互联网金融风控模型
一、市场调研
目前市面主流的风控模型
1、互联网金融前10名排行榜(数据截止日期2017-09-12)
互联网金融公司排名分别是蚂蚁金服、陆金所、京东金融、苏宁金融、百度金融、腾讯理财通、宜信、钱大掌柜、万达金融和网易理财。
1.1 蚂蚁金服
1.1.1 大数据技术
对接第三方征信公司芝麻信用分，通过用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度对海量数据行综合的处理评估，同时也给予阿里电商交易和蚂蚁金服互联网金融交易数据，对接公安系统和第三方数据公司建立联系。(这块就是用户画像的作用，投资人画像，融资企业/个人画像，这块的内容比较复杂。后面一定会展开分析，风险定价，推荐系统全部靠它了)
1.1.2 人脸识别技术
人脸识别技术核心算法分别是活体检测算法、图像脱敏算法以及人脸比对算法，国际公开人脸数据库 LFW 上，人脸识别算法准确率(99%)。(像这块的技术已经很成熟有百度都已经推出成型产品，可以通过人脸识别对融资企业/法人进行风险验证，是否存在风险欺诈，多头借贷等嫌疑)
1.1.3 云计算技术
是一个开放的云平台，它助力金融创新、助力金融机构的IT架构实现升级，去构建更加稳健安全、低成本、敏捷创新的金融级应用。(其实就高可用，可靠性等)
1.1.4 风控技术
历史交易数据进行个性化的验证，提高账户安全性。80%左右的风险事件在智能风控环节就能解决。除了事后审核，事前预防、事中监控也非常重要——事前,将账户的风险分级，不同账户对应不同风险等级；事中，对新上线的产品进行风险评审以及监控策略方案评审。(解决80%的问题因此这块才是真正的核心。贷前，贷中，贷后等方方面面的监控，贷前最为重要，如何去检测，抓取哪些数据，与哪些第三方平台合作)
1.1.5 人工智能技术
蚂蚁金服通过大数据挖掘和语义分析技术来实现问题的自动判断和预测。可以识别到用户的身份信息,总结在大的用户层面大家可能都会遇到的问题，100%的自动语音识别。智能质检能力与智能赔付能力，具备了品质的判断能力以及情感判断能力。(总结:公司 PC 的人工语言不完善，很多关键字无法识别。这块应该跟后台没有交互，数据都是写死。移动端也可以考虑在标的详情页介入 draglayout 控件进行智能语音服务，解答用户疑惑。技术核心应该是在数据挖掘，语义分析技术等方式)
1.2 陆金所风控调研
1.2.1 七步风控体系
1、风险政策制度框架体系：所有交易对手和产品引入都制定了明晰的风险政策指引，所有业务必须在制度框架内运行。(说白了就是自己风控业务流程，对于投资人者以及融资用户进行风险等级划分)
2、信用评级：交易对手和产品进行主体评级及债项评级。(对于投资人者、融资用户、产品进行风险等级划分)
3、信息披露：针对每一个不同的产品，将其内部评级、底层资产、主要风险、还款来源、保障措施。(就目前风险披露数据只是按照国家要求进行风险披露，但是并没有标地产品进行风险披露，融资企业进行风险披露，这个披露系统可以做成风险评估报告，后期也可以利用企业供应链关系库一定会用到(但是这部分数据都是针对上市而言，数据不全；))
4、投后预警监控：所有在售资产至少每三个月进行一次检视。(对于融资周期过长的企业可以每三个月进行企业经营状况的上报，重点在于资金用途，回款方式以及周期；如果我们企业够强大的话，可以利用大数据征信对于那些未按时回款融资企业用户的企业进入黑名单系统)
5、风险管理系统：陆金所的风险管理系统覆盖全产品线、整个产品生命周期，实现风控的标准化、智能化、模型化，大幅提升陆金所风险管理工作的效率和效果。(这些东西都太虚了)
6、风险评价体系：同的风险程度给予业务部门不同的业绩评价。
7、资产、资金的精准匹配：投资者进行风险分类，产品与投资者风险适配系统，确保投资者都能买到适合其投资风格与风险偏好的
产品。(个人认为这个才是风控的意义，还有我们平台本身存在的价值；具体的实现的方式，利用画像技术对于投资用户，融资用户，标的产品进行风险等级划分，通过数据挖掘进行实时推荐) 小结
风险评级分为三部分：投资人风险等级分类，融资企业信息等级分类，标的产品等级划分。
投资人等级划分：可以参考以往投资标的的利率，投资金额，投资人的站岗资金，投资人的提现金额，也可以通过投资人基本个人信息，例如移动设备Android 或 IOS，年龄，居住地，职业，评判投资人也可以调用第三方平台去综合判断投资的经济状况等方面维度融资企业等级划分：企业所在行业的整体现状，国家政策是否扶持，企业的纳税证明，银行流水，公司规模，注册资本等维度标的产品：项目所属行业，项目的整体周期，项目成本，利润率，项目的合作企业，项目合同，发票等内容等维度
投资用户与产品匹配度
根据风险评级系统去高度匹配融资用户，产品标的的内容信息。这部分用到的应该是数据挖掘，推荐系统。根据用户以往投资标的金额，利率进行离线推荐，也可以根据用户的点击流日志分析去进行实时推荐，在某个标的详情页的停留时间，标的的点击次数信息。
1.3 京东金融风控调研
1.3.1 用户支付瞬间需要做的事情
如判断用户的设备信息、登录行为、访问特征、信用状况、商品
信息、商家特征、配送区域、银行卡状态等。如建立信用、反欺诈、伪冒交易等一系列模型，其中多达近百项的模型需实时计算。这样庞大的运算量在一秒内，甚至几十毫秒内完成，不是易事。 (感觉这些内容任何一点都够我研究一段时间的)
1.3.2 风控的灵魂是数据，所有决策都以数据为驱动
1、业务系统产生的数据和点击流作为主要挖掘的素材来源；但是随着时间推移，恶意用户可以模仿真实用户。因此才会用设备指纹识别，生物探针，语音识别，人脸识别等。
2、风控模型
原始层数据：由于原始数据存在杂乱无章的现象，此处使用各种颜色来示意
数据原子化：数据原子化是经过整理后，把数据按业务归属分类，形成最原子的类别，比如账户，资金，投资，消费等数据抽象层：按风控关注的业务做数据整合，这层是最贴近业务的。每一块代表一类业务，一个原子数据类是可以被放入多个抽象数据块里的
数据模型层：对分析场景使用的，基本就是一个数据模型块对应一个分析场景。
3、机器学习在京东金融的天盾风控系统应用
根据经验，在算法的选择上尽可能的多做选择，对比模型的性能择优选取。另外，对样本库做好治理工作，可使用随机抽样和使用聚类把样本数据分层抽取。这些工作是建模人员在大数据环境中也就是离线做的，那么，怎么把训练的模型应用到线上做实时呢，下图是架构：
京东金融目前正在开发机器学习平台，让懂机器学习的人就可以使用机器学习做想的事情，当前懂机器学习的人不在少数，但真正使用机器学习做具体事情不多，故此平台不但满足内部建模训练、发布等，还可对外输出。
数据风控还有很长的路要走，如量化投资风险评估与运营也属风控范畴，风控也可和推荐领域相结合。如数据会有阶段性差异，质量会随时间推移，慢慢发生变化，可能花费很大精力产出的预测产品会失效，调整代价难易不可估。如不同场景准确度和覆盖度都是不同的，尺度如何把握。如怎样能降低统计分析学和分布式计算相结合的成本等等。
总之，互联网金融风控核心还是服务客户，提升产品价值，最大程度的做到差异化的防范，智能化是风控的发展方向，京东金融从开始就致力于打造智能化的风险管控解决方案。(机器学习部分了解)
2、第三方风控产品以及服务(数据截止日期2018-01-12)
20强榜单分为三个梯队，三个梯队覆盖的放贷机构数量依次递
减，大致比例为10:3:1。
第一梯队（5家）：放贷类公司使用最集中的征信机构，分别是上海资信、同盾科技、芝麻信用、鹏元征信和百融金服。
第二梯队（8家）：FICO、聚信立、致诚信用、EXPERIAN、安融征信、考拉征信、前海征信、维氏盾征信。
第三梯队（7家）：GEO集奥聚合、白骑士、华道征信、立木征信、算话征信、银联智策、正信用。
前海征信可以获取到个人用户的公积金信息。芝麻信用目前是最优秀的征信公司，当中很多公司有自己渠道去获取用户的信息。
3、国家政策法规
1、个人单平台借贷余额不能过20万
2、个人全部平台借贷余额不能过100万
3、企业法人单平台借贷不能过100万
4、企业全平台不能过500万
从政策层面上来p2p服务的是属于中小企业，p2p行业不利。因此风控显的更加尤为重要。通过风控模型获取优质的资产。
二、风控模型
风控模型应该是从两个角度去考虑，第一个角度是资产端风控策略，第二个角度是资金端风控策略。考虑主要出发点应该是从贷前、袋中、贷后三个方向去考虑，结合传统业务的风控模型和互联用户的行为数据。针对资金，资产进行风险等级划分，防欺诈系统、袋中的舆情监控、贷后的权重叠加。
1.1 欺诈用户的识别
1.1.1、防欺诈风控系统，下面我列举的参考维度指标；针对黑色产业业务梳理
根据现有数据统计分析移动端登录用户占比与PC 用户占比为8：2划分，因此移动的防欺诈系统为主要参考因数，
1、根据以往的业务系统数据可以建立黑名单、白名单。
白名单: 可以通过建立数据模型已经数据挖掘，机器学习相关算法进行优质用户的挖掘。
黑名单: 黑名单企业可以针对那些逾期、破产企业(法人作为黑名单)、通过手机号码、imei作为用户判断标识，调用第三放征信公司去进行鉴别。
2、对移动端用户进行实时监测，获取用经纬作为、获取用户重力感应数据、mac 地址、ip、移动设备注册时长等数据判断用户是否存在恶意欺诈，恶意注册
1.2 可信度分析
1.2.1、风险等级划分
风险等级划分，分为三种类型、投入用户风险承受能力等级划分、融资企业以及个人用户的等级划分、融资项目标的等级划分
1、投资用户等级划分：可以参考投资年龄、居住地、职业、银行流水、固定资产、收入、学历等角度去划分
2、融资企业等级划分：企业所在行业、国家政策、企业现金流、企业注册资本、管理层背景、资产负债率、法人个人信息、企业纳税证明、公司人员数量等维度去
3、标的信息：标的项目类型、回款周期、合作企业、回款方式、融资金额
1.3 贷后预警
对于回款周期比较长的项目，可以至少三个做个回访、让融资企业按时提供目前经营现状、融资标的是否按时回款。根据贷后的状态进行预警、等级划分
四、技术实现
用户画像、人脸识别、推荐系统、智能语音、数据挖掘、风控模型。
风控系统业务流程
访用户欺诈系统
风险评估等级划分系统
用户画像
用户点击流日志分析系统
推荐系统
风险预警系统
风险定价系统
五、产品与服务
参考科法智能提供的服务与产品，将案例信息换位标的信息、将诉讼公司换位融资企业。对照数据就可以解决提供类似的服务。下面是具体相关部分信息。
企业信用信息查询
包括企业基本信息、经营状态、法人以及高管信息披露
对于一些重要信息提供收费服务、本平台高等级投资用户可以免费查看，比如企业的目前经验状况、本平台内部信用等级、所在行业排名等。
企业融资项目标的信息查询
结合本平台以往类似融资项目信息历史数据进行信息关联、结构归类、风险解读、精准检索。出具融资项目风险测评报告对于优质资产本平台进行充分的信息披露
科法智能逻辑思维导图
互联网金融风控需要搞清的7个问题 风控，大家心目中的风控是什么？我们先来点传统的解释 首先了解两个概念：风险管理和风险控制。 风险管理：是指如何在项目或者企业在一定的风险的环境里，把风险减至最低的 管理过程。 它的基本程序包括风险识别、风险估测、风险评价、风险控制和风险管理效果评 价等环节。 风险控制：是指风险管理者采取各种措施和方法,消灭或减少风险事件发生的各种可能性,或者减少风险事件发生时造成的损失。所以其实风险控制是风险管理中的一个环节。 下面是对前期在群内收集到的问题的解答。 1. 目前最常用的风控模型是哪些？ 风控模型：常用于担保公司，测算最高能够承受的风险，并且根据市场与资本， 建立最有效的风控模型进行风险手段。 风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有 效的数据分析及评分体系，就是建立常用的风控模型方式； 首先，金融公司设计的任何形态的风控模型，都要符合自身企业的业务发展及市 场需求，它的数值变化规则，还是要基于大数据和企业最基本能承受风险客户的能力，测算一个范围化的模型，也就是风控一个度的把握了；如果企业自身测算最高风险承 受能力较强那么在建立模型过程中，评分卡的数值范围能做相应调整，但是宽松到什 么尺度，就是各个企业风控人员，对自身企业的专业理解能力，和逻辑思维推断能力 来决定的了。 模型范围中的数值及信息来源，是包括但不限于目标客户群体，或目标项目的风 险预测能力，所能最高承受什么样的风险发生？在风险发生进行时，如何及时做到止 损状态，并能同时做到调整风控策略、多种备用防范预案设置，预警分类等，一旦止 损失败损失状态，公司的能承受的损失底线是什么； 什么样的风险出现下，公司不能承受？最终还没止损，就会走到了崩塌的尴尬境界，最常见的说法就是跑路。 风控模型如果真要界定一个衡量标准或者说最常用的，那么就是评分卡、风控模 型架构制定、风控操作模型等，其实我觉得目前市场，也没有一个明确的衡量标准。 个人认为还是适合自己企业的风控模型。因为每个企业的趋向的产品设计、行业 分析的偏好都不同，如果真的说想要建立风控模型标准，那么只有在各个公司自有特 点情况下，去变化控制数值，也就是建立属于自己的评分卡或者评分机制，但是也要 通过一定的市场累计数据值，来设置企业特色的评分类风控系数。
互联网金融及其风险控制 一、互联网金融 随着互联网行业的不断发展，许多基于互联网的金融服务模式应运而生，并对传统金融产生了深刻的影响和巨大的冲击：余额宝的横空出世，P2P的迅猛发展等，给传统金融业带来了挑战，也带来了机遇。 互联网金融是传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。其主要业态包括互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融等。从互联网发展历程上看，互联网金融是依托大数据和云计算在开放的互联网平台上形成的功能化金融业态及其服务体系，是伴随着电子商务而迅速发展起来的，其核心资源是大数据，核心技术是云计算。 互联网金融具有很多的区别于传统金融机构的特征，包括资源开放化、成本集约化、选择市场化、渠道互联网化、运营高效化、用户行为价值化等。这些特点是传统金融所不具备的，也是互联网金融独特的优势，但是作为一个新生事物，其在发展过程中也暴露出一些问题，具体表现在以下几个方面：管理弱，行业内部自律松散，外部监管及法律规范的缺失.信用体系尚不完善、信用信息交换有困难、风险高。今年7月，十部委发布《关于促进互联网金融健康发展的指导意见》（银发〔2015〕221号）针对所暴露出的一些问题给出了指导意见。但是对于风险的研究还有待进一步深入。 二、互联网金融的风险 互联网金融作为互联网和金融相结合的新兴行业，其发展仍处于探索阶段，由于行业本身所存在的高风险特征，两者结合之后所存在的风险将比单个行业所存在的风险可能更大。具体来看，国内互联网金融发展主要面临的风险包括： 1.市场风险；由于便捷性和优惠性，互联网金融可以吸收更多的存款，发放更多的贷款，与更多的客户进行交易，面临着更大的利率风险以及价格波动风险； 2.操作风险；目前互联网公司在没有法律法规规范、监管政策监管等外部监控环境下，互联网企业仅是通过自律来经营金融业务，容易出现以下问题：为赢取不正当收入，一方面，
互联网金融平台的风控方法 众所周知，互联网金融行业的竞争归根结底就是风控能力的比拼。因此，广大互联网金融平台必须把风控作为永远的生命线不可动摇！那么，具体来说互联网金融平台都有哪些风控方法呢？ 1、实地调查：互联网金融平台的前期风控尤为重要。通过前期实地调查每一个借款人的各项信息和征信情况（如资金用途，财务信用、经营状况等）就可以评估其还款能力和还款意愿。像文化艺术品投融资服务平台利魔方实行贷前审核，对借款方财务情况进行多渠道调查（不涉及个人隐私），同时也实行贷中管控，利魔方在借款方还款的过程中，对于客户的财务情况进行实时跟进，及时了解借款人信息变动情况。 2、资金第三方托管：互联网金融平台跑路的新闻时有发生，这些平台都有一个共同特征，就是都能触碰到资金池。为了从源头上切断这种可能，一些正规的互联网金融平台就会主动选择资金第三方托管的方式，来使自己与理财人的资金池相隔绝，将跑路风险降低为0。 3、透明的资金流向：互联网金融行业内也存在着一些滥竽充数之辈，进行着某些满足私欲的暗箱操作，让投资人完全不清楚自己的钱究竟投给了哪个项目。而像利魔方这类正规的平台则会坚持阳光化运营，资金的流转使用信息都可查询，信息交流真实、透明，投资人拥有最大限度的完整的知情权。 4、风险准备金：风险准备金就是互联网金融平台通过建立一个资金账户，对每笔借款提取一定比例资金放入此资金账户，当借款出现逾期或违约时，平台会用该账户资金偿付投资人。如利魔方专门设有雄厚的风险保障金公开账户，在初期将会设置500万，并且根据业务量的实际增长同比增加。而所有投资者的出借资金均在风险保障金计划覆盖之内，借款人一旦出现逾期坏账，立即启动风险准备金先行垫付，保证投资者的资金安全和收益不变。 风控是保障投资人资金安全的第一道屏障，无论是传统的互联网金融平台还是新型的文化艺术品互联网金融平台，都必须建立完整完善的风控制度和安全运营流程，做好平台的风控体系，这一切对于投资者而言十分重要，同样对于构筑互联网金融安全防线也是重中之重。 1 / 1
风控深度解析”银行与互联网金融“的区别 随着互联网企业进入金融领域，围绕着传统银行是否会被互联网金融所颠覆的争论甚嚣尘上。一时间，仿佛银行与互联网金融都已经开始厉兵秣马，要与传统银行展开一场非此即彼的战争。要透过纷扬的尘嚣，看到这场“战争”的未来，先得理解传统银行与互联网金融两者间的本质差异。 关于银行，定义是比较明晰的。在中国现有的金融法规和市场环境下，传统银行的主要功能是存款、贷款和支付结算，后来在存款基础上发展出了理财功能。 关于互联网金融，目前尚未形成一个统一明确的定义，业务范围也在不断地“野蛮生长”。百度百科上的解释是：互联网金融是传统金融行业与互联网精神相结合的新兴领域。按照这个广义定义，从起源来看目前的中国互联网金融可分为三类：第一类是以传统银行为基础派生出来的，如传统银行自身建立的网上银行。这类互联网金融的出现，为银行开拓了线上领域，延伸了银行的触角，似乎更应该称为金融互联网化。第二类是传统银行与互联网互相依存的，如网上支付结算。这类互联网金融的代表是第三方支付，其中在中国占半壁江山的是以电商为平台的支付宝。第三类是以互联网为基础，异军突起，自由发展出来的，如网上融资，代表企业或者商业模式包括余额宝、人人贷、阿里金融等。 在中国，银行的核心业务是存款、贷款和支付结算。近年来，理财业务也迅猛发展。互联网金融在上述除了存款的各个领域内，迅速扩张起来，由此引发了关于互联网金融与传统银行孰长孰消的争论。据统计（IT桔子），到目前为止，在互联网金融领域里，公司数量占比最大就是这第三类中的贷款。本文就聚焦于此，管中窥豹，探讨一下互联网金融中的贷款与传统银行的贷款有何本质差异。 互联网金融贷款有几种不同的模式，目前来看，至少有两类。一类是以电商为基础，在注册客户范围内的贷款，因为是在产销贷这个链条上运营的，也被称为互联网供应链借贷，中国的代表有阿里金融，美国的代表有Amazon。另一类是P2P平台贷款，在中国有陆金所、人人贷，欧美有Kabbage、LendingClub、ProsperMarketplace。不难看出，无论是在中国还是其他国家，贷款互联网金融的一个共同点就是以小客户为主。 在中国，很多时候，虽然大客户有较强的议价能力，但是银行也情愿追捧大
互联网金融的风控措施 互联网金融，是利用互联网技术和移动通信技术等一系列现代信息科技技术实现资金融通的一种新兴金融模式。在此种模式下，市场信息不对称程度非常低，资金供需双方能够通过网络直接对接，交易成本大大减少。目前互联网金融的模式主要有六大类，分别为第三方支付、P2P网贷、大数据金融、众筹、信息化金融机构、互联网金融门户。 每种模式下均需要相应的风控措施，本文主要分析P2P网贷的风险控制。 P2P网贷的主要风控措施主要有以下五点： 一、贷前管理 （一）对借款人资质的多级审查 （1）贷前实地验证 平台团队或者合作机构对借款人进行实地验证，通过采集图片、文本等多种形式的数据信息，实地验证借款人的结婚证、房产证、个体工商营业营业执照等相关证件资料，并对其银行账户信用情况、家庭经济状况以及还款能力等进行全方位了解。 比如：翼龙贷；有利网 （2）贷前线上审核 一些P2P网贷平台在实地验证后，还在线上进行多级审核。（a）网站资料认证：身份认证、手机认证、视频等认证审核。（b）当地运营中心认证：通过贷前实地调查所获得的各种信息资料，对借款用户进行综合评估审核。（c）平台风控审核：评定信用等级和借款额度或者进行FICO评分（评分模型，用于评价一个借款人的风险程度）。 比如：翼龙贷 通过前期调查每一个借款人的各项信息和征信情况（如资金用途，财务信用、
经营状况等）来评估其还款能力和还款意愿。 比如：利魔方实行贷前审核，对借款方财务情况进行多渠道调查（不涉及个人隐私）。 （二）对融资项目的审查 对融资项目审查的手段包括以下三种： （1）确保借款人借款项目的真实性或者确保融资项目的真实性。除了线上审核外，对于平台发掘的项目，风控部、业务部人员进场尽职调查，制作项目尽职调查报告。有的平台甚至将该项目提交评审委员会（或者风控）做项目风险评审。经过评审会通过的项目，才发放贷款。或者经过评审会通过的项目，才能发布借款标。 （2）对单个项目进行审查，其不超过担保公司净资产10%，不投向国家不支持、限制性或禁止性的行业。 （3）有些P2P平台以短期借款为主，一般不超过12个月，最长不超过24个月。 比如：积木盒子；易通贷；投米网；红岭创投；投哪网；鑫合汇；合力贷 二、资金的第三方托管 根据《关于促进互联网金融健康发展的指导意见》第十四条的规定，从业机构应当选择符合条件的银行业金融机构作为资金存管机构。目前，一些P2P网贷平台主动选择第三方托管方式，来使平台与投资者的资金池相隔离。 比如： （一）与非银行支付机构合作的有： （1）利魔方与易宝支付（https://www.doczj.com/doc/3d10955559.html,）合作； （2）易贷网与中金支付合作，将与中国农业银行合作； （3）信融财富与财付通合作。
互联网金融的“鲶鱼效应” 互联网金融的出现和快速扩张带给传统金融的影响将在未来集中体现，如何将互联网、大数据和云计算技术更好地融入现仃的专业化服务和风控体系才是传统金融业面临的主要挑战。 如今，互联网金融行业发展迅速，在新的发展环境和市场格局下，各相关行业纷纷显露不同的业态。互联网企业涉足互联网金融行业并积极向金融领域纵深发展，传统行业以电商为切人点跨界互联网金融，商业银行等传统金融行业遭遇了严重的冲击和巨大的挑战。 互联网企业积极涉足互联网金融行业阿里集团深度布局支付宝，设立网络小额贷款公司，余额宝引领互联网销售基金的“宝宝”时代；腾讯紧跟阿里的脚步布局第三方支付和互联网基金销售等领域；百度与中信银行商谈合作网络直销银行。以BAT为首的大型互联网企业纷纷大举进军互联网金融行业，可以说，互联网企业是国内积极涉足互联网金融领域的第一梯队。 由边缘向核心靠拢互联网企业涉足互联网金融行业是由作为金融行业基石之一的第三方支付人手的，随后，依托企业自身的优势掀起互联网基金销售的热潮。而在金融行业
实现纵深发展的标志则是阿里、苏宁等成立网络小额贷款公司，开始从事资金的借贷业务。此后，百度积极寻求与中信银行合作成立网络直销银行。这一系列渐进式推动行为无疑是由BAT等互联网行业巨头发起的，未来，互联网企业在金融领域的话语权仍将集中在几大互联网巨头手中。 传统行业逐渐涉足互联网金融与互联网企业大举进攻 相对应的，是传统行业的大力追赶。宝钢、海尔等传统行业的龙头企业通过设立电商平台、支付平台的方式布局互联网金融，随后，全球代工产业巨头富土康开始进军金融业。相比之下，金融行业的利润较工业、加工等传统行业更高，且在企业转型升级的推动下，传统行业巨头最先寻求向高技术、轻资产的转型，但传统行业的辐射面较广，规模较大，涉足互联网金融的动作相比于轻资产、重体验的互联网企业要迟缓一些。 互联网金融给传统金融带来挑战短期来看，互联网金 融的快速扩张对传统金融行业的影响有限，银行、保险、证券等传统金融行业本身体量巨大，拥有成熟的风控体系，并处于严格的监管环境之中，短期内新兴的互联网金融难以对传统金融带来颠覆性影响。但是，随着熟悉网络的新生代的逐渐成长，互联网将进一步深入人们的生活。未来，包括金融业在内的众多行业都将面临体验性更好、智能程度更高的转型要求，金融业必将转型成为一个全新的模式和业态。因
互联网金融风控模型 一、市场调研 目前市面主流的风控模型 1、互联网金融前10名排行榜(数据截止日期2017-09-12) 互联网金融公司排名分别是蚂蚁金服、陆金所、京东金融、苏宁金融、百度金融、腾讯理财通、宜信、钱大掌柜、万达金融和网易理财。 1.1 蚂蚁金服 1.1.1 大数据技术 对接第三方征信公司芝麻信用分，通过用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度对海量数据行综合的处理评估，同时也给予阿里电商交易和蚂蚁金服互联网金融交易数据，对接公安系统和第三方数据公司建立联系。(这块就是用户画像的作用，投资人画像，融资企业/个人画像，这块的内容比较复杂。后面一定会展开分析，风险定价，推荐系统全部靠它了) 1.1.2 人脸识别技术 人脸识别技术核心算法分别是活体检测算法、图像脱敏算法以及人脸比对算法，国际公开人脸数据库 LFW 上，人脸识别算法准确率(99%)。(像这块的技术已经很成熟有百度都已经推出成型产品，可以通过人脸识别对融资企业/法人进行风险验证，是否存在风险欺诈，多头借贷等嫌疑) 1.1.3 云计算技术
是一个开放的云平台，它助力金融创新、助力金融机构的IT架构实现升级，去构建更加稳健安全、低成本、敏捷创新的金融级应用。(其实就高可用，可靠性等) 1.1.4 风控技术 历史交易数据进行个性化的验证，提高账户安全性。80%左右的风险事件在智能风控环节就能解决。除了事后审核，事前预防、事中监控也非常重要——事前,将账户的风险分级，不同账户对应不同风险等级；事中，对新上线的产品进行风险评审以及监控策略方案评审。(解决80%的问题因此这块才是真正的核心。贷前，贷中，贷后等方方面面的监控，贷前最为重要，如何去检测，抓取哪些数据，与哪些第三方平台合作) 1.1.5 人工智能技术 蚂蚁金服通过大数据挖掘和语义分析技术来实现问题的自动判断和预测。可以识别到用户的身份信息,总结在大的用户层面大家可能都会遇到的问题，100%的自动语音识别。智能质检能力与智能赔付能力，具备了品质的判断能力以及情感判断能力。(总结:公司 PC 的人工语言不完善，很多关键字无法识别。这块应该跟后台没有交互，数据都是写死。移动端也可以考虑在标的详情页介入 draglayout 控件进行智能语音服务，解答用户疑惑。技术核心应该是在数据挖掘，语义分析技术等方式) 1.2 陆金所风控调研 1.2.1 七步风控体系
互联网金融反欺诈 如果说互联网时代可以追踪一个人当下的信息，那么大数据时代，可以通过技术“预知”一个人未来的行为方式。具体到P2P网贷平台，则可以通过对数据的抓取和挖掘分析，根据借款人以往的各种商业信息作参考，判断他们的风险系数，欺诈和预期的可能性。 在中国，信用借款坏账大致分为两类：一类是借款人在借款时主观上就不想还款，这被称之为欺诈；另一类是借款后，还款能力出现了问题而还不起款。由于国内个人征信体系尚不完善，中国欺诈违约比例明显高于国外。 传统P2P贷款审批业务主要基于审贷人员的主观判断，初步的定性分析以及政策制度来实现。由于目前征信及监管环境的限制，P2P平台很难获得充裕的数据、信用记录用于信贷管理环节，一定程度上推高了行业的信贷风险。如今，风险控制能力和作业效率将成为未来的核心竞争力。然而，对于P2P平台来讲，数据量化风控体系不是简单的数据堆积，而是一种发现有效数据、数据间的相互关系以及挖掘数据背后隐藏的信息的能力，从而更好地对个人信用风险进行评估。 现在，低廉的线上造假成本和层出不穷的信用诈骗手段，大大降低了网贷申请过程中诈骗难度，给P2P平台风险识别带来了很大的挑战。 据普惠金融信息服务有限公司此前发布的信审数据库统计显示，每100个拒贷案件中，就有16起涉及不同程度的蓄意造假或欺骗，欺诈行为已经成为P2P平台风控要面对的大敌之一。网贷行业存在严重造假行为的原因包括：线上造假成本低廉、诈骗技术不断更新，包装代办公司迅速崛起，社会个人征信体系不完善，大量平台对风控的重视程度低等。 由于P2P目标人群属于社会信用领域的次级人群，具有信用行为的特殊性和复杂性，无法参考传统银行的基于抵押为核心的贷款模式，在进行反欺诈甄别过程中，需要考虑的变量数量更多，各变量之间的关联性更为复杂。
互联网金融六大模式(详细介绍)
————————————————————————————————作者: ————————————————————————————————日期：
文/北京软件和信息服务交易所罗明雄丁玲 【摘要】互联网金融持续火爆的今天,为了对互联网金融的模式做一个清晰的界定，软交所互联网金融实验室从2012年开始，通过持续对互联网金融领域企业进行调研走访,深度解析互联网金融相关资讯，并对互联网金融创新产品、现象进行认真研究，最终系统梳理出了第三方支付、P2P网贷、大数据金融、众筹、信息化金融机构、互联网金融门户等六大互联网金融模式，本文将逐一为您解析。 【关键词】互联网金融第三方支付P２P网贷大数据金融众筹互联网金融门户 当“互联网”与“金融”这两个当下社会最热、几乎平均薪酬最高的行业结合在一起的时候，将发出何种火星撞地球的碰撞？这是笔者在2012年下半年时的思考,但是当进入2013年秋季之时，才发现金融已经完全从一个高贵、专业、远离大众的行业，随着互联网金融的迅猛发展,已经成为街头巷尾热议的话题,并持续占据着诸多媒体重要版面。 “屌丝理财神器”余额宝上市两周就吸金6６．01亿元；互联网门户巨头新浪也已获得第三方支付牌照，开始发行“微博钱包”;京东商城刚对外宣布经成立金融集团,融3６0的3０00万美金融资案例让互联网金融领域的创业者心动不已，苏宁银行、阿里银行或真或假的传闻一再牵动人们的神经……一个未来金融的新格局正随着互联网金融的发展壮大逐渐成型。互联网金融来势汹汹,几乎各大金融网站、杂志、金融论坛都在谈它的前世今生,都在猜测它会何去何从。 互联网金融，是利用互联网技术和移动通信技术等一系列现代信息科技技术实现资金融通的一种新兴金融模式。在此种模式下,市场信息不对称程度非常低，资金供需双方能够通过网络直接对接,交易成本大大减少。 对于这样一个新兴概念的出现,大多数人是激动的、狂喜的，以至于把任何带点互联网和金融表象的事物都称之为互联网金融，对互联网金融的讨论很多,却很少有人站出来将其做一个系统的分类。虽然中国投资有限公司副总经理谢平在其２0１2年8月主笔的《互联网金融模式研究》中对互联网金融的定义及支付方式、信息处理和资源配置三个核心部分进行详细分析，但也仅主要分析了手机银行和P2P融资模式。最近业内也有人将众筹、比特币、余额宝等都作为互联网金融单独的模式，并有不同的分类说明。但随着互联网金融领域的不断创新,以及社会对互联网金融的认识不断加深，目前社会上的一些定义及模式分类还是难以全面覆盖当前互联网金融的发展状态。 为了对互联网金融的模式做一个清晰的界定,软交所互联网金融实验室从２01２年开始,通过持续对互联网金融领域企业进行调研走访，深度解析互联网金融相关资讯,并对互联网金融创新产品、现象进行认真研究,最终系统梳理出了第三方支付、P２Ｐ网贷、大数据金融、众筹、信息化金融机构、互联网金融门户等六大互联网金融模式,并由罗明雄于20１3年４月２1日举办的“清华金融周互联网金融论坛”上首次提出。 基于最近互联网金融火爆现象，为了更好的将软交所互联网金融实验室研究成果与业界进行交流探讨,笔者将基于互联网金融并有一定商业模式下的现象分为六大模式，并逐一进行简要解析,以飨读者。
互联网金融的风险防范与控制 作者单位：江苏银行淮安分行盱眙支行 互联网金融是金融和互联网技术的融合，涵盖了所有金融交易和组织形式，涉及传统银行、证券、保险的金融中介和依托第三方支付、社交网络、搜索引擎和云计算等互联网工具运作的非金融中介。从2013年开始，中国出现了一波基于互联网的新金融产品，它们正在改变金融服务的传统格局，为整个金融业注入一股新鲜的力量。 在中国经济发展背景下，互联网金融主要的模式，包括第三方支付（支付宝、微信支付等），P2P贷款(拍拍贷、人人贷等)，网络小额贷款，保险和网络证券、大数据金融、众筹和网上银行。从用户需求角度，互联网金融通常包括三个业务领域，即第三方支付、互联网融资和互联网投资。中国领先的电子商务公司阿里巴巴，还有苏宁和京东，以及互联网公司例如腾讯和百度，都推出了众多互联网金融产品，如阿里巴巴余额宝，百度百赚利和腾讯理财通，经过几年的发展与壮大，它们在中国逐渐成为主流的互联网金融产品，为国内的广大投资者服务。 伴随着快速发展的步伐，互联网金融也进入了风险的集中爆发期，不少的P2P平台跑路或倒闭，部分第三方支付机构被曝由搜索引擎抓取顾客转账信息，还有挪用客户备付金，另外最近广受媒体关注的e租宝（金易融网络科技有限公司）非法集资，给广大群众带来严重财产损失的恶性事件等，都严重扰乱了金融行业的秩序。因为以网络技术为依托
开展业务，互联网金融产品通常牵涉线上线下用户数量众多，涉及金额巨大并且分布范围广，所以互联网金融一旦出现安全问题，风险就会急剧爆发并迅速蔓延，危害公共秩序，影响社会稳定，严重的后果不得不引起公众的关注。 一、法律风险 互联网金融的参与机构更多是非金融机构与电商，而现有的法律规定是针对传统金融行业制定的，尽管双方有重合交叉的部分，但对互联网金融的适用性依然较弱，缺乏直接针对性，则会出现监管主体不明确导致监管无力、顾客隐私受侵害而无法诉诸赔偿、某些网络融资行为演变成非法集资、缺失客户资金第三方存管制度导致资金沉淀却另作他用，赎回困难等情况，严重扰乱金融秩序。因此政策与法规的高度不确定性，要求制定专门法律来管制互联网金融，但互联网金融这个立法对象的复杂性，决定了其的立法难度远大于传统金融。 二、监管风险 互联网金融所依托的信息技术环境不断变化，给监管部门带来新的挑战。一方面，跨行业、跨领域、业务交叉性较强等是很多互联网金融机构的业务具有的广泛特征，但跨部门监管协调机制尚不成熟，导致互联网金融业存在较多领域监管不到和监管不力的现象。另一方面，互联网金融的交易依托互联网进行，内部系统产生虚拟化操作，使金融业务失去了时间和空间的限制，交易对象模糊。在不透明的交易过程中，监
互联网金融做大数据风控的九种维度 在互联网金融迅猛发展的背景下，风险控制问题已然成为行业焦点，基于大数据的风控模型正在成为互联网金融领域的热门战场。那么，大数据风控到底是怎么一回事呢？与传统风控相比，它又是怎样来进行风险识别的呢？本文对此进行了探讨。 大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另外一个是大数据风控，典型的场景是互联网金融的大数据风控。 金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。
互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中，首先还是利用信用属性强的金融数据，判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用风险之间的关系。 互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。常用的互联网金融大数据风控方式有以下几种： 1验证借款人身份 验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。 如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通／公安局API接口，将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。
互联网金融是指传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。基于互联网金融行业格局，其业务模式和细分为网络融资平台（以P2P和众筹两种模式为代表）、网络征信、互联网支付、网络第三方代销等多个子行业领域。互联网金融产业发展潜力巨大，2015年7月18日十部委《关于促进互联网金融健康发展的指导意见》的出台，第一次从中央政策的角度肯定了基于互联网的金融创新，政策落地将成为行业爆发的催化剂。但同时互联网金融公司也面临子行业竞争激烈、公司体量较小、市场份额和知名度不高、监管限制等多种尴尬得局面。 1. P2P 网络借贷 P2P 网络借贷（Peer to Peer Lending），是指个体和个体之间通过网络借贷平台实现的直接、小额信用借贷，因此又称为“个体网络借贷”。“个体”包含自然人、法人及其他组织。P2P 网络借贷平台实际上就是专门设置的网络借贷信息中介机构，属于民间借贷范畴。 （1）竞争趋向激烈，监管从严，网络借贷平台进入洗牌期 P2P行业自2013年之后经历了爆发式增长，运营平台数量以平均每月100家以上的速度增加，到2015年平台数量已达到5135家。随着《网络借贷信息中介机构业务活动管理暂行办法（征求意见稿）》和《网络借贷信息中介机构业务活动管理暂行办法》的落地，P2P 平台增长速度放缓，截止到2016年12月，平台数量为5881家。 虽然整个网贷市场还有较大发展潜力，但不可避免各平台间竞争将日趋激烈。P2P网贷平台的投资门槛比较灵活，一般以个人为主，额度通常比较小，相较银行理财产品、信托等门槛均要低；借款人一方采用信用模式的借款，不要求担保或抵押，在获得信贷的难度上较银行等传统金融低。因此，基于P2P网贷平台的特征，其借贷利率较传统融资方式更高。由于P2P的利息比较高，而可承担此高息的优质资产却并不太多，导致P2P对优质资产的抢夺比资金端更加激烈。同时较高的收益也必然需要承担较高的投资风险，P2P网贷平台和投资者仅靠网络信息的汇总分析对客户信息真实性和还款能力进行审核，对借款人的信用状况掌握和风险承担能力不及传统金融机构，部分规模较小，技术差、风控偏弱的P2P公司会出现运营风险的问题，导致最终退出P2P的市场。
●《互联网金融风险控制》基本简介： 什么是互联网金融风险？具体有哪些风险？怎么管理和控制？ 针对上述问题，本书系统全面地介绍了互联网金融风险控制的有关内容。书中不仅介绍了互联网金融风险的概念、互联网金融风险的种类与特点，而且分别从投资者、从业者和管理者的角度，详细介绍了第三方支付、P2P网络贷款、众筹融资、互联网消费金融、互联网保险、网上银行等细分行业的具体风险，并且给出了相应的风险控制建议。作者结合当下各种实操案例编写相关章节，不仅体现出互联网金融风险控制的实操性，而且会让读者更加容易理解与掌握相关内容。 《互联网金融风险控制》适合互联网金融行业的投资者、从业人员、监管机构人员阅读，也适合高等院校金融专业的师生以及对互联网金融感兴趣的读者阅读。 ●《互联网金融风险控制》课程大纲 第一章金融风险与管理 一、金融风险的含义和特征 （一）金融风险的含义 （二）金融风险的特征 二、金融风险的种类 （一）市场风险 （二）信用风险 （三）流动性风险 （四）操作风险 （五）声誉风险 （六）法律风险 三、金融风险的对经济的影响 （一）金融风险对微观经济的影响 （二）金融风险对宏观经济的影响 四、金融风险的管理 （一）金融风险管理对经济的作用 （二）微观金融风险管理 （三）宏观金融风险管理 （四）金融风险管理的程序 第二章互联网金融的种类与风险 一、互联网金融的种类 （一）P2P网络借贷 （二）移动支付 （三）互联网众筹 （四）大数据金融 （五）信息化金融机构 （六）互联网金融门户 二、互联网金融的风险类别 （一）信用违约和欺诈风险
（二）互联网技术风险 （三）法律风险 （四）政策与监管风险 （五）流动性风险 （六）消费者权益被侵犯风险 三、互联网金融的防范措施与监管意见 （一）互联网金融企业要严格守法 （二）建立和完善相关法律法规体系 第三章P2P公司面临的风险及风险控制 一、P2P的业务类型及风险点 （一）P2P的业务类型 （二）P2P不同业务类型的原理及风险控制点 二、P2P行业的风控挑战 （一）客户风险较高 （二）客户信用信息不全 （三）"羊毛党"的增多 （四）恶意欺诈投资者众多 （五）客户违约成本低，债务收回成本高 三、P2P平台对借款人的风险识别及防控方法 （一）网贷借款人经验及能力不足的风险及防控方法（二）网贷借款人居住不稳定的风险及防控方法（三）网贷借款人或家人的健康风险及防控方法（四）网贷借款人信用风险及防控方法 （五）网贷借款人还款能力不足的风险及防控 四、P2P平台债权转让的模式及风险防范 （一）P2P平台债权转让的模式 （二）P2P债权转让被禁止的原因 （三）专业放贷人模式的法律风险 （四）P2P平台债权转让的法律风险防范 五、P2P公司应建立科学的风控体系 （一）科学风控的重要性 （二）科学风控的划分 六、P2P公司对贷款企业进行风控分析的技巧 （一）给借款企业快速定位 （二）企业现金流水分析 （三）企业收入分析 七、P2P公司应实行审贷分离制度 （一）审贷分离的形式 （二）信贷业务岗与信贷审查岗的职责 （三）审查人员需遵守的原则 （四）审贷分离的实施要点 （五）审贷分离的意义 八、P2P公司风控人员必备的审核查询网站
互联网金融风控模式解析 据相关数据统计截止2015年8月，全国总共有超过3000余家的P2P网贷平台。当前互联网金融蓬勃发展，金融真正的核心是风险控制，风控的代表模式有以下几种。 首先是平台运作模式。这种模式以人人贷为代表，主要是做居间服务，借款人发布借款信息，出借人根据借款人信息选择是否借款。同时，它也是一种资金池模式，出借人购买计划，自动投标到各借款人，并且资金循环使用。平台自身并不直接参与借款交易，这就要求必须实地审核借款人信息，确保真实，否则很容易出现违约。 第二是本金保障模式，以你我贷为代表。平台为所有投资人建立“本金保障计划”，用于保障全体投资人的资金安全，投资人在你我贷的投资行为为100％适用于本金保障计划。这笔资金将专门用于在一定限额内偿付你我贷所服务的投资人由于借款人的违约所遭受的本金或本息的损失。当借款人逾期时，依照“风险备用金账户资金使用规则”提取相应资金用于偿付本息金额。 第三种模式是引入担保公司等机构，代表平台是积木盒子。积木盒子团队会对融资性项目实现立体多层次的数据采集，以确保项目及融资需求真实、合法，为保险把控提供可信依据；另外，与担保公司合作，由担保公司为积木盒子投资人提供全额的连带责任本息担保；通过多层次的保证金制度、风险互助金制度、法律援助基金等风险缓冲机制保障投资安全。 第四种模式是房产抵押，代表平台国诚金融。国诚金融从一开始就标榜做房产抵押市场第一名，符合P2P专业化的趋势。国诚金融要求借款者必须抵押房产，房产需办理他项权证和全权委托公证，借款额度为6折以内。如果借款者预期，则国诚金融代投资人处理房产。房产抵押是国内较透明的抵押资产，这种风控模式可以保证借款者有逾期，无坏账。 四种风控模式很难说孰优孰劣，但都代表了P2P行业发展的里程碑。 而平安普惠，目前已建立起来一整套包括信贷风险管理、审贷授信管理系统的风控管理机制。包括贯穿信贷事前、事中、事后全过程的中央风控机制，采用了周期性风险管理方法，通过常规营业部门、审批风控中心和风险控制部门这“三道防线”，全方位、不间断对客户信息进行动态监控。 此外，平安普惠11年来积累的大数据优势创新风控模式并借鉴国际消费信贷行业领先技术，不断优化我们的风控模型，让客户能够在模型中，获得更多维度的评估，并不断完善信贷风险管理和审贷授信管理系统的中央风控管理机制。同时平安在普惠金融领域中使用的评分卡模型，借鉴了国际消费信贷行业的领先技术，并结合自身多年积累的业务数据，基于信用记录、客户自然属性、第三方大数据信息，综合评估客户风险。 未来的互联网金融行业一定还会诞生更多更有特色的风控模式，一系列风控模式的创新将成为一般不可阻挡的金融变革力量。 讲脇耶
大数据在互联网金融风控中的应用 互联金融是一种新兴金融，依托于互联工具如社交络、云计算、搜索引擎等实现资金的融通、支付等业务，保证在安全、移动等络水平上被电子商务用户接受以后产生的新模式、新业务，适应更多人的需求。未来的互联金融发展空间无限大，现阶段互联竞争不只是平台的竞争，更是大数据的竞争。 1 互？金融和大数据的特点 互联金融的特点 交易成本低廉：资金供给双方在资金的融通过程中所发生的成本称之为交易成本，互联借助信息络，减少了人力、物力的投入，发布信息、匹配产品、定价、交易都依靠互联完成，大大降低了交易成本。 交易过程快捷简单：互联金融模式下金融业务由计算机操作，效率高、速度快，不受时间、空间的限制，客户只需要一台电脑就可以实现资金的高效运转。 数据价值大：依托于大数据和电子商务，互联金融实现飞速发展，互联的便利性使得人们的生活和工作依赖于互联，将一些单位和个人的消费信息在络空间暴露，产生了海量的数据库，数据就是资源，只要加以分析和研究就是巨大的商业价值。 风险系数高、创新强：随着科技的发展，不断产生新的金融产品、融资形式，一些互联产品和支付方式也层出不穷，如络银行、络保险公司、众筹融资、络证券公司、余额宝、支付宝、微信支付、络贷款等。但现阶段对互联金融的监管力度较弱，缺乏法律约束，导致一些不法分子非法集资，进行络诈骗，严重危害了互联金融的安全。 大数据技术 大数据是在信息时代由硅图公司麦肯锡提出的全新概念，用来描述和定义信息时代的海量数据，是从各种海量的数据中快速寻找有价值的信息，进行高度提纯，增加数据信息的利用率。大数据技术体系分为大数据的采集与预处理、存储与管理、计算模式与系统、分析与挖掘、可视化计算、隐私与安全等方面，可优化数据处理环节，提高数据处理效率。其特点主要是数据体量大、类型多、处理速度快、价值密度低。当今社会大数据无处不在，渗透在人们日常的生活、学习、工作中。以阿里巴巴小额贷款为例，20XX年累计放款1953亿元人民币，交易额增长了40%。大数据的利用能够有效降低交易成本，提高交易频率，拓宽交易空
龙源期刊网 https://www.doczj.com/doc/3d10955559.html, 论互联网金融风控六大维度的重要性 作者：谢钟波杜红祥黄永德 来源：《大经贸》2016年第11期 【摘要】在互联网金融迅猛发展的背景下，风险控制问题已然成为行业焦点，基于大数据的风控模型正在成为互联网金融领域的热门战场。那么，大数据风控到底是怎么一回事呢？与传统风控相比，它又是怎样来进行风险识别的呢？本论文将对此进行了探讨。 【关键词】互联网金融风险控制手段 金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。 互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。常用的互联网金融大数据风控方式有以下几种： 1 验证借款人身份 验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。 如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通/公安局API接口，将申请人实时拍摄的照片/视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。 2 分析提交的信息来识别欺诈 线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同。还有一些填写假的小区、地址和单位名称以及电话等。 如果企业发现一些重复的信息和电话号码，申请人欺诈的可能性就会很高。 3 分析客户线上申请行为来识别欺诈
浅议互联网金融风险控制 民贷网张艳 由于风险存在损失的不定性，所以企业才出现了风险管理和风险控制。 第一了解两个概念：风险管理和风险控制。 风险管理：是指如何在项目或者企业在一定的风险的环境里，把风险减至最低的管理过程。 它的基本程序包括风险识别、风险估测、风险评价、风险控制和风险管理效果评价等环节。 风险控制：是指风险管理者采取各种措施和方法,消灭或减少风险事件发生的各种可能性,或者减少风险事件发生时造成的损失。所以其实风险控制是风险管理中的一个环节。 下面是对风险管控常见问题的解答。 一、目前最常用的风控模型是哪些？ 风控模型：常用于担保公司，测算最高能够承受的风险，并且根据市场与资本，建立最有效的风控模型进行风险手段。 风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有效的数据分析及评分体系，就是建立常用的风控模型方式； 首先，金融公司设计的任何形态的风控模型，都要符合自身企业的业务发展及市场需求，它的数值变化规则，还是要基于大数据和企业最基本能承受风险客户的能力，测算一个范围化的模型，也就是风控一个度的把握了；如果企业自身测算最高风险承受能力较强那么在建立模型过程中，评分卡的数值范围能做相应调整，但是宽松到什么尺度，就是各个企业风控人员，对自身企业的专业理解能力，和逻辑思维推断能力来决定的了。 模型范围中的数值及信息来源，是包括但不限于目标客户群体，或目标项目的风险预测能力，所能最高承受什么样的风险发生？在风险发生进行时，如何及时做到止损状态，
并能同时做到调整风控策略、多种备用防范预案设置，预警分类等，一旦止损失败损失状态，公司的能承受的损失底线是什么； 什么样的风险出现下，公司不能承受？最终还没止损，就会走到了崩塌的尴尬境界，最常见的说法就是跑路。 风控模型如果真要界定一个衡量标准或者说最常用的，那么就是评分卡、风控模型架构制定、风控操作模型等，其实我觉得目前市场，也没有一个明确的衡量标准。 个人认为还是适合自己企业的风控模型。因为每个企业的趋向的产品设计、行业分析的偏好都不同，如果真的说想要建立风控模型标准，那么只有在各个公司自有特点情况下，去变化控制数值，也就是建立属于自己的评分卡或者评分机制，但是也要通过一定的市场累计数据值，来设置企业特色的评分类风控系数。 不过我认为不管何种风控模型下，都要注意在降低风险的同时，测算收益率、承受能力（抗压能力）和成本分摊能力之间的平衡，降低或者分摊，甚至消化损失发生概率，风控人员也要反复推测到某一个产品，当风险发生时，是否有足够的预案，将损失降低到最低限度。 二目前最大的几家平台有什么异同？ 首先我不会去评测任何一家公司的风控异同，因为产品不同（差异化产品结构），导向认定的客户群体不同（目标客户群体）等。因为每家风控专业人员，对于产品偏好行业不同，每个公司的风控都有自己特色的风控存在形式、行业优势，每个公司风控都会对某个或某些行业了解很透彻，或者对特定项目有独特的掌控能力，或有一定从业的行业经验，例如很多同行业风控来自：法律、银行、资本市场、保险、融租、房地产、贸易链、实体经营产业、甚至三农等等，所以他们对于某一个风控点，都有很好的把握度，这就是行业分析和企业偏好问题了，这也直接影响到每个公司的产品差异。
阿里小贷的互联网金融创新及风险控制摘要：阿里小贷模式是传统小额贷款模式与互联网金融相结合的产物。它是阿里巴巴集团运用大数据金融技术，以阿里巴巴平台内的电子商务的行为数据为信用依据，为中小网商提供小额网络信用贷款服务而建立的一种网上微型金融模式。本文旨在探讨这种模式的主要特点、产生背景、与传统金融的比较优势、主要风险及风险控制措施，产品功能完善对策建议。 关键词：阿里小贷模式；大数据金融；中小网商；风险控制 一．阿里小贷产生的背景及主要特点 阿里巴巴集团旗下的浙江阿里巴巴小额贷款股份有限公司（以下简称阿里小贷）的成立有着其特殊的背景，这主要是由两个因素决定的：1、中国中小民营企业融资难问题。从改革开放至今，由于中国金融业长期将放贷重心放在国有大中型企业，所以导致我国大量的中小企业在发展过程中普遍面临贷款融资难的问题。2、阿里巴巴平台的建立，平台内中小网商随着业务的发展也逐渐面临着融资难题。阿里巴巴平台的建立是阿里小贷产生的直接推动力。该平台是由马云在1999年一手创立企业对企业的网上贸易市场平台，到目前为止，该平台内已经入驻了超过一千万家中小网商。这些网商在日常交易中产生了大量电子商务数据，阿里小贷通过特定的模型将这些数据加以整合分析，从而建立了一个巨大的数据库。当某个网商需要短期贷款时，阿里小贷只需通过提取数据库内信用评估报告再加上一些其他的评估手段就可以判断是否应该贷款给该网商。
阿里小贷从本质上来说是属于一般的小额贷款公司，但我们仍然将其归类为互联网金融创新产品，这是基于这样的考虑：大数据金融。何为大数据金融，即集合海量非结构化数据，通过对其进行实时分析，准确预测客户风险状况和资金需求的信用分析技术。通过大数据金融技术，阿里小贷解决了传统小额贷款公司对贷款对象信用风险信息评估不足的问题。同时由于中国国有银行（即传统金融）长期以来只注重和国有企业和大型民企发生信贷关系，所以在对中小民企的信贷融资业务方面与阿里小贷相比并没有什么优势。阿里小贷正是看重互联网金融和中小企业融资难问题这两点，所以在最近这几年得到了相当大的发展。 阿里小贷公司的主要特点有：1、客户群主要面向阿里巴巴平台内的中小网商，贷款额为低于50万的短期贷款，利息低，零门槛。截止2012年末，阿里小贷累计借贷的中小企业数超过20万户，这些企业年平均占用资金时长123天，实际付出年化利率成本为6.7%。2、在线操作，审批快捷，成本低廉。中小网商只需在平台官网上在线申请，在线完成风险信用评估，整个办理流程只需2到3天，其成本低廉，支付方便，按日计息。3、其短期贷款属于纯信用贷款，无抵押，无担保。中小企业之所以存在融资难问题，主要是其无法提供抵押担保品，同时贷款人也无法对贷款对象的信用状况做出准确完善的评估。阿里小贷的优势在此就充分表现出来了。 二．与传统金融的比较优势 由于阿里小贷在互联网金融方面较传统金融走得更远，同时由于两者所面对