近年來，以第三方支付、P2P平臺、眾籌為代表的互聯網金融模式引起了人們的廣泛關注，該模式大量運用了搜索引擎、大數據、社交網絡和云計算等技術，有效降低了市場信息不對稱程度，大幅節(jié)省了信息處理的成本，讓支付結算變得更便捷，達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。
本欄目由紹興物流公司冠名
近年來,以第三方支付、P2P平臺、眾籌為代表的互聯網金融模式引起了人們的廣泛關注,該模式大量運用了搜索引擎、大數據、社交網絡和云計算等技術,有效降低了市場信息不對稱程度,大幅節(jié)省了信息處理的成本,讓支付結算變得更便捷,達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。但由于我國互聯網金融出現的時間短,發(fā)展快,目前還沒有形成完善的監(jiān)控機制和信用體系,一旦現有互聯網金融體系失控,將存在著巨大的風險。
互聯網金融
首先是信用風險大。目前我國信用體系尚不完善,互聯網金融的相關法律還有待配套,互聯網金融違約成本較低,容易誘發(fā)惡意騙貸、卷款跑路等風險問題。特別是P2P網貸平臺由于準入門檻低和缺乏監(jiān)管,成為不法分子從事非法集資和詐騙等犯罪活動的溫床。
其次是網絡安全風險大。我國互聯網安全問題突出,網絡金融犯罪問題不容忽視。一旦遭遇黑客攻擊,互聯網金融的正常運作會受到影響。
互聯網金融企業(yè)通過獲得多渠道的大數據原料,利用數學運算和統(tǒng)計學的模型進行分析,從而評估出借款者的信用風險,典型的企業(yè)是美國的Zest Finance。其通過分析模型對每位信貸申請人的上萬條原始信息數據進行分析,并得出超過數萬個可對其行為做出測量的指標,而這一過程在5秒鐘內就能全部完成。在進行數據處理之前,對業(yè)務的理解、對數據的理解非常重要,這決定了要選取哪些數據原料進行數據挖掘,在進入“數據工廠”之前的工作量通常要占到整個過程的60%以上。
目前,可被用于助力互聯網金融風險控制的數據存在多個來源。
