“失控”体系下的互联网金融

互联网的快速发展，给我们的生活带来了诸多便利，也改变了我们的传统生活模式。如同凯文·凯利在《失控》一书中所描述的，网络的出现，宣告着乌合之众登上历史大舞台，原来只能“一将功成万骨枯”的炮灰生命其历程或将从此改变。网络的出现极大改变了社会之间的关系，在这样一个类似于神经网络架构的社会中，无数“神经元”通过传递汇聚信号形成较为统一的“命令”而控制“躯体”的“运动”，它们通过不断发散又不断汇聚信息的机制，成就了无数个体思维的综合而成的群体智慧进而造就统一的群体活动。

网络已经深入到我们生活的方方面面，金融业也深受其影响。在互联网环境下，金融参与者深谙互联网“开放、平等、协作、分享”的精髓，通过互联网、移动互联网等工具构造出第三方支付、在线理财产品的销售、信用评价审核、金融中介、金融电子商务等模式的互联网金融模式。基于互联网的分享，公开、透明等等的理念让资金能够在各个主体之间更加直接、自由的流转，金融中介的作用会不断的弱化，使得金融机构日益沦落为从属的服务性中介的地位,而不再拥有金融资源调配的核心主导定位，毫无疑问，当前的金融业已经是处在“失控”体系下互联网金融体系。

“失控”体系下的风险

在互联网金融模式下，由于搜索引擎、大数据、社交网络和云计算等技术的大量运用，市场信息不对称程度非常低，交易双方在资金期限匹配、风险分担的成本非常低，银行、券商和交易所等中介都不起作用;贷款、股票、债券等的发行和交易以及券款支付直接在网上进行，这个市场充分有效，接近一般均衡定理描述的无金融中介状态。在这种金融模式下，支付便捷，搜索引擎和社交网络降低信息处理成本，资金供需双方直接交易，可达到与资本市场直接融资和银行间接融资一样的资源配置效率，并在促进经济增长同时，大幅减少交易成本。

然而，“失控”体系也存在着巨大的风险。其一，人们在个体信息混乱繁杂下，难以找到和分清有用信息，而频繁运作导致的失误、突变也让这一体系会形成低效率;其二，交易成本的降低也让表面很大的运动“金玉其外，败絮其中”，难以形成真正有效的触动。就我国互联网金融来看，由于互联网金融出现的时间短，发展快，目前还没有形成完善的监控机制和信用体系，存在着诸多的风险。

• 信用风险大。目前我国信用体系尚不完善，互联网金融的相关法律还有待配套，互联网金融违约成本较低，容易诱发恶意骗贷、卷款跑路等风险问题。特别是P2P网贷平台由于准入门槛低和缺乏监管，成为不法分子从事非法集资和诈骗等犯罪活动的温床。
• 网络安全风险大。我国互联网安全问题突出，网络金融犯罪问题不容忽视。一旦遭遇黑客攻击，互联网金融的正常运作会受到影响，危及消费者的资金安全和个人信息安全。

风险管控的内容及困难

金融业是高风险行业，存在着汇率风险、利率风险、会计风险、市场风险、信用风险等诸多的金融风险。随着我国金融市场的逐步开放和外资金融机构的快速进入，加大了我国金融机构的经营风险，因此，目前国内金融控股企业、证券公司、投资银行与商业银行、资产管理公司、证券公司、保险公司、各大型企业集团的财会与稽核部门纷纷加强了金融风险控制，形成了政府统筹管控、企业内部实施的两级管理体系。而对于互联网金融来说，由于发展时间短、变化快，目前尚没有形成体系化的风险管控体系，对于参与其中的用户和机构而言，都存在着巨大的风险。

互联网金融机构，作为互联网金融的主体，将承担风险管控的重要任务。对于金融机构而言，主要可分为针对内部的管控风险和外部的信用风险。对内部而言，它需要更好的设计各种理财产品，更清晰的衡量收益和风险，更规范化的流程管控和更准确的市场动态识别;而对于外部而言，它需要对客户进行更为准确的信用评估，以期实现更好的风险管控。

风险管控，一直是金融管控的重点和难点，内容复杂、涉及面广，专业人员缺乏等因素一直制约着我国金融行业的风险管控。对于互联网金融机构而言，这些问题相对于传统金额行业更为严重，可以说，互联网金融行业处在一个未知的网络中，面临着许多未知的事情，也存在着许多未知的风险。

数据分析在风险管控上的作用

数据分析，旨在通过统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。运用探索性的数据分析，帮助各级人员及时了解市场动态，发现各种市场问题;使用实验设计，可以帮助用户更好的识别产品收益和风险之间的关系，更好的进行产品设计和销售;通过SCP监控，帮助用户更好对于流程和产品销售的过程进行监控，及时识别和处理市场异常;而探索性的数据挖掘，则帮助我们更好的识别客户，降低高风险客户销售带来的风险。

运用数据分析的各种手段，将帮助我们更好的认识产品、客户和业务流程，更好的做好风险管控。但就数据分析本身来说，数据分析是一项严肃认真的专业性工作，工作对于参与的人员和环境都有着较高的要求，而互联网金融行业本身正处于快速发展的事情，也增加了数据分析工作的难度。因此，如果能够借助使用便捷、安全准确的分析工具将对数据分析产生极大的帮助，对风险管控起到重要的作用，而这些又对数据分析工具提出了更高的要求：

• 准确快速的数据分析能力，准确是数据分析的根本要求，只有准确分析的结果，才能为后续的工作提供正确的参考。
• 开放的大数据处理能力，互联网金融面临的是开放的互联网环境，我们将面临的是大数据，对于开放环境下的大数据处理能力，也是数据分析能正常工作的重要保证。
• 快速便捷的模型构建能力，数据建模本身是一件计算量繁琐的专业工作，对于专业要求高，而大部分风险管控人员往往并不具备较强的专业知识背景，这就需要分析工具能够提供便捷的模型构建能力，帮助用户实现快速准确的模型构建。
• 操作友好的交互能力，数据分析本身是一个充满无知的探索性工作，很多结果结论都是在探索的过程中被发现的，所以操作友好的交互能力，也会为我们的数据探索提供更多的便利。

JMP推出的一种交互式可视化统计发现软件系列，在SAS算法的基础上，强调以统计方法的实际应用为导向，交互性、可视化能力强，使用方便，可以帮助业务人员处理数据分析。

探索性数据分析

当我们从互联网上获取到获取大量数据的时候，由于对数据本身缺乏了解，因而难以进行常规的数据分析，而探索性数据分析（EDA: Exploratory Data Analysis）能够在这种情况下，通过同用户的不断交互，不断探索，帮助我们获取到有用的相关信息。

探索性数据分析是启发式、开放式和完全动态的，它以数据为基础，通过对数据的分解、过滤和计算等操作，帮助我们运用多种可视化的方法实现“让数据说话”。而且“In-memory”架构能够应对海量数据，可以在大数据时代发挥作用。

图1：探索性数据分析

基于实验设计的产品设计

金融产品的风险和收益都受到诸多因素的影响，如何正确的认识这些因素，准确的度量这些因素的影响力，将为我们进行产品的设计和基于市场动态进行产品调整提供巨大的帮助。JMP 为用户提供完全析因、筛选、响应曲面和田口设计表等经典的实验设计模型。帮助用户在定义因子和响应之后，自动的进行试验模型的选择，并提供的一系列设计评估工具，例如预测方差刻画和 FDS 图，帮助用户进行模型评估，确保实验设计的正常性。此外，技术人员还可以在构建好模型之后，通过各个刻画器确定可行的操作架构和因子设定点。一旦找到最佳点，就可使用集成的 Simulator 来了解其在实践中的可靠性。

图2：实验设计刻画器

对于业务过程的质量过程监控

金融产品的整个过程是否合规，也是保证金融风险的重要内容。JMP 提供各种统计流程控制 （SPC） 图来有效分离普通和特殊原因，帮助组织进行各种过程分析，包括问题调查、失控状况和稳定性持续监控。控制图生成器通过拖放操作以交互方式帮助用户创建控制图，使其可以轻松使用不同的图表类型和分组策略来划分变异源，并确定最合适的控制策略。此外，当面临多个随机变异源时，组织还可以利用控制图生成器的互动性，实现静态控制图无法提供的方法进行性能评估。

图3：质量过程监控

基于客户风险等级的客户分群

通过对客户的行为特征进行分析，从中识别出风险影响因子，实现对客户的分群，这样将帮助组织更好的认识客户，从而实现更好的客户服务和产品销售。JMP提供了决策树、神经网络、分类模型等多种分类模型，帮助我们更好的进行客户分群。此外，一起使用分析报告和数据过滤器，用户可以通过展示的图表，快速而简便地查看大型调查数据。

图4：客户分群报告