数据专家李崇纲:大数据如何实现互联网金融高效监管

【数据猿导读】 大数据是一个事关我国经济社会发展全局的战略性产业,大数据技术为社会经济活动提供决策依据,提高各个领域的运行效率,提升整个社会经济的集约化程度,对于我国经济发展转型具有重要的推动作用

数据专家李崇纲:大数据如何实现互联网金融高效监管

李崇纲,中国首席数据官联盟专家组成员,北京金信网银金融信息服务有限公司副总经理,国内首款舆情监测系统的设计者,曾任北大方正舆情产品总经理,网络舆情技能水平考试中心副主任,受聘于多个政府企业舆情管理咨询顾问。

中国首席数据官联盟专家组成员、北京金信网银金融信息服务有限公司副总经理 李崇纲

中国首席数据官联盟发起人鲁四海,就大数据如何实现互联网金融高效监管向李崇纲先生发起提问。

鲁四海:今天的主题是大数据实现互联网金融监管,那么在您看来国内互联网金融发展现状是什么样子,主要问题又是什么?

李崇纲:自2015年两会热议互联网金融监管以来,该话题似乎成了行业的主旋律。重庆市长黄奇帆认为,“如果‘互联网+金融’和传统金融干一样的事,又把传统的金融宗旨和原则都颠覆,那是会闯祸的。”全国人大财经委副主任委员吴晓灵表示,“当前P2P乱象的产生原因,第一是资产端没有坚持小额融资,它的金额很大,肯定要分拆;第二是资产端标的复杂,许多标的还等额分,实质就是证券。”原全国人大常委会财经办公室副主任王连洲指出,“从中央到地方,对于互联网金融的监管趋于重视。2016年将会更严,这对互联网金融的规范健康发展是绝对必要的。”这些业界独到的见解同时与中央发布的两次重要“意见稿”形成了良性互动。

纵观P2P行业,国内与国外发展差异很大。在美国,LC和Prosper成双头垄断形态,由SEC监管,主要是个人消费贷款。在中国,P2P成“三无”监管真空状态。银监会发布的数据显示,据不完全统计,截至2015年11月末,全国正常运营的网贷机构共2612家,撮合达成融资余额4000多亿元,问题平台数量1000多家,约占全行业机构总数的30%。P2P的野蛮生长缺乏管理,导致大公司不敢创新,而小公司胡乱创新,也对行业的有序发展带来了不良影响。实际上,对P2P监管政策落实的最大受益者是守规矩的企业。

自2002年至今,监管部门规范P2P行业的信号越来越浓,每一次监管层释放监管信号,都会引来热议。其中,2015年年末,银监会会同工业和信息化部、公安部、国家互联网信息办公室等部门研究起草了《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》,认为地方金融监管部门应负责本辖区网络借贷信息中介机构的规范引导、备案管理和风险防范、处置工作,指导本辖区网络借贷行业自律组织,即网络借贷的监管职责在地方。该意见稿进一步明确了行业监管职责,不过至今仍未出台一份正式监管文件和明确可行的监管办法。

鲁四海:互联网金融是比较创新的,我想它的监管也应该是创新的,那么是不是可以用大数据去做一些事情?

李崇纲:是的,互联网金融作为一种金融的新型范畴,将“开放、平等、协作、分享”的互联网精神融入金融服务,相比传统金融已呈现一些本质上的差异。所以,对传统金融的监管办法并不能完全适用于互联网金融业态。对于互联网金融的监管,我们认为应该向大数据模式过渡。

金融监管的模式转变、大数据监管的落地,与其他行业的大数据模式落地有共同点。应用大数据监管,互联网金融可实现主动、精准、动态、实时、协同监管,并创新社会治理模式。

大数据通过对金融机构的画像,构造金融机构的信用图谱,实现对行业的风险监测,从而达到创新监管。同时,这需要监管机构有相应的思维方式的转变,需要用大数据思维构造新的监管模式、业务流程,构造新的组织管理机构,当然也需要大数据的技术支撑和具备复合知识的人才素养。

鲁四海:既然大数据能够在发挥巨大作用,那我就想进一步问一下实现的问题,如何使用大数据进行互联网金融监管?

李崇纲:我就以“大数据监测预警P2P跑路风险”为例来说明大数据监管的落地方式。

相比传统金融,P2P呈现出新的特点,包括平台信息透明度、项目进展透明度、融资方式等。另一方面,传统监管作业方式不能做到实时动态监测,难以及时发现和预警问题平台。

通过对历史上出现的问题平台的剖析,我们发现P2P存在的风险特征有欺诈风险、市场风险、操作风险、信用风险、政策风险和流动性风险等。

那如何发现这种新型的问题平台呢?我们收集了数百个问题平台的信息,包括网络舆论信息、工商注册信息、法院信息、平台基本信息、平台项目信息、投资记录数据等,总结出相关规律和风险点,利用机器学习的方式对这些风险点归纳总结,建设风险模型。同时,我们还与政府部门的数据比对和回测,不断调优模型。

基于以上构想,搭建出金融大数据分析平台。

首先,对新闻网站、政府网站、社交媒体、P2P网站等数据源大规模采集,同时对接了全国工商数据和法院数据。并根据行业、区域、产品自动分类、标引、存储在金融风险分析大数据平台中。

然后,通过机器学习技术分析各类数据相关关系,不断积累风险信号库、预警模型库,通过多个模型分析风险预警,辅助金融监管,做风险信用评估。

最后,根据模型计算结果可视化地展现出来。

鲁四海:实施互联网金融监管大数据平台的技术难点是什么?

李崇纲:在构造的金融大数据分析平台中,有三个关键技术点需要突破,分别是数据采集、数据挖掘和风险模型。对采集到的信息进行挖掘主要通过文本语义识别技术,通过对大量的文章做信息的抽取,把非结构化信息转化为机构化或半结构信息。风险模型需要根据不同问题平台的情况而分别建立的。

依托国内领先的大数据技术和服务提供商TRS,我们实现了三大技术关键点的突破。

第一,应用TRS海量异构数据采集的技术对网络新闻、财经媒体报道、百度贴吧、社交网络信息等实时、精准采集,同时应用此技术可获取经授权的工商税务数据、法院诉讼数据等信息。

第二,使用大数据挖掘分析平台对每家公司分析和挖掘它们的公示信息、招聘信息、网络投诉,并对这些信息数据清洗,便于量化处理,构造风险模型。

第三,基于TRS的Hybase大数据管理平台,训练分析样本,采用机器学习的方式,设计了针对金融风险高发领域的多个风险模型。

鲁四海:除了用于监管,在您看来大数据还可以在互联网金融创造哪些价值?

李崇纲:利用大数据可以对银行客户进行画像、精准营销、风险管控和运营优化,让客户的风险行为完全在掌控范围之内。同时,大数据在反洗钱、反欺诈、打击非法集资、辅助金融安全监管、完善征信体系和风险把控都具有重要意义。


来源:数邦客

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论