估開創了網絡信貸的新模式。

3.眾籌模式

眾籌平臺，針對顧客服務更多的是有規則的進行控制。如限制每個項目的預定籌資目標與籌資天數，設置預訂天數內完成目標的措施與未完成目標的措施等。目前，眾籌平臺數量減少，但整體融資金額未出現大幅下跌。存留下來的投資人是眾籌投資的核心人群。作為連接創業者和投資人的橋梁，構建覆蓋資產端和資金端的一站式服務。

到2019年6月底，股權型平臺有39家，占比37%；權益型平臺占比31%；綜合型平臺占比13%；物權型平臺占比12%。2016年下半年，大量平臺下線，股權型眾籌平臺發展最為強勢，2018年成為數量最多的平臺類型。而物權型平臺，從2016年的占比最高下降到2019年的占比最低。

眾籌平臺數量急劇下降，但眾籌成功項目及融資額卻有了很大上升。2018年上半年，成功項目融資額達到137.11億元，比2017年增長了24.46%，如圖2所示。

圖2 2016-2018 眾籌成功項目及融資金額

4.網絡金融產品

網絡金融不斷衍生出一些創新的互聯網金融產品，特點是操作簡便、門檻低、收益較高。

第一種產品，是以余額寶為代表的網絡存款類金融投資產品，其走勢圖如圖3所示。具有以下特征：一是隨用隨取，方便快捷；二是風險較低；三是模式成熟，使用投資者眾多，但利率相對較低。根據螞蟻金服的披露，截至2020年6月末，其發放貸款和貸款余額總計362億元，個人貸款和墊款318.45億元。造成此現象的主要原因是產品背后的公司一般都擁有龐大的資金沉淀池，在一定程度上保證了用戶群體的隨時提現而不出現賬面資金大量流出情況。同樣還有大型公司做后臺，給投資者心理帶來一定安慰[1]。

圖3 2013-2020余額寶利率走勢圖

第二種產品，是以積木盒子、有利網等為代表的基金購買或固定利率收益理財投資產品。定期收益，高風險、投資者較少，利率較高，模式較豐富。以陸金所為例，2020年6月30日，投資者人數1280萬，財富管理業務，控股管理客戶資產規模3747億元，但與余額寶的適用群體相差巨大。陸金所定期產品年收益率可達到4%-8%左右，而基金類產品能達到6%-14%左右，收益率遠高于余額寶，風險也相應增加。

5.虛擬貨幣

虛擬貨幣是一種不同于現實中的流通貨幣，這是一種在互聯網層面以虛擬形式存在的數字貨幣形式。這種數字貨幣的發行和流通一般都由相應的開發者控制，并且在某一限定的范圍內使用，如特定的虛擬社區，游戲環境等。

目前主要的虛擬貨幣分為以下幾種：第一類是完全封閉的虛擬貨幣體系，玩家在游戲中購買商品，消耗虛擬貨幣，玩家之間可以交易游戲幣。第二類是單向流動的門戶網站或者即時通信工具服務商發行虛擬貨幣，這類通常以虛擬社區或者是游戲為代表，消費者使用流通貨幣進行消費，無法在現實中使用 。最后一類是雙向流動的互聯網虛擬貨幣，主要用于互聯網金融投資，也可直接在生活中使用。典型的例子是比特幣，一種由開源的P2P軟體產生的電子貨幣。比特幣本質上更類似于股票等金融產品，其價值是由市場決定的，交易價格受市場行情的波動而波動，且波動幅度較大。

6.信息金融

金融業積累的大數據就是金融大數據，在積累過程中產生了數據采集、存儲，其采用互聯網技術，以及依托對互聯網金融的信息掌控，便有了信息金融。它是互聯網金融所獨有的一種金融形式，解決互聯網金融的信息不對稱問題。雖然信息金融并未參與互聯網金融投融資，卻是互聯網行業的主要價值來源，其掌握的信息，在一定程度上決定了整個市場的走勢以及市場參與者的未來期望與信心。

信息金融是第三方服務平臺，資金需求方、投資方、行業領航者或相關學者，都可參與。通常兩種運營方式，一是提供相關行業報告或分析資料類的行業信息，如網貸之家；二是搜索比價，對投資者進行引導。

以融360為例，在搜索比價方面提供了大量的關于貸款以及理財的金融信息，采用產品垂直比價方式挑選金融產品。信息共享上，建立有關金融理財的相關交流平臺，一定程度上成為掌握互聯網金融行業信息的重要渠道，推出了一些有關互聯網金融各個領域的現狀分析。為信息需求者提供相關資料，這也就是掌握了互聯網金融的入口，標志互聯網金融的發展進入了新階段。

二、基于P2P行業模型描述的風險評估

鑒于互聯網金融形態眾多，多數為非上市公司，相關財務以及運營數據提取存在一定難度，所以本文以P2P行業為例，取得部分P2P行業的運營數據，以此為依據對基于GA優化的BP神經網絡性能進行相關分析，并加以科學評估。

1.模型要素選擇

網貸之家2016年4月的P2P行業評級數據，為本研究的數據來源，其組成包含成交量、人氣、杠桿、分散度、流動性和透明度六個方面。現在讓我們來挖掘一下它的綜合評價發展指數，所有指標均為百分制。

P2P網貸平臺是具有較高聲譽的網貸之家，其數據具備一定的可信度，同時給出了發展指數變量，可作為P2P平臺的一種評價參考，選取其作為期望值有一定的說服力。

發展指數=成交積分×7%+營收積分×9%+人氣積分×15%+技術積分×4%+杠桿積分×14%+流動性積分×5%+分散度積分×15%+透明度積分×13%+品牌積分×18%。

加入融資時間點、國資實力和層級考核，指標越高越能得到出借人認可。

鑒于網貸之家所提供的數據僅包括前六項，故本文就以此六項作為輸入，以發展指數作為期望輸出，選取其中1-10、21-30、41-50、61-70、81-90共50家平臺作為訓練數據，進行模型訓練，見表1。

2.模型訓練與分析

（1）模型參數設定

①GA算法參數：

輸入層節點：6

隱層節點：5

輸出層節點：1

種群規模：100

遺傳代數：500

激活函數：

雙曲正切S形函數

②BP神經網絡參數：

學習步長：0.001

最大訓練步數：2000

最小目標誤差：0.001

（2）模型訓練

如圖4和圖5所示，在遺傳算法迭代后，適應度維持在0.863722，期望值與訓練值之間的誤差幾乎下降到0。500次訓練得到的函數關系，在一定程度上具備較高可信度。

圖4 適應度變化曲線

圖5 期望值與訓練值誤差曲線圖

把經遺傳算法迭代的初始權值和閾值帶到BP神經網絡中，訓練結果如圖6和圖7所示。結果在迭代次數為5次時，最速下降法就已達到預定的0.001，誤差曲面梯度為0.055922[2]。

圖6 BP神經網絡performance圖像

圖7 BP神經網絡 Training State圖像

（3）模型仿真

在得到好的訓練模型后，代入1-100家平臺的全部數據，進行仿真。雖然在最初時已進行歸一化處理，但由于神經網絡內部不可控原因，所得到的仿真結果存在超過[-1，1]范圍的可能，故在得到結果后，再次進行歸一化處理，同時將其轉換為百分制展示形式，模型處理后得到的仿真結果，見表2。

表2 發展指數與GA優化的BP網絡的評分與排名結果

（4）仿真分析

從排名結果看，整體走向趨勢相差不大，在一些細節排名上存在一定出入。一是發展指數構成不僅包含六種指標，還包括一些難以獲取的其他指標，但這六種指標的占比相對較大，選取其作為模型訓練的輸入數據，仿真的結果和實值相比具有一定誤差。二是由于BP神經網絡模型是在未知變量關系的條件下進行訓練與預測的，這里選取的是較為通用的雙曲正切S形函數，其結果只能接近最終結果。

該模型主要目的是對整個行業的運行情況進行大體區分，對一些運營較差的平臺進行一定程度的辨認，從而更好地規避風險、成功投資。該模型所得到的結果，已大體將整個P2P行業公司分成了優質企業、中等企業與相對一般企業，具備一定指導意義，權重見表3。

表3 輸入層到輸出層、隱層各節點權重值（已歸一化）

從整體歸一化后的權重來看，輸入層對輸出層節點造成影響程度，分別是成交指數為18.46%、人氣指數為20.97%、杠桿指數為21.36%、分散度指數為15.94%、流動性指數為8.66%以及透明度指數為14.62%。綜合來看，對評分影響較大的主要因素為杠桿情況、人氣情況和成交情況，分散度與透明度有一定影響，流動性的影響相對較小[3]。

P2P行業發展主要是對企業風險進行管控，杠桿是對企業風險承受能力和威脅企業穩定因素的雙重考量。對于成交以及人氣指數，目前有關P2P跑路的社會輿論相對較多，投資者更多會選擇一些人氣和成交量較高的穩定平臺進行投資。對于企業，成交量與人氣指數影響程度也處在較高水平。投資人會關注資金的分散性與透明度，但這不是選擇一個平臺的主要原因。P2P行業一般都是定期獲得收益，投資人為獲得更多投資收益，會舍棄流動性因素，以長期投資換取更大收益回報，流動性對企業影響較低[4]。

三、互聯網金融行業的風險控制決策

針對互聯網金融行業風險現狀，金融企業必須重視反欺詐，應該從金融業務層面、監督機制層面和國家發展戰略層面的風險調控等方面建立一套成熟的風險控制決策系統。

1.金融業務層面的風險控制

（1）金融產品模式設計

對互聯網金融投資者來講，有效規避風險的一種主要方式就是能夠對不同的投資者提供不同的金融產品，提供不同風險與收益的產品。同時，對投資者做好對應金融產品介紹，包括金融產品風險和收益，避免因過度夸大收益而隱藏其背后的風險，對投資者造成誤導，引起部分投資者損失，同時對互聯網金融相關企業產生不信任心理，使企業發展受阻。從仿真結果上看，消費者更多會偏愛人氣較高且成交額較大的互聯網金融平臺。

（2）金融產品的投資風險控制

部分互聯網金融產品既是平臺同時又是融資方與投資方，加入整個投融資的資金鏈中，類似于余額寶一樣的產品。這些產品在融到大量資金后，投資方向在一定程度上是受平臺的決定左右的。對于互聯網金融企業，需要對所投資行業進行完善的了解，需要對應所投資市場的分析以及設定相應的風險控制機制，根據公司現狀，選擇最佳杠桿水平，加強杠桿風險控制將直接影響企業的未來發展。

（3）金融企業內部監控

目前，互聯網金融主要被人詬病的一點就是互聯網金融缺乏一定的內部控制。部分企業為了發展或更多融資，使得一些互聯網金融平臺上的產品或者融資者良莠不齊，有的甚至出現了非法集資以及跑路現象。為此，對互聯網金融企業，從對投資者與融資者雙方負責的角度，作為中間人的企業應當對融資方的融資水平、項目的可行性以及有效性、項目收益情況等進行分析，剔除那些問題項目，同時，對平臺上進行項目的融資風險進行良好的事先評估、事中監控以及事后控制，嚴格把控資金走向以及用途，保障投資者利益。從仿真結果上看，風險的分散性以及互聯網金融的內部信息透明性也是需要處理的一個重要問題，需要加強風險控制力度[5]。

2.監管機制層面的風險控制

（1）行業規范的制定

互聯網金融在我國的發展較晚，第一家P2P信貸企業出現在2005年，真正出現高速發展是在2012年，目前主要問題是缺少行業規范與監管機制。

2015年之后，國家更多將目光放到民營互聯網金融上，針對不同行業提出了一定的行業規范。2015年7月，發布了《關于促進互聯網金融健康發展的指導意見》，針對不同互聯網金融形態提出了相應規范，政府工作報告指出要規范互聯網金融行業。這些都能看出，在監督管理層面，國家已經認識到為迅速發展的互聯網制定行業規范的必要性，但行業規范尚處于制定初期，我國互聯網金融行業規范仍需要一定的時間才能不斷得以完善。

（2）監督的執行與行業的監督管理

有效的行業規范固然重要，但更需要加強對整個互聯網金融行業的監管力度，對一些高風險的互聯網金融平臺或打著互聯網金融幌子進行非法集資、洗錢犯罪的行為進行有效監管。2016年4月，人民銀行等聯合發布了《互聯網金融風險專項整治工作實施方案》。表明我國在監督管理方面已經有所加強，但是僅此仍然不夠，部分互聯網金融企業仍然處于法律的灰色或黑色地帶，需要對其投融資流程進行有效監控，定期監控資金走向，避免金融犯罪情況發生。

3.國家發展戰略層面的風險調控

互聯網金融以其特有的形態進入到不同行業，構建多維的經營模式，其發展實時影響著國家經濟走向。但目前，一些互聯網金融企業更多地是以公司的形態出現，在這些公司平臺上的投資者與融資者的借貸行為，更多的是監管的空白區。但是，其真實地影響了整個國家資金的流動方向，導致貨幣政策出現一定程度上的削弱，調控能力出現下降趨勢。更多的借貸行為從銀行轉移到企業級的平臺，更多的資金逃脫了行業的金融監控，出現了更多的風險隱患，一旦出現金融沖擊，對整個國民經濟將會造成巨大影響。而調控能力的削弱，也意味著以央行為代表的監管機構對金融走向的控制出現弱化，監管難度加大，國民經濟將面臨特殊考驗[6]。

互聯網金融是國家信息化進程的一種展現形式，金融借助互聯網信息的高速傳播這一特點而進入了新的發展機遇階段。長期的經濟新常態已經是不可避免的問題。國家應從立法角度對互聯網金融加以正確引導和規范，把互聯網金融業務納入國民經濟和社會發展綱要，加快建設符合市場需求的利率體系，適時開展互聯網金融領域的供給側結構性改革。借助互聯網金融的高速發展，加快金融市場化進程，對金融行業進行創新與重整，在一定程度上避免中國經濟硬著陸，加快中國金融的國際化進程，為我國奠定更強的世界話語權。