李銘

【摘要】網(wǎng)絡(luò)借貸在推動(dòng)普惠金融的同時(shí)，其中的信用風(fēng)險(xiǎn)越來越多地暴露在公眾面前，引發(fā)一系列的爭論和質(zhì)疑。本文從網(wǎng)絡(luò)借貸的資金需求方入手分析，將網(wǎng)絡(luò)借貸產(chǎn)生的信用風(fēng)險(xiǎn)歸為個(gè)人信用問題，而個(gè)人信用管理體系對(duì)于信用風(fēng)險(xiǎn)防范和管控具有至關(guān)重要的作用。本文圍繞信用管理體系，回歸梳理了法律監(jiān)管、信用征信建設(shè)、信用評(píng)估、貸后風(fēng)險(xiǎn)管理四個(gè)環(huán)節(jié)的具體內(nèi)容和網(wǎng)絡(luò)借貸背景下相應(yīng)環(huán)節(jié)的研究現(xiàn)狀，并認(rèn)為大數(shù)據(jù)征信、動(dòng)態(tài)評(píng)分模型研發(fā)和大數(shù)據(jù)貸后風(fēng)險(xiǎn)管控將會(huì)是未來研究方向。

【關(guān)鍵詞】網(wǎng)絡(luò)借貸 個(gè)人信用 信用風(fēng)險(xiǎn) 研究綜述

一、引言

作為基于互聯(lián)網(wǎng)平臺(tái)開展借貸業(yè)務(wù)的新型借貸模式，網(wǎng)絡(luò)借貸屬于金融的互聯(lián)網(wǎng)居間服務(wù)（姚海放等，2013）。主要模式有P2P網(wǎng)絡(luò)借貸模式和電商供應(yīng)鏈金融模式等。P2P網(wǎng)絡(luò)借貸是個(gè)人對(duì)個(gè)人，不以傳統(tǒng)金融機(jī)構(gòu)為媒介的借貸模式。電商供應(yīng)鏈金融是電商平臺(tái)將中小企業(yè)與金融機(jī)構(gòu)的信息有效對(duì)接，為平臺(tái)上資金匱乏的中小企業(yè)提供各種形式融資服務(wù)的借貸模式。而網(wǎng)絡(luò)眾籌包括但不限于網(wǎng)絡(luò)借貸模式。網(wǎng)絡(luò)借貸借助互聯(lián)網(wǎng)技術(shù)的信息獲取優(yōu)勢在一定程度上提升了金融資源配置效率，緩解了小微金融市場的信貸失衡現(xiàn)象。據(jù)統(tǒng)計(jì)，2015年全年網(wǎng)貸成交量達(dá)9823.04億元，相比2014年增長了288.57%，然而2015年全年問題平臺(tái)達(dá)到896家，是2014年3.26倍。目前監(jiān)管細(xì)則落地、不完善的征信體系、借貸利率虛高、債務(wù)結(jié)構(gòu)不合理等原因造成問題平臺(tái)突出，凸顯網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)問題。

二、網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)與個(gè)人信用風(fēng)險(xiǎn)

網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)是指借款人未按合同約定向投資人支付本金、利息的風(fēng)險(xiǎn)和債務(wù)人未按約定向公司支付款項(xiàng)的風(fēng)險(xiǎn)。資金需求方主要以小微企業(yè)或者個(gè)人為主，因而網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)問題更多地歸結(jié)為個(gè)人信用風(fēng)險(xiǎn)問題。個(gè)人信用有狹義和廣義之分：狹義個(gè)人信用指消費(fèi)信用，即將貸款用于個(gè)人或者家庭的消費(fèi)型活動(dòng)，廣義個(gè)人信用泛指以個(gè)人名義發(fā)生的借貸關(guān)系，其目的除個(gè)人或家庭消費(fèi)外還用于生產(chǎn)經(jīng)營。因而無論擔(dān)保與否，P2P網(wǎng)貸中發(fā)生的借貸關(guān)系兼可歸為個(gè)人信用問題。而以B2C模式和B2B模式為主的電商平臺(tái)供應(yīng)鏈金融中，信用關(guān)系的維續(xù)也存在著個(gè)人信用問題。

三、網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)研究

（一）網(wǎng)絡(luò)借貸個(gè)人信用體系

由于信息不對(duì)稱問題，傳統(tǒng)商業(yè)銀行小微貸款業(yè)務(wù)存在著逆向選擇和道德風(fēng)險(xiǎn)問題。在貸前，對(duì)借貸人信用信息掌握不全面等原因會(huì)使得銀行偏向于為能夠接受現(xiàn)有利率水平的客戶發(fā)放貸款，因而風(fēng)險(xiǎn)較大的客戶會(huì)為銀行帶來較大違約風(fēng)險(xiǎn)，存在逆向選擇問題。在貸后，則存在將款項(xiàng)用于非銀行指定用途以及未按約定還本付息等道德風(fēng)險(xiǎn)問題。因而，為緩解信息不對(duì)稱導(dǎo)致的一系列問題，小額信貸是依賴于征信環(huán)境、信用評(píng)估技術(shù)等個(gè)人信用體系的全面發(fā)展。個(gè)人信用體系包括個(gè)人信用征信、信用風(fēng)險(xiǎn)評(píng)估以及信用風(fēng)險(xiǎn)管理等多個(gè)環(huán)節(jié)。同時(shí)需要外部的法律監(jiān)管和內(nèi)部行業(yè)自律來指導(dǎo)其健康發(fā)展。征信完成對(duì)個(gè)人信用數(shù)據(jù)的收集并構(gòu)建個(gè)人信用數(shù)據(jù)庫，信用評(píng)估對(duì)信用數(shù)據(jù)建模分析來提供信用評(píng)分供需求者使用。最后，信用風(fēng)險(xiǎn)管理通過對(duì)信用風(fēng)險(xiǎn)的計(jì)量、預(yù)警和轉(zhuǎn)移等手段來揭示和管理信用風(fēng)險(xiǎn)。

在網(wǎng)絡(luò)環(huán)境下信息不對(duì)稱問題依于大數(shù)據(jù)等信息挖掘技術(shù)優(yōu)勢而有所緩解。但信息技術(shù)的輔助并不能從根本上消除信用風(fēng)險(xiǎn)，網(wǎng)貸平臺(tái)上誠信環(huán)境的構(gòu)建同樣依托于完善的個(gè)人信用體系。作為新型金融，網(wǎng)絡(luò)借貸發(fā)展初期處于法律空白和監(jiān)管盲區(qū)，亟需法律監(jiān)管更新和行業(yè)自律控制。同時(shí)，融資者多數(shù)屬于傳統(tǒng)金融機(jī)構(gòu)的邊緣客戶群，現(xiàn)有征信系統(tǒng)尚未覆蓋或掌握信息存在時(shí)滯，這便對(duì)信用體系基礎(chǔ)建設(shè)提出更高要求。在無抵押信用借貸模式中，需要借助信用評(píng)分來輔助雙方的借貸決策，而貸后信用風(fēng)險(xiǎn)管理是進(jìn)一步對(duì)借貸風(fēng)險(xiǎn)的揭示和防范。因此，網(wǎng)貸平臺(tái)的信用風(fēng)險(xiǎn)具體細(xì)化在個(gè)人信用體系的各個(gè)環(huán)節(jié)，同時(shí)各環(huán)節(jié)的不斷完善將有助于信用風(fēng)險(xiǎn)防控。如圖1為網(wǎng)絡(luò)借貸信用管理體系各環(huán)節(jié)的具體內(nèi)容。

（二）信用管理內(nèi)外部約束

1.傳統(tǒng)領(lǐng)域。個(gè)貸行業(yè)發(fā)展需要來自主體外的立法建設(shè)和行政監(jiān)管。法律制度主要包括對(duì)個(gè)人信用信息的采集、使用和披露，個(gè)人隱私界定與保護(hù)，個(gè)人破產(chǎn)保護(hù)等一系列法律制度。行政監(jiān)管負(fù)責(zé)對(duì)征信機(jī)構(gòu)、信用數(shù)據(jù)庫、信用評(píng)估機(jī)構(gòu)的監(jiān)督管理、違法行為監(jiān)管以及公民誠信意識(shí)宣傳等。2013年《征信業(yè)管理?xiàng)l例》、《征信機(jī)構(gòu)管理辦法》等法規(guī)的出臺(tái)使我國征信市場步入有法可依的軌道?！稐l例》規(guī)定中國人民銀行及其派出機(jī)構(gòu)為國務(wù)院監(jiān)督管理機(jī)構(gòu)，同時(shí)對(duì)個(gè)人信用信息開放與保護(hù)等問題做出相關(guān)規(guī)定。但較之信用制度健全國家，立法體系落后于實(shí)業(yè)發(fā)展、法律法規(guī)實(shí)施不到位、缺乏完善配套管理制度、信息共享機(jī)制尚未確立、失信懲罰機(jī)制落后等問題突出，制約著個(gè)人信用體系的發(fā)展。

2.網(wǎng)貸領(lǐng)域。網(wǎng)絡(luò)借貸發(fā)展中的潛在法律風(fēng)險(xiǎn)，可從網(wǎng)貸平臺(tái)、貸款人、借款人和第三方支付等方面劃分。網(wǎng)貸平臺(tái)作為信息中介應(yīng)視為融資居間合同的居間人，不介入借貸雙方交易。但一些偏離純中介模式的網(wǎng)貸平臺(tái)面臨著額外的法律風(fēng)險(xiǎn)，表現(xiàn)為非法吸存和非法集資、非法經(jīng)營、從事違法的居間活動(dòng)、違反保密義務(wù)、“洗錢”、非法公開發(fā)行債券、以及涉及擔(dān)保項(xiàng)目可能違反有關(guān)融資擔(dān)保管理等風(fēng)險(xiǎn)。網(wǎng)貸貸款人面臨的法律風(fēng)險(xiǎn)包含電子合同合規(guī)性、出借人債權(quán)合法性、出借人隱私權(quán)以及借助平臺(tái)非法公開發(fā)行證券風(fēng)險(xiǎn)等。網(wǎng)貸借款人作為融資方，面臨著與網(wǎng)貸平臺(tái)類似的風(fēng)險(xiǎn)。第三方支付平臺(tái)面臨的法律風(fēng)險(xiǎn)表現(xiàn)在資金托管法律問題和沉淀資金法律問題。此外，道德風(fēng)險(xiǎn)也是制約行業(yè)健康發(fā)展所不能回避的問題。在監(jiān)管政策上，已明確由銀監(jiān)會(huì)管理P2P網(wǎng)貸發(fā)展。目前P2P網(wǎng)絡(luò)借貸在市場準(zhǔn)入標(biāo)準(zhǔn)、退出機(jī)制、資金管理、信息透明等運(yùn)營方面缺乏統(tǒng)一標(biāo)準(zhǔn)，運(yùn)營風(fēng)險(xiǎn)的增大會(huì)進(jìn)一步影響信用風(fēng)險(xiǎn)。在行業(yè)自律方面，目前已形成中關(guān)村互聯(lián)網(wǎng)金融行業(yè)協(xié)會(huì)、廣東互聯(lián)網(wǎng)金融協(xié)會(huì)、北京市網(wǎng)貸行業(yè)協(xié)會(huì)等區(qū)域性自律組織。

網(wǎng)絡(luò)借貸發(fā)展對(duì)于立法建設(shè)和監(jiān)管探索的要求，逐漸成為學(xué)術(shù)界的共識(shí)。姚海放等學(xué)者（2013）認(rèn)為，我國網(wǎng)絡(luò)借貸行為應(yīng)置于民間借貸范疇內(nèi)，提出應(yīng)將民間金融陽光化等思考。林榮琴（2014）從借貸關(guān)系法律界定出發(fā)，提出完善中介平臺(tái)準(zhǔn)入制度和中介平臺(tái)信用評(píng)級(jí)制度，以增強(qiáng)中介平臺(tái)信息透明度和建立行業(yè)協(xié)會(huì)自律組織等建議。楊振能（2014）提出明確網(wǎng)貸行為規(guī)則和法律責(zé)任的監(jiān)管思路，并輔之以信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等一系列風(fēng)險(xiǎn)管理要求。劉繪（2015）提出規(guī)范信息披露和消費(fèi)者保護(hù)等行為、過程控制式監(jiān)管規(guī)則、完善以征信與評(píng)級(jí)為主要內(nèi)容的信用體系等監(jiān)管建議。網(wǎng)絡(luò)借貸行業(yè)尚未形成完善的內(nèi)外部約束，是由于信用觀念、意識(shí)等因素，作為根源的傳統(tǒng)個(gè)人信用領(lǐng)域尚未形成穩(wěn)定的內(nèi)外部保障所致。

（三）信用數(shù)據(jù)基礎(chǔ)建設(shè)

1.傳統(tǒng)領(lǐng)域。信用數(shù)據(jù)基礎(chǔ)建設(shè)是信用管理體系的基礎(chǔ)部分，主要有信用數(shù)據(jù)征集和數(shù)據(jù)庫組建兩部分。信用數(shù)據(jù)包括個(gè)人基本信息、信貸交易信息和反映個(gè)人信用狀況的其他信息。在征信模式發(fā)展方面，楊暉（2011）指出我國已形成公共征信和私營征信并存互補(bǔ)的征信格局，作為行業(yè)和地方征信機(jī)構(gòu)的補(bǔ)充，私營征信機(jī)構(gòu)不斷發(fā)展壯大。公共征信機(jī)構(gòu)通過行政力量收集信息，私營機(jī)構(gòu)通過協(xié)議方式采集公開渠道信息。但在發(fā)展過程中，隱藏著征信標(biāo)準(zhǔn)化滯后、信息共享機(jī)制缺失、信息安全等問題。

2.網(wǎng)貸領(lǐng)域。傳統(tǒng)征信報(bào)告提供借貸人基本信息、貸款申請(qǐng)記錄、還款情況等。在網(wǎng)絡(luò)借貸領(lǐng)域，金融消費(fèi)的精細(xì)化營銷、個(gè)性化服務(wù)和批量處理將成為主要運(yùn)營模式，因而新型金融催生著新的征信需求，云計(jì)算、數(shù)據(jù)挖掘等技術(shù)則為征信產(chǎn)品的創(chuàng)新升級(jí)奠定了技術(shù)基礎(chǔ)。袁新峰（2013）在互聯(lián)網(wǎng)征信研究中指出，除建立同業(yè)數(shù)據(jù)庫外電商平臺(tái)通過對(duì)累積客戶行為數(shù)據(jù)進(jìn)行深度挖掘，作為客戶消費(fèi)授信的評(píng)價(jià)依據(jù)，大數(shù)據(jù)征信已初見端倪。

對(duì)于大數(shù)據(jù)征信的發(fā)展研究，吳晶妹（2014）認(rèn)為傳統(tǒng)征信覆蓋人群有限、數(shù)據(jù)反映能力不強(qiáng)等問題突出，而網(wǎng)絡(luò)征信以海量數(shù)據(jù)刻畫信用軌跡，通過記錄信用行為狀況和綜合信用度來預(yù)測個(gè)人償還能力和信用風(fēng)險(xiǎn)，目前中國征信體系建設(shè)中心已逐步向網(wǎng)絡(luò)征信過渡。楊堅(jiān)爭等人（2015）認(rèn)為網(wǎng)絡(luò)征信數(shù)據(jù)來源包括社交媒體數(shù)據(jù)、網(wǎng)絡(luò)借貸數(shù)據(jù)、網(wǎng)絡(luò)購物數(shù)據(jù)、其他相關(guān)數(shù)據(jù)，其中社交媒體數(shù)據(jù)包含微信、微博等社交數(shù)據(jù)用以確認(rèn)用戶身份，網(wǎng)絡(luò)借貸數(shù)據(jù)可提供逾期記錄等信用信息，網(wǎng)購數(shù)據(jù)則提供以往電商網(wǎng)站購物記錄和交易流水等財(cái)務(wù)數(shù)據(jù)，其他如打車記錄、O2O生活行為記錄、違章記錄等生活數(shù)據(jù)均可用于大數(shù)據(jù)征信。劉新海（2014）借鑒美國新型網(wǎng)貸公司大數(shù)據(jù)技術(shù)，指出多元化征信不僅包括傳統(tǒng)信用數(shù)據(jù)，還包括可用于挖掘個(gè)人性格、行為特征等網(wǎng)絡(luò)數(shù)據(jù)，進(jìn)一步說明了 “一切數(shù)據(jù)兼信用”。魏強(qiáng)（2015）提出大數(shù)據(jù)征信可包括挖掘多渠道數(shù)據(jù)源的信息特征、尋找變量間關(guān)聯(lián)性、信用特征再歸類、特征權(quán)值設(shè)置、計(jì)算綜合得分等步驟。孔德超（2016）認(rèn)為大數(shù)據(jù)征信具有數(shù)據(jù)來源廣泛、市場定位清晰、應(yīng)用場景多樣化等優(yōu)勢，但在個(gè)人隱私保護(hù)、數(shù)據(jù)所有權(quán)、控制權(quán)、收益權(quán)問題仍需要在現(xiàn)有法律政策下進(jìn)一步探討。

（四）信用評(píng)估技術(shù)

1.傳統(tǒng)領(lǐng)域。信用評(píng)分技術(shù)作為信用管理體系的核心，包括數(shù)據(jù)預(yù)處理和信用評(píng)分模型建模兩個(gè)階段。在預(yù)處理階段，原始數(shù)據(jù)普遍存在噪音數(shù)據(jù)、遺漏數(shù)據(jù)、不一致數(shù)據(jù)等問題，需要進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約等預(yù)處理。其中，數(shù)據(jù)清洗是對(duì)不符合要求的數(shù)據(jù)進(jìn)行處理，包括缺失數(shù)據(jù)填補(bǔ)技術(shù)、異常值檢測處理、重復(fù)數(shù)據(jù)整合等；數(shù)據(jù)變換通過對(duì)連續(xù)數(shù)據(jù)離散化和不平衡樣本結(jié)構(gòu)優(yōu)化來實(shí)現(xiàn)數(shù)據(jù)的規(guī)范化，將其轉(zhuǎn)換為適合建模的形式；數(shù)據(jù)規(guī)約則是在將數(shù)據(jù)清洗和變換后，在不丟失有效信息的前提下對(duì)數(shù)據(jù)降維。

在評(píng)分建模過程中，首先需分析個(gè)人信用的影響因素，確定反映個(gè)人基本情況、償還能力、償還意愿等各方面的評(píng)分指標(biāo)集，經(jīng)排序加權(quán)后形成評(píng)分指標(biāo)體系。指標(biāo)體系的建立保證了評(píng)分模型數(shù)據(jù)輸入的穩(wěn)定性。同時(shí)在初選過程中，需要借助統(tǒng)計(jì)方法評(píng)估指標(biāo)識(shí)別能力，并根據(jù)宏微觀因素對(duì)指標(biāo)體系不斷修正和優(yōu)化，保證評(píng)估的多維性和動(dòng)態(tài)性。評(píng)分模型的檢驗(yàn)包括模型精度檢驗(yàn)和穩(wěn)健性檢驗(yàn)，其中模型精度是指評(píng)分模型判斷個(gè)體類別的能力；穩(wěn)健性強(qiáng)調(diào)模型對(duì)建模之外數(shù)據(jù)的預(yù)測能力。

具體的模型發(fā)展有統(tǒng)計(jì)學(xué)模型和非統(tǒng)計(jì)學(xué)模型兩個(gè)發(fā)展階段。在統(tǒng)計(jì)學(xué)評(píng)分模型發(fā)展中，先后出現(xiàn)了線性回歸方法、Logistic回歸方法以及Probit回歸等方法，但因解釋性不足未得到廣泛應(yīng)用。之后相關(guān)學(xué)者們將最近鄰法、決策樹模型和貝葉斯網(wǎng)絡(luò)模型引入到評(píng)分模型中，逐步調(diào)高了模型的預(yù)測精度和穩(wěn)健性。在非統(tǒng)計(jì)學(xué)評(píng)分模型發(fā)展中，先后出現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能方法在處理非線性化特征變量問題具有明顯優(yōu)勢。之后，Baesens等人（2003）較早將支持向量機(jī)方法引入到評(píng)分模型中，認(rèn)為較神經(jīng)網(wǎng)絡(luò)方法支持向量機(jī)方法性能更優(yōu)。Bellotti等人（2008）將支持向量機(jī)算法引用到信用評(píng)分和重要特征屬性發(fā)現(xiàn)研究中。Terry（2014）基于傳統(tǒng)非線性支持向量機(jī)的缺陷，將聚類支持向量機(jī)（CSVM）算法引入到信用評(píng)分領(lǐng)域，經(jīng)比較后認(rèn)為CSVM模型可達(dá)到更優(yōu)分類表現(xiàn)。

此外，通過組合將單一模型的優(yōu)勢互補(bǔ)以達(dá)到信息利用的最大化，已成為信用評(píng)估領(lǐng)域的研究趨勢。Tian-Shyug（2002）將判別分析預(yù)測結(jié)果和其他特征變量一起作為輸入單元建立神經(jīng)網(wǎng)絡(luò)模型，認(rèn)為組合模型可以提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測精度。石慶焱（2005）提出基于神經(jīng)網(wǎng)絡(luò)和Logistic回歸的混合兩階段評(píng)分模型，并將神經(jīng)網(wǎng)絡(luò)輸出結(jié)果和其他特征變量一起作為Logistic回歸模型的解釋變量，結(jié)果顯示組合模型的穩(wěn)健性和預(yù)測精度較單一模型更優(yōu)。姜明輝（2007）將Logistic模型和RBF神經(jīng)網(wǎng)絡(luò)模型的分類結(jié)果通過線性方法組合起來，結(jié)果表明組合模型在預(yù)測精度上較優(yōu)。David West（2005）基于Bagging和Boosting方法構(gòu)建了神經(jīng)網(wǎng)絡(luò)集成模型，Mariola（2009）利用Bagging和Adaboost算法集成了決策樹模型，認(rèn)為模型在信用評(píng)分預(yù)測精度和穩(wěn)健性表現(xiàn)優(yōu)良。

2.網(wǎng)貸領(lǐng)域。借貸評(píng)審是網(wǎng)貸平臺(tái)最關(guān)鍵的技術(shù)，而信用風(fēng)險(xiǎn)在貸審環(huán)節(jié)的體現(xiàn)就在于貸款項(xiàng)目和信貸額度的控制。P2P網(wǎng)貸同樣采用信用評(píng)級(jí)的方式，基于信用數(shù)據(jù)建立信用評(píng)分模型對(duì)違約風(fēng)險(xiǎn)進(jìn)行量化評(píng)估。

近年來，國外信用風(fēng)險(xiǎn)評(píng)分技術(shù)在機(jī)器學(xué)習(xí)領(lǐng)域和數(shù)據(jù)挖掘算法領(lǐng)域不斷深入。Malekipirbazari（2015）建立以隨機(jī)森林為基礎(chǔ)的分類方法預(yù)測借款人狀態(tài)，并基于美國借貸網(wǎng)站借貸數(shù)據(jù)展開實(shí)證研究，認(rèn)為隨機(jī)森林算法在識(shí)別優(yōu)質(zhì)借款人方面優(yōu)于FICO信用評(píng)分。Maria等人（2015）運(yùn)用流數(shù)據(jù)挖掘技術(shù)，在傳統(tǒng)評(píng)分模型基礎(chǔ)上建立基于歷史數(shù)據(jù)流的動(dòng)態(tài)信用風(fēng)險(xiǎn)評(píng)分模型，實(shí)驗(yàn)證明該動(dòng)態(tài)模型具有較好的魯棒性。Fatemeh等人（2015）建立基于特征選擇算法和集成分類器的數(shù)據(jù)挖掘組合模型，實(shí)證認(rèn)為在評(píng)分性能方面基于非參數(shù)設(shè)置的數(shù)據(jù)挖掘組合模型優(yōu)于基于參數(shù)設(shè)置的單一模型。美國網(wǎng)貸公司ZestFinance則基于集成學(xué)習(xí)和多角度學(xué)習(xí)的模型設(shè)計(jì)思路，設(shè)計(jì)身份驗(yàn)證模型、欺詐模型、還款能力模型、還款意愿模型、穩(wěn)定性模型等從不同角度預(yù)測借款人的信用狀況，克服了傳統(tǒng)單一模型考慮因素的局限性。

在國內(nèi)柳向東（2016）選用具有平衡效果的SMOTE算法對(duì)非平衡數(shù)據(jù)預(yù)處理，運(yùn)用多種數(shù)據(jù)挖掘算法建立信用風(fēng)險(xiǎn)評(píng)估模型，實(shí)證得出隨機(jī)森林模型算法對(duì)于違約項(xiàng)目的識(shí)別能力最佳。林漢川等人（2016）將隨機(jī)森林模型與Logistic回歸模型建立組合模型，實(shí)證認(rèn)為模型有效克服傳統(tǒng)模型數(shù)據(jù)噪聲敏感問題和變量容量問題。

（五）貸后信用風(fēng)險(xiǎn)管理

1.傳統(tǒng)領(lǐng)域。貸后信用風(fēng)險(xiǎn)管理是個(gè)人信用管理體系的下游部分，旨在通過信用風(fēng)險(xiǎn)計(jì)量、預(yù)警和轉(zhuǎn)移，實(shí)現(xiàn)信用貸出方的最大安全性。傳統(tǒng)商業(yè)銀行實(shí)施信用風(fēng)險(xiǎn)管理，主要依據(jù)2005年實(shí)施的《新巴塞爾協(xié)議》。《新協(xié)議》提出商業(yè)銀行全面風(fēng)險(xiǎn)管理的三大支柱，其中對(duì)最低資本要求的計(jì)算包含了對(duì)信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)的度量。信用風(fēng)險(xiǎn)轉(zhuǎn)移是指借助特定金融工具把信用風(fēng)險(xiǎn)轉(zhuǎn)移至其他金融機(jī)構(gòu)的信用轉(zhuǎn)嫁方式，常見金融工具有資產(chǎn)證券化、信用擔(dān)保、保險(xiǎn)等。

2.網(wǎng)貸領(lǐng)域。網(wǎng)貸平臺(tái)中信用風(fēng)險(xiǎn)管理偏重于貸前征信和貸審模型研發(fā)，對(duì)于貸后信用風(fēng)險(xiǎn)計(jì)量和轉(zhuǎn)移尚未得到廣泛關(guān)注。楊從正（2015）在P2P借貸風(fēng)險(xiǎn)管理體系研究中，認(rèn)為借貸平臺(tái)對(duì)事后的違約補(bǔ)償可采取融資擔(dān)保方代償、保險(xiǎn)公司信用保證保險(xiǎn)賠付、風(fēng)險(xiǎn)準(zhǔn)備金補(bǔ)償?shù)确绞健ｅ堂髁粒?015）指出宜信公司在貸后風(fēng)險(xiǎn)擔(dān)保方式上推陳出新，推出國內(nèi)首例保險(xiǎn)、信托、小額貸款三方合作。通過發(fā)行信托產(chǎn)品并向保險(xiǎn)公司投保，險(xiǎn)種為金融機(jī)構(gòu)貸款損失信用保險(xiǎn)，此項(xiàng)信用保險(xiǎn)措施與信托計(jì)劃的信用增級(jí)措施共同作用達(dá)到多重增信目標(biāo)。向明（2015）分析美國網(wǎng)貸公司Kabbage在貸后風(fēng)險(xiǎn)管理經(jīng)驗(yàn)，通過設(shè)立拖延還款懲罰機(jī)制，除收取一定延遲費(fèi)外還保留向其他機(jī)構(gòu)報(bào)告的權(quán)利。龐淑娟（2015）則認(rèn)為數(shù)據(jù)挖掘技術(shù)可實(shí)現(xiàn)信用風(fēng)險(xiǎn)預(yù)警，譬如分類與預(yù)測可基于歷史數(shù)據(jù)形成預(yù)測規(guī)則，孤立點(diǎn)分析可用于欺詐行為預(yù)測等。尹麗（2016）從第三方資金托管角度出發(fā)，分析我國網(wǎng)貸第三方資金托管發(fā)展現(xiàn)狀、模式及現(xiàn)存問題，提出應(yīng)明確第三方托管主體和托管機(jī)構(gòu)的權(quán)利與義務(wù)等建議。

四、結(jié)語

基于以上綜述，個(gè)人信用管理體系的完善是網(wǎng)貸信用風(fēng)險(xiǎn)研究的主要領(lǐng)域。對(duì)法律和監(jiān)管細(xì)則的探討正指導(dǎo)著網(wǎng)絡(luò)借貸向合法合規(guī)化發(fā)展。個(gè)人征信業(yè)的研究逐步向大數(shù)據(jù)征信及網(wǎng)絡(luò)征信聚焦，科技創(chuàng)新已成為推動(dòng)普惠金融的強(qiáng)大引擎。在評(píng)分模型研發(fā)環(huán)節(jié)，現(xiàn)階段單一評(píng)估模型中新技術(shù)的不斷探索、組合評(píng)估模型精度和穩(wěn)健性的提升以及基于大數(shù)據(jù)的動(dòng)態(tài)模型的深入研究將有助于借貸平臺(tái)的信用風(fēng)險(xiǎn)管控。同時(shí)大數(shù)據(jù)技術(shù)為貸后信用風(fēng)險(xiǎn)管理提供新的研究視角，將大數(shù)據(jù)動(dòng)態(tài)監(jiān)管融入到現(xiàn)有貸后管理體系中。網(wǎng)絡(luò)借貸的商業(yè)模式已逐步成型，大數(shù)據(jù)分析、數(shù)據(jù)挖掘等信息技術(shù)將會(huì)在網(wǎng)絡(luò)借貸的發(fā)展，乃至互聯(lián)網(wǎng)金融體系的演變中發(fā)揮越來越關(guān)鍵的指引作用。

參考文獻(xiàn)

[1]姚海放等.網(wǎng)絡(luò)平臺(tái)借貸的法律規(guī)制研究[J].法學(xué)家，2013（05）.

[2]2015年中國網(wǎng)絡(luò)借貸行業(yè)年報(bào)[J].金融世界，2016（02）：第90-91頁.

[3]林榮琴.論我國P2P線上網(wǎng)絡(luò)借貸的法律風(fēng)險(xiǎn)控制[D]，2014，中國政法大學(xué).第50頁.

[4]劉繪與沈慶劼.P2P網(wǎng)絡(luò)借貸監(jiān)管的國際經(jīng)驗(yàn)及對(duì)我國的借鑒[J].河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2015（2）.第56-61頁.

[5]楊振能.P2P網(wǎng)絡(luò)借貸平臺(tái)經(jīng)營行為的法律分析與監(jiān)管研究[J].金融監(jiān)管研究，2014（11）.第25-41頁.

[6]張雨辰與楊堅(jiān)爭.大數(shù)據(jù)背景下的互聯(lián)網(wǎng)金融征信問題研究[J].電子商務(wù)，2016（05）.第55-56頁.

[7]魏強(qiáng).大數(shù)據(jù)征信在互聯(lián)網(wǎng)金融中的應(yīng)用分析[J].金融經(jīng)濟(jì)，2015（08）.第11-13頁.

[8]楊暉與盧昊.中國特色征信體系模式研究[J].金融理論與教學(xué)，2011（04）.第1-4頁.

[9]劉新海與丁偉.大數(shù)據(jù)征信應(yīng)用與啟示——以美國互聯(lián)網(wǎng)金融公司ZestFinance為例[J].清華金融評(píng)論，2014（10）.第93-98頁.

[10]葛志蘇.互聯(lián)網(wǎng)金融背景下征信業(yè)市場化發(fā)展研究[J].武漢金融，2014（12）.第33-34頁.

[11]孔德超.大數(shù)據(jù)征信初探——基于個(gè)人征信視角[J].現(xiàn)代管理科學(xué)，2016（04）.第39-41頁.

[12]袁新峰.關(guān)于當(dāng)前互聯(lián)網(wǎng)金融征信發(fā)展的思考[J].征信，2014（01）.第39-42頁.

[13]吳晶妹.2015展望：網(wǎng)絡(luò)征信發(fā)展元年[J].征信，2014（12）.第1-4+83頁.

[14]向暉.個(gè)人信用評(píng)分組合模型研究與應(yīng)用[D]，2011，湖南大學(xué).第131頁.

[15]帥理.個(gè)人信用風(fēng)險(xiǎn)評(píng)估理論與方法的拓展研究[D]，2015，電子科技大學(xué).第 144頁.

[16]孫亞南.中國個(gè)人信用管理體系建設(shè)研究[D]，2008，中國人民大學(xué).第178頁.

[17]Sousa，M.R.，J.O.Gama and E.Brand O，A new dynamic modeling framework for credit risk assessment[J].Expert Systems with Applications，2016.45：p.341-351.

[18]Harris，T.，Credit scoring using the clustered support vector machine[J]..Expert Systems with Applications，2015.42（2）：p.741-750.

[19]Kozeny，V.，genetic algorithms for credit scoring[J]..Expert Systems with Applications，2015.27：p.11-23.

[20]Koutanaei，F(xiàn).N.，H.Sajedi and M.Khanbabaei，A hybrid data mining model of feature selection algorithms and ensemble learning classifiers for credit scoring[J]..Journal of Retailing and Consumer Services，2015.27：p.11-23.

[21]宋麗平.張利坤與徐瑋，P2P網(wǎng)絡(luò)借貸個(gè)人信用風(fēng)險(xiǎn)評(píng)估[J].財(cái)會(huì)月刊，2015（35）.第94-96頁.

[22]夏立明.邊亞男與宗恒恒，基于供應(yīng)鏈金融的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型研究[J].商業(yè)研究，2013（10）：171-177頁.

[23]柳向東與李鳳.大數(shù)據(jù)背景下網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)評(píng)估——以人人貸為例[J].統(tǒng)計(jì)與信息論壇，2016（05）：第41-48頁.

[24]劉新海與丁偉.美國ZestFinance公司大數(shù)據(jù)征信實(shí)踐 [J].征信，2015（08）：第27-32頁.

[25]楊從正.P2P借貸風(fēng)險(xiǎn)管理魔方體系構(gòu)建研究[D].2015，云南大學(xué).第56頁.

[26]李寧寧.P2P資金第三方托管問題研究[D].2015，華南理工大學(xué).第52頁.

[27]趙剛.商業(yè)銀行信用卡業(yè)務(wù)信用風(fēng)險(xiǎn)管理研究[D].2007，華東師范大學(xué).第158頁.

[28]逄明亮.我國P2P網(wǎng)絡(luò)貨款平臺(tái)全面風(fēng)險(xiǎn)管理體系構(gòu)建研究[D]，2015，山東大學(xué).第76頁.

[29]龐淑娟.大數(shù)據(jù)在銀行信用風(fēng)險(xiǎn)管理中的應(yīng)用[J].征信，2015（03）.第12-15頁.

[30]尹麗.P2P網(wǎng)絡(luò)借貸平臺(tái)資金托管問題研究[J].當(dāng)代經(jīng)濟(jì)管理，2016（01）.第86-90頁.

[31]楊大楷與俞艷.中國個(gè)人消費(fèi)信貸狀況及風(fēng)險(xiǎn)防范研究[J].金融論壇，2005（07）.第45-50+63頁.

[32]向明.冀源溪與曲博，美國大數(shù)據(jù)網(wǎng)絡(luò)貸款公司Kabbage的運(yùn)營模式及啟示[J].征信，2016（01）：第60-62.

作者簡介：李銘（1993-），女，內(nèi)蒙古烏蘭察布人，碩士研究生，中央財(cái)經(jīng)大學(xué)信息學(xué)院，研究方向：互聯(lián)網(wǎng)金融。