
非法集资搭上互联网快车 将借大数据技术提高打击效果
“你盯着别人的利息,别人盯着你的本金。”在很多非法集资案曝光后,落进了利益陷阱的受害者才恍然大悟。北京市网信、金融部门近日召开会议透露,截至2015年5月,北京全市各类非法集资案件累计221件,涉案金额360亿元,涉及投资人27.6万人。今年前5个月,北京市新发非法集资案件51件,涉案金额33亿元,涉及投资人2900余人,同比增长64.5%。
今年1月22日上午,北京P2P网贷平台“里外贷”对外发布消息,“由于借款人未能归还款项并失联,该平台已无力继续垫付,平台将采取报警处理,自今日起里外贷暂停一切业务。”据报道,当时“里外贷”平台面临9.34亿元兑付账款。“里外贷”是北京已立案的四家P2P类非法集资案件之一。截至2015年4月,北京共出现20家P2P网贷问题平台,包括经营困难、诈骗、跑路等现象。已立案中欧温顿、网金宝、融信宝、里外贷四家P2P类非法集资案件,总计涉案金额约17亿元,涉及投资人4230人。
这类案件假借P2P名义非法集资,设立所谓P2P网络借贷平台,以高利为诱饵,采取虚构借款人及资金用途、发布虚假招标信息等手段吸收公众资金后,突然关闭网站或携款潜逃。据通报,在非法集资案中,私募股权投资基金类、P2P网贷类、投资理财类案件呈爆发态势,通过互联网进行非法集资活动已成为新趋势。非法集资项目推介的主渠道也向线上转移,犯罪手段不断翻新,支付方式更加多元,扩散速度不断加快,犯罪活动周期大大缩短。但当管理人意识到难以为继时,往往选择隐匿资产、销毁证据、甚至潜逃等方式规避打击,给案件侦破和处置带来极大困难。
对此,北京市今年4月起,开展打击非法集资专项整治行动,持续到8月,将重点打击整治一批情节严重、社会影响恶劣、扰乱首都金融秩序的非法集资机构。此次专项整治行动将突出重点,针对私募股权投资、投资咨询、第三方理财、电子商务、网络借贷、担保、小额贷款、保险代理、第三方支付、要素市场、外汇期货交易等非法集资案高发的重点行业;金融机构从业人员参与“飞单”等重点行为;互联网广告、小广告、短信息、小摊位等重点载体。
针对通过互联网进行非法集资活动的新趋势,北京还将创新手段,借助大数据技术提高打击效果。北京市打非部门介绍,将依托互联网、大数据等高科技手段,建设打击非法集资监测预警平台,全天候无缝隙监控非法集资活动。北京市网信办和首都互联网协会要求,属地各主要网站要积极配合专项行动开展,承担社会责任,履行承诺义务,排查非法集资广告,做好相关政策法规宣传。
此外,针对近期有单位、个人以“银谷银行”的名义在北京从事经营活动,在广告材料中使用“银谷银行”的标识,北京市银监局发布风险提示:从未批准设立“银谷银行”,也从未向任何单位和个人颁发过含有“银谷银行”字样的金融许可证。北京市银监局提醒市民高度警惕并注意防范类似的虚假信息,谨防因上当受骗遭受不必要的损失,发现有关单位或个人涉嫌从事违法犯罪活动的,应及时向当地公安机关报案或向主管机关反映。
非法集资典型手法(链接)
随着互联网的崛起,利用网络实施非法集资的手法花样翻新,主要有以下6个典型手法:
假冒民营银行的名义,借国家支持民间资本发起设立金融机构的政策,谎称已经获得或者正在申办民营银行的牌照,虚构民营银行的名义发售原始股或吸收存款。
非融资性担保企业以开展担保业务为名非法集资:发售虚假的理财产品;虚构借款方,以提供借款担保名义非法吸收资金。
打着境外投资、高新科技开发旗号,假冒或者虚构国际知名公司设立网站,并在网上发布销售境外基金、原始股、境外上市、开发高新技术等信息,虚构股权上市增值前景或者许诺高额预期回报,诱骗群众向指定的个人账户汇入资金。
以养老的旗号非法集资:以投资养老公寓、异地联合安养为名,以高额回报、提供养老服务为诱饵,引诱老年群众“加盟投资”;举办所谓的养生讲座、免费体检、免费旅游、发放小礼品方式,引诱老年人群众投入资金。
以高价回购收藏品为名非法集资,以毫无价值或价格低廉的纪念币、纪念钞、邮票等所谓的收藏品为工具,声称有巨大升值空间,承诺在约定时间后高价回购,引诱群众购买。
假借P2P名义非法集资,即套用互联网金融创新概念,设立所谓P2P网络借贷平台,以高利为诱饵,采取虚构借款人及资金用途、发布虚假招标信息等手段吸收公众资金。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25