互联网金融发展的问题与监管
2014-04-28

 互联网金融发展的问题与监管

  互联网金融发展中存在的问题

  主持人:互联网金融依托云计算、大数据等IT技术的发展而蓬勃发展。虽然互联网金融取得了实质性的发展,但是在发展过程中也存在着一系列的问题。究竟哪些问题会影响互联网金融的进一步发展?

  李麟:互联网金融的理论框架已经基本形成:互联网金融的支付框架、理论依据已经建立;互联网行业的基本特征也梳理完毕;我们基本认同互联网技术的发展趋势。总体来讲,在互联网金融浩荡发展之时,互联网金融与传统金融机构需要相互学习。

  当互联网金融的理论框架形成之后,落实到现实上还存在以下四个问题。

  首先,互联网技术的优点是强大,缺点是过于强大。银行是行政性垄断,互联网是技术性垄断。互联网技术没有边界,从理论来讲,完全可以发展到世界各地,边界成本为零。技术无边界、资金无国界,当两者相结合会产生什么后果?正如克隆技术一样,克隆技术很好,但是不能克隆人。

  其次,在实际运行中,互联网区域存在着大量的信息不对称问题。由于信息不对称导致理论落实到现实会形成很大的冲突。信息不对称表现之一是在互联网的广泛应用中没有实名制。互联网金融包括大数据、云计算、平台、移动金融四个关键环节,这些都没有实现实名制。表现之二是金融信息不对称。没有管制的技术是非常了不起的,特别是在资金无国界的背景下,信贷审批要求自有资金占30%,但是究竟这些资金是自有的,还是借来的,很难确定。如何保证资产负债表上的金融信息、行为信息的准确性,这是问题。

  再次是线上和线下一致性的问题。线上能不能落地?如果能够落地,那么线上的伦理和线下的社会如何融合?在监管方面,如何将线下银行的规则运用到线上金融机构上?线上和线下的风险判断标准不同,线上的风险判断是考察违约率(主要通过刷好评),若刷了9999个好评就能获得非常高的皇冠;而线下不仅仅考虑违约率,还要考虑违约损失率,两者是并重的。比如,9999个好评,即万分之一的违约率,但是一旦发生违约损失却非常大。所以线上和线下的一致性是当前的一个大问题。刷标的互联网风控标准与线下的风控标准差异非常大。

  最后是反洗钱问题。线下对洗钱的监管要求很严;而线上由于资金是没有记号的,都是数字,很难监管。监管需要考虑效率和成本。按照现在线下的监管标准,我们需要在线上监管上投入多少成本?

  如上四类问题可能并不单一,而是互通的,因为技术无国界,市场也无边界。

  大数据的作用及影响

  主持人:互联网金融的发展依托大数据,那么大数据的特征有哪些?优势在什么地方?它给传统金融机构带来了哪些机遇与挑战?

  张晓蕾:传统商业银行也有广泛使用大数据技术,但对技术的依赖程度是一个值得研究的课题。

  举个简单的例子,渣打银行的程序性借贷(其中也包括个人借贷)是通过搜集大数据,并设定参数,这是一个自动撮合的过程。整个借贷流程非常快速,以新加坡为例,两个小时就可以完成审批。产品本身非常好,快速、高效,且成本低廉。但是其发展速度受到一定限制。经过多年的摸索,我们发现,这个业务的增长速度与其坏账增长并不呈现为线性关系,在飞速增长达到临界点后,其坏账明显增加。当然这与地域有一定关系。

  商业银行为什么需要不断调整自身使用的模型?因为这些模型本身就是风险的来源,调整模型意味着对风险的控制,这也是新的第三方机构需要累积的经验。比如证券界流行的量化策略,实际上是应用历史数据和概率进行投资策略的模型。根据这个理论制定策略,我们却发现黑天鹅事件导致了机构的倒闭,这就是系统之外的突发性风险。

  传统商业银行不能忽视大数据时代的到来,这意味着成本的大幅度下降。如果我们不能面对这样的转变,未来我们可能在很多领域都要让位于在大数据方面有很大优势的新进者。

  从另外一个角度来讲,新进者在提供金融服务时,必须要考量传统金融行业行之有效的风控。为什么银行要花这么高的成本去做风控及信贷审批,特别是中型以上的金融机构,基本还是以人为考量标准,如果不能面对面看到贷款方,很难做出重大决策。

  武剑:银行对互联网金融的关注始于余额宝,他们一开始并没有正视这个问题,对余额宝的影响估计不足。现在大家都在逐渐适应的过程中,目前尚存在监管的盲区,有一定套利的空间,但它不会是长期问题。我们更关注的是互联网金融的深层次影响,由于近年来移动互联网的飞速发展,导致数据量激增,形成大数据现象。IBM的研究显示,近两年全球产生的数据量,相当于整个人类有记录以来数据量的90%以上,而且还在以几何倍数的速度上升。并且这些大数据不光是海量,而且主要是非结构化的。以前银行处理的数据都是结构化的,比较规范、标准,这方面的经验比较多。而现在各种渠道获得的数据,有音频、图像、视频等各种各样形式,我们不知道应该如何应对。另外,大数据还有一个特点是实时在线。传统数据的生产、存储以及调用是分割的,很多数据在采集之前就已经经过了人脑有意识处理,如市场调查产生的数据,而大数据的产生和捕获都是在人们无意识地正常生产经营活动中进行,做到了反映真实,并一直在线,再借助以云计算为代表的新型处理方法,就能将在线的大数据实时进行分析,并将分析结果随时调用。

  从战略层面而言,将来银行的业务都会搬到线上,所有金融机构的竞争将在信息平台上展开,从这个角度来讲,简单概括成一句话就是 数据为王。将来谁掌握大数据资源,谁就掌握了风险定价的主动权,也就可以获得准确、高额的风险收益,最终获得竞争优势。

  银行做风险评估模型的时候用的主要是结构化数据,往往是滞后的,比如财务报表是上一年度的,很多数据是静态的、局部的,而且是容易被粉饰和掺水的。采用这种数据做前瞻性预测效果可想而知。从目前情况看,五大行的内部评级模型都已经通过了银监会最近的验证,但是这些数据和模型准确性还是令人疑虑。现在的数据库是过去5-7年的,是在经济繁荣时期积累下来的,没有经过一个完整的经济周期,将来一旦系统性风险爆发,再回头看这些数据很可能低估了潜在的风险。

  应用大数据思维,银行可以根据纳税记录、刷卡记录、存货变动等动态数据进行信用观察,只要观测流量达到标准,就可以发放贷款,采用这种评估方式发放的贷款违约率很低,这就是大数据的作用各种不同类型、不规范的数据都可能是有价值的。

  大数据不光能够改进风险管理的技术,还能促进商业银行的业务转型。商业银行的转型已经开始几年了,但目前的效果并不理想。其中一个重要的原因是商业银行的严重同质化,一窝蜂式地开展业务,要么都发理财,要么都做小微,要么都做社区银行。由于没有数据支持,银行对自身的业务结构了解并不透彻,往往只是依靠管理层的主观判断来调整银行转型的发展方向。

  进入大数据时代,要学会用数据说话,通过大规模数据挖掘,我们才能深入了解银行自己的客户需求和市场结构,从而进一步确定差异化的转型方向。只有这样,整个中国金融体系才能避免高度同质化,才能真正活跃起来。从这个角度来讲,大数据既可以做商业银行扩展市场的矛,也可以做防范风险的盾。大数据在促进银行发展方面的作用还有待我们继续深入探索。

  雷涛:我从产业角度谈谈大数据如何作为工具和推动力落地。

  首先,大数据作为Tools,改良优化已有金融业务。先回应刚才提及的一个问题,大数据规模化处理数据,但能否做一些个性化的智能业务?事实上,对数据业务的理解已经经历了几十年的历程。早先机器辅助参考决策系统,比如BI系统、商业智能系统是面向人类来做决策的,系统面向有限商品有限数据集,在此之中我们人会基于机器中间状态数据结果,生成相对于它的规则。人的智商以及我们的经验和判断去做有限的商业策略,以面向有限的服务包和有限人群,所以我们可以在电信运营商里做各种套餐,在金融里做各种产品。而现在的大数据集合里,受众的需求越来越多且碎片化了,我们的产品可能不能定制为一个标准化的产品,而很可能是根据用户访问的行为随机触发的动作,比如阿里推荐一个产品,9亿个商品,不可能像沃尔玛超市那样能够全部平铺摆开。在用户点击的过程中,如何发送一个合适的商品给受众,不是依靠报表系统,而是自动化触发的系统。自动化触发的系统更客观地把很多需求定制化和差异化。大数据和以前的BI、数据仓库本质差异就在于,大数据生成的不仅是一个面向决策报表系统,更多是一个自动化可执行的系统,这个系统可以帮助我们做很多差异型的,个性化的、定量的动作匹配。

  同时对于大数据,我们不要看它不能做什么,而是先尝试它能做什么。大家提到了对获取外部数据的挑战,其实银行业不必急于获取外部的资产数据,比如工商、房车资产购买记录或者社交行为等等,这些价值稀疏数据还涉及到数据治理的复杂问题,实施利用都需要持续演进的路线图支撑。其实我们看到,现在很多金融自身数据还没有价值化,比如现在的账户数据都是结构化的,都是以个体为核心来描述,或是两两之间的债务资金关系,还有大企业的资产负债表、资产损益表等等。这些数据受限于传统以表为结构的数据组织方式,缺乏全局视野,而我们做定量分析时,需要有一个公共参照体系,像一个米尺一样来衡量今天在座所有人的身高,而不是表达两两之间的高低;像元素周期表一样用标准参照体系描述所有物种。这个公共参照体系是从全量的金融实体以及它们之间的交易行为抽取出来的模型。每一个帐户实体在参照系上都会获得一个定量的评估,即使缺少个体数据(例如小微企业),也可以通过其它实体和交易行为量化传递评估。比如以节点的形式,将每一个金融实体的交易方式做成一个很大的复杂网络。这些过程能把金融实体用以前结构化的账户数据用大数据技术构建新的基础数据平台,这个基础数据平台可以完成很多事情,比如征信、置信、基于社团发现的供应链的挖掘,完全可以在线上实现而不再依靠垂直行业经验,还有卡业务欺诈与异常交易,很多识别都可以基于金融帐户的结构化数据实现。因此,大数据可以作为Tools,利用已有数据资源,优化提升已有业务。

  大数据真正创新的是推动力,即破坏型创新驱动金融去拓展零消费市场的新业务。传统金融是基于资本获得盈利的,现在金融也可以基于数据实现盈利。亚当.斯密定义了土地、资本和劳动力缔造财富,现在数据本身也可以作为新的生产资料,用于开拓新的业务。比如许总提到的支付平台模式,可以考虑深入下去,利用数据延展为商户CRM。我们尝试过基于POS支付做商圈推荐和识别,也就是说,基于复杂的网络结构,具有相同社会属性的客户访问不同的商家,可以统一置信或交叉推荐,我们可以做很多O2O服务。金融同时也是一个服务行业,服务中聚集了人群、产品和服务以后,会留下很多电子化的行为痕迹,数据本身随着生产经营开始形成一个新的生产资料。同时对资本市场而言,评估传统金融资本项和评估互联网企业的用户流量,将在未来交织形成新金融实体的评估体系。数据资源将与资本资源同等重要,成为未来资本市场评估的新考核体系和重要指标,大数据的推动力驱动和缔造新的财富。

  互联网金融的未来发展及监管思路

  主持人:互联网金融的发展前景如何?该如何监管?

  温信祥:阿里为我们提供了一个互联网金融的成功实践。谈互联网金融需要过三关,首先一点就是服务实体经济关。阿里金融下一步发展的16字方针里也提到了服务实体经济,事实上阿里金融就是在服务实体经济当中产生的,比如支付宝就是为了满足商户的需求产生的。互联网金融的优势主要体现在成本端、渠道端,但是在服务实体经济上资产端是一个很大的短板,可能会制约其未来的发展空间。正如富国银行首席经济学家所指出的,互联网金融解决了资金来源快捷性的问题,但是资金运用的问题依然没有解决。这一问题也体现在余额宝的发展上,余额宝90%以上的资金还是银行的存款,阿里小贷余额和余额宝相比还微不足道,也就是说余额宝在资金运用上还比较困难。互联网金融在提供普惠金融、包容性金融的期待中发展,也要像传统金融一样服务实体经济。

  其次是要过风险管控关。需要强调的是,第一,企业发展壮大以后,内控的风险就会很大。第二,支付和清算的风险不一样。二者监管标准不同,清算的系统性风险更大。第三,风险文化的形成。为什么金融危机、银行危机会不断重演?主要是因为金融本身具有风险,但是人们对风险却很健忘。所以,互联网金融和传统银行一样需要有经验的风险管理人员把控好金融风险,需要学习和培育风险文化。

  最后是要过监管合规关。海外对金融的监管最注重两条:消费权利保护以及反洗钱和反恐融资。目前银行执行的合规和监管标准较严。互联网金融确立了适度监管的原则,但是消费权益和反洗钱等不可放松,根据国际潮流这两方面标准还可能越来越高。互联网金融需要敬畏监管、主动合规,也需要认认真真过监管合规关。

  大数据有意义,但是我们切忌重复计划经济时代的做法,把大数据当作一个什么都往里装的筐。要想想谁有大数据?怎么利用大数据?成立个两年的P2P网站的数据能否用于放贷?大数据是需要长时间积累和分析的。

  武剑:推动大数据应用应该有一个完整的顶层设计。因为大数据的应用涉及到业务流程的再造和管理体制的变化。特别是在技术架构方面,互联网企业崛起以后,银行也希望更多地利用互联网的技术架构,但是碍于银行本身的安全要求很高,所以对互联网的借鉴有一定局限性,其核心业务系统只能采用传统的技术架构。

  现在商业银行的数据仓库技术主要针对的是小数据,技术比较成熟的不多,主要是工行、建行等大型银行。大多数中小银行,客户的完整视图都还没有最终形成,也就是说连小数据基础还没打好,一下子搞大数据应用,有可能出现业务上的紊乱。

  如何处理与新兴的数据服务商之间的关系?一种方法是银行自己设立一个电商服务平台,或者收购一些电商。还有一个折衷的方法是,与电商平台合作,数据服务商拥有数据优势,银行有产品、风控优势,双方可以优势互补。

  大数据的价值实现关键要靠大分析,因为我们最终还是要在无序的数据中抓取有效的数据规律。谢总讲的因果分析逐渐转向相关性分析,这是目前大数据挖掘的趋势,但是并不能因此完全代替传统的分析框架。刚才阎主席也提到,如果分析变量过多会产生过度拟合问题,反而降低预测的效果。

  关于数据安全问题,大数据来临之后,我们面临全新的风险特征,与原先小数据的管理方法有很大差异。现在唯一能够使全行在几分钟之内瘫痪的就是IT故障,大数据的接口很多,不像传统数据,攻击点有限,对于这个问题我们要加快研究,特别希望监管部门给我们多一些帮助和指导。在大数据方面,银行的专业人才非常匮乏,而且能做到技术性和业务性兼顾的不多,工程师不懂业务,懂业务的不懂技术,两方面无法顺畅沟通,所以我们还需要加强团队建设。

热文推荐

相关推荐