京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中国亟需构建基于大数据的互联网金融监管系统
近三年,P2P向信用中介的演变,实质上打破了我国严格的金融牌照管理制度。P2P业务演进的广度和深度远超预期,对传统金融的渗透日强,且跨业经营,构成一条包容万象的影子银行通道,风险不容忽视。构建全新的监管思维,建立一套适用的数字监管系统迫在眉睫。

背景之一:监管不适加剧金融行为扭曲
金融的移动互联化和新型机构的不断涌现,导致现有监管架构已经不适应创新型金融监管需要,主要体现在以下三方面:一是,现行以机构属性划分的分业监管,以及监管的考评和管理体系,对改头换面而行金融之实的新型机构,往往缺乏主动监管动力,构成传统金融与新型金融机构监管的“双轨制”,有失监管公允,并刺激了正规金融机构“出逃”现有监管。二是,对监管机构设定过多目标,附加多重诉求,导致监管政策出台需平衡的各种关系复杂化,缺乏对创新型金融机构监管的快速反馈机制,反向刺激了监管套利。三是,监管缺乏独立性,无论是监管决策与执行,还是监管者与被监管者身份转换,均缺乏严格的隔离制度,弱化了监管的权威与监管使命。
上述监管不适,加剧了金融市场的行为扭曲:一是,正规金融强监管导致强抑制。表现为强金融牌照管理、计划式的金融管控、以及对金融的某些行政管理,传统金融创新的弹性低;二是,灰色地带放任自流。各种名目不一但金融属性明确的机构,脱离监管,套利之风从屌丝起家,迅速蔓延到大民资系、国资系、正规金融机构;三是,“只闻楼梯响,不见人下来”的长时间监管缺位,让P2P这场以普惠金融和技术革新驱动的变革,异化为一场疯狂的监管套利“圈地运动”,泥沙俱下,倒逼监管的同时也构成了一种监管绑架。据网贷之家数据,中国P2P平台数从2014年1月的880家,猛增到今年3月的1728家,同期的问题平台由104家增加到550家。多数平台脱离了P2P的本质,变成信用中介。
上述问题的根本原因在于,构建于传统金融之上的金融监管体系已经不适应金融新生态。在金融向移动互联化、数字化、跨境化、跨业化、场景化、泛资管化演进的大趋势下,单个金融机构的功能综合化,难以准确定性机构的单一属性,按机构划分的分业监管很难进行全方位的监管覆盖。
而监管缺位所导致的金融风险,殷鉴不远。发生在2008年的金融危机,原因之一是影子银行逃离了监管视野,导致危机来临时,金融机构之间难以评判对方的风险敞口,从而加剧恐慌,流动性枯竭;而危机救助时,监管也难以快速评估整体市场的风险敞口,延宕危机处理时间,增加危机处理成本。7年之后的今天,世界依然没有走出阴影。而危机后,旷日持久、工程浩繁的监管改革的核心,正是修缮既有监管体系,减少监管漏洞,并构建良好的监管协调机制。由机构监管向功能监管和目标监管演进,强化监管独立性,是本次金融危机的深刻教训所得。
背景之二:P2P超越金融创新异化为影子银行
P2P的本质,是投资者与融资者通过互联网低成本达成交易,是一种直接融资。投资者持有经拆分的债权,通过小额分散投资来接近市场风险均值。而平台起到的是信息和交易撮合的作用,并通过信用评分等进行风险审核。
从这个意义上说,P2P是对银行的一种颠覆,它颠覆了银行作为信用中介的间接融资模式。在银行时代,银行解决的是两大问题:一是投融资双方的信息不对称;二是专业的风险管理。但互联网的零边际成本特性,让投融资双方的需求对接低成本实现,这弱化了银行信息中介的职能;而如果与移动互联化的金融服务场景对接,通过大数据、活数据,完成信用画像,就可以精准信用定价,完成直接融资,实现信用放款。
但这种纯粹的P2P很难实现。最大的难题,正是风险评估。当前基于大数据的探索,尚难完成信用风险的精准评估。于是,LendingClub作为P2P先行者,经由本票模式、银行模式、证券模式,但其风险评估皆强依赖于FICO评分。
P2P在美国的发展基础,一是征信基础工程较为完备,可实现风险定价,从而可以线上完成投融资双向获客,并线上达成交易;二是较完备的功能监管体系,让新业务能快速功能定位并纳入现有的监管体系。美国对LC的证券业务属性定位,以及将其纳入SEC和消费者保护局、联邦存款保险公司的多重监管架构,正说明了这种完备的金融基础工程和监管协调的优势。
而中国P2P异化为类银行机构,亦有现实原因。一是,纯信息中介几乎没有生存空间。纯网络信息中介存在的前提是,能够线上完成信用评估和定价;二是,能够有效隔离平台的道德风险,并实现破产隔离。目前,前者缺乏征信基础工程,后者缺乏法律保障和消费者保护。二是,刚性兑付成风。平台不得不通过庞大的线下人力投入或与小贷、担保公司等合作,完成贷前审核,介入信用管理和信用担保。三是,无监管导致劣币驱逐良币,资金池业务大行其道,P2P平台向两端演化:一是影子银行平台,期限错配,甚至通过创新,演变为货币创造的杠杆平台;二是借道银证保基等资管通道,平台主导设计名目繁多的理财产品,变成与传统金融机构强渗透交织的债权交易和理财销售平台。
P2P的乱象,已经超越了互联网金融创新的范畴。如果不能通过互联网的数据获取能力,完成对一笔信用的全生命周期管理与评估,那么除了交易渠道的变革,难觅其对传统金融的风险管理技术的革新。由于其借助互联网完成的信用评估能力有限,且要绕道监管,通道费用高企,降低企业融资成本的效果打折。
但造成的监管挑战是现实的。一是,央行近年为应对影子银行而苦心孤诣构建的社会融资总量监控,再次留下灰色地带;二是,平台成为信用通道,让宏观金融调控效果大打折扣;三是,跨业经营,且与传统金融的渗透交织,导致风险传导复杂,系统性风险评估难度提高;四是,监管协调的成本高昂;五是,在现有监管架构下,导致监管责任不清,监管成本与监管有效性平衡难度提高。
监管变革:构建数字监管系统
毫无疑问,面对百花齐放、加速演化的P2P平台,庞大的监管体系、监管力量投入的传统金融监管方式,已经不适用。借助互联网和云计算,构建全新的数字监管系统,是中国亟需完成的金融基础工程。
所谓数字监管系统,是以云计算为技术基础,以标准化的监管数据库为依托,通过接入金融机构后台端口,构建对金融平台业务全生命周期的互联网监管大数据系统,从而完成“活数据”动态监管。此监管数据库将天然形成一套征信数据系统。数字监管系统,除了适用P2P类机构,还适用于其它新型金融机构,如小贷公司、担保公司等,目前,该类机构多由中央与地方协调监管,以自律管理为主,处于弱监管之下。
以监管数据库系统建设为抓手,可以构建“一行三会”之间的数据共享机制,并统筹中央与地方监管协调的新格局。其建设可以采用中央与地方共建的方式,由中央财政资金与地方财政配套完成,并建立分级数据共享。
但云端数据库建设的前提是,数据的严格标准化,对于统计口径应该给出统一规范。忽视数据的标准化建设,将使数据库的价值大打折扣,乃至报废。数字监管系统的建立,将改变目前“人工报数”的被动监管、事后监管格局。由于数据实时更新,造假成本增加,提高监管有效性。在数字监管系统之上,实行行业自律管理为主,才能既做到监管覆盖,又为金融创新留下空间。
反之,如果沿用银行监管思维,以资本管理、杠杆约束为主要抓手,可能导致三种结果:一是,资本监管和杠杆监管,等于默认了P2P平台的信用中介属性,相悖于信息中介平台的定位,是对当前监管套利圈地运动的放行。二是,造成创新约束,滋生新的监管套利。新巴塞尔资本协议使金融机构承担了强大的监管成本,成为中国近五年影子银行盛行重要原因之一,金融机构大量借助通道,表内转表外,逃避监管。在此情况下,如何平衡监管成本与监管有效性,已经成为近两年国际社会反思之一。三是,监管有效性低。全新的金融生态,金融向移动互联化和数字化加速演进,线下以资本为抓手的监管方式,并不能有效进行线上金融监管。
建议:将P2P纳入多层次资本市场重新定位
构建全新的数字监管系统,更需要正确认识P2P平台属性。P2P平台应该成为中国多层次资本市场建设的一个组成部分。目前,中国已经构建了证券交易的主板、中小板、创业板、新三板、区域股权交易市场、券商OTC市场等多层次股权交易市场,而P2P则应成为公开的小额债权或收益权凭证交易平台,属于多层次资本市场建设的范畴。
监管当局应通过相应监管手段引导P2P走向投融资信息交易平台,以加强信息披露、提高透明度建设为抓手。
透明度建设的重要意义在于:保证信息披露透明度,是投资者有效识别风险的前提,是打破刚性兑付的基本保障。平台透明度提高,有助于建立市场对平台的自发管理,也使行业自律监管有了基础,而非抱团取暖。透明度建设,有助于平台加强自我约束,实现一定程度的自我管理。
进一步,在法律层面,应该清晰界定小额债权和股权众筹的公募豁免条款。同时,在《证券法》修订之时,完善中国的“证券”定义,扩大证券的内涵,也已迫在眉睫。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24