
大数据能否保证互联网金融高收益
近日,中国人民银行下调了存贷款基准利率和存款准备金率,存钱进入“负时代”。严峻形势下,人们纷纷把目光投向了以高利率、高风险著称的互联网金融。互联网金融的发展能够满足人们的需求吗?
由中国社会科学院金融研究所、清华大学五道口金融学院等机构共同发布的互联网金融蓝皮书《中国互联网金融发展报告(2015)》发布。该报告由中国人民银行前副行长李东荣博士主编,近50位业内专家学者合作撰写。蓝皮书显示,2015年互联网金融在中国得到了极大发展,预计未来几年将成为互联网金融监管年,P2P(互联网金融点对点借贷平台)、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展。
当技术越来越牛,原来描绘的“金融大数据”情境何时能够实现呢?
风险管理仍是关键
P2P即个人通过第三方平台在收取一定服务费用的前提下向其他个人提供小额借贷的金融模式。从发展阶段来看,P2P行业已经经历了2007—2010年的行业起步期和2011—2013年的快速发展期,从2014年开始整体逐步进入调整缓冲期;从金融的范畴来分析,P2P并不只是单纯的互联网技术创新;P2P平台也存在着较多的不足。
“P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。”蓝皮书对互联网金融发展中出现的热点问题进行了深入分析和讨论,P2P本质上是普惠金融,是传统金融的有益补充,其体量难以做大。
P2P缺乏风险管理制度,风险较大,尤其是得不到银行贷款的小微企业风险较大。国外的P2P发展可依托国外完善的社会信用体系,而我国社会征信体系仍未建立,P2P信贷平台自行建立的信用模型难以被投资者认可,P2P具有较大风险。
此外,P2P准入门槛过低,而且消费者保护意识薄弱,加大了逆向选择和道德风险的问题。蓝皮书分析,国内P2P信贷平台没有义务对投资者进行教育,也没有统一的信息披露标准,投资者无法了解P2P运行情况,遇到争议也没有地方进行投诉。
从统计数据来看,网络借贷行业坏账率不低,投资、融资方的资质低于传统金融的客户,加之引入互联网平台带来的信息技术漏洞,整个行业的系统性风险不容忽视。
新金融新玩法,不变的仍是信用
互联网金融的本质仍然是金融,必须按照金融的发展规律运行。P2P行业在经历了行业起步期和快速发展期之后,从2014年开始整个行业逐步进入调整缓冲期。从金融的范畴来分析,P2P并不只是单纯的互联网技术创新,对于金融发展而言,做出了许多创新和贡献。
P2P网贷本质属于金融业务,必然蕴藏着相应的风险,适当而及时的监管是这个行业保持有序高速发展的必要条件。根据蓝皮书预测,未来互联网金融行业将会在细分、垂直领域涌现出新的业内参与者,特别是具有强大实力和背景的传统金融公司及国企进入P2P行业,包括上市公司在内的大型集团对现有玩家进行的兼并收购会进一步加大行业整合的速度。
预计P2P平台将会向一站式投资理财平台的方向发展,相对于银行体系的间接融资,P2P更接近于直接融资并具有债权的属性。从整个国民经济的运行情况和P2P网络借贷行业收益分析,债权市场存在走低的趋势,因此,为了实现稳定发展,P2P行业会寻求更多的增长空间和业务覆盖。
蓝皮书预测,未来几年将成为互联网金融监管年,P2P、众筹、征信等领域的监管都将慢慢落地,届时P2P行业也将被纳入健康发展的轨道中来,虽然相应的征信体系建设需要较长的时间,但也将逐步确立,并推动P2P行业的发展;监管模式上可能有选择的借鉴欧美的成熟经验,走行业自律和政府监管结合路子。
与此同时,线上纯信用贷款、过桥抵押贷款、供应链融资和科技融资可能成为未来P2P行业发展的突破口。
通过大数据来反“欺诈”
随着互联网拥有海量的大数据信息以及云计算等数据处理技术的不断进步,可以提供互联网金融征信产品的机构已不仅仅限于传统的专业征信中心或征信公司,在强大的市场需求刺激下,一批专门针对P2P网贷、网络微贷的互联网金融专业征信机构或“准征信机构”开始出现并迅速发展。
而目前,很多互联网金融机构提出的所谓的大数据征信都只是发挥着辅助作用。据相关业内人士介绍,P2P对大数据目前为止最成熟的应用就是反欺诈,它可以利用大数据将更有效地区别出好人和坏人。
数据安全,对用户和平台的安全至关重要。易通贷CEO康文介绍,现阶段大数据、征信,对整个P2P平台的运行主要是起辅助作用,还起不到主导作用。这是由于现在互联网金融还在数据积累的阶段,平台的注册人数,相对于中国的网民数量,基数还太小。这个时候不应该大规模的使用大数据。如果数据样本过少,其实会出现误导,没有说服性。
康文说,我国征信体系尚未健全,P2P行业难免存在风控难题,对用户和平台的安全构成一定威胁。大数据反欺诈或成为P2P平台风控水平新的提升点。大数据反欺诈的实质是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。
由此可以看出,大数据反欺诈的实质是通过对大数据的采集和分析,找出欺诈者留下的蛛丝马迹,从而预防欺诈行为的发生。其现实意义在于提升坏人的欺诈成本,在欺诈行为发生之前就将其制止,进而净化诚信体系。
在众多行业都流行“大数据即资产”口号的今天,对于大多数企业而言,运营领域的应用是大数据最核心的应用。对现在以互联网为载体的企业来说,大数据与高新技术的结合,将成为这些企业的核心竞争力。
目前,很多互联网金融机构已经开始尝试对客户的移动数据进行分析。比如,P2P企业可以利用移动设备的位置信息,了解过去3个月用户的行为轨迹。如果某个用户经常在半夜2点出现在酒吧等危险区域,并且经常有飙车行为,这个客户定义成高风险客户的概率就较高。
同样,互联网金融公司会根据用户申请小额贷款所在的位置进行分析,如果在同一地理位置附近,短时间内有多笔贷款申请,相应的风控软件会对互联网金融平台提出预警,显示不可靠的原因。
现今,移动大数据在预防互联网恶意欺诈和高风险客户识别方面,已经有了成熟的应用场景。前海征信、宜信、聚信立、闪银已经开始利用TalkingData的数据,预防互联网恶意欺诈和识别高风险客户,并取得了较好的效果。移动大数据应用场景正在逐步挖掘出来,未来大数据行业与互联网金融行业将会有更加广阔的合作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11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