朱小黄:网络金融风险要害在平台

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

作者:朱小黄 中信集团监事长

导语:建立在风险自担基础上的众筹模式其实犹如砂砾之堆,坍塌极有可能发生。网络众筹的风生水起,引起人们对互联网金融风险积聚的担忧。众筹的运作目前以风险自担为条件,在市场条件下,风险自担当然无可非议,但真正的风险自担是承担风险后仍有法律救济的渠道去主张权益,索回损失。如果没有这样的法律环境,自由筹资越来越大,则网络风险积累愈大,最终会酿成对大众利益的损害和市场秩序的破坏。因此,建立在风险自担基础上的众筹模式其实犹如砂砾之堆,坍塌极有可能发生。由众筹的风险之忧推敲整个网络上交易的风险管理,都有令人不安的隐患,当务之急是如何建立起网络交易的风控体系,而首先要做的是找到网络风控的框架材料,即风控的责任主体和基本方法及工具。


(一)网络金融与传统金融差异很大

互联网的功能依赖其核心技术,如传感器技术、射频识别技术、微机电系统功能和GPS、广电网、引擎搜索等技术的运用,而互联网金融的核心价值则依赖于金融功能在网络上的实现,尤其是风险管理技术的网络化。


传统的金融风险管理,是建立在实物线索基础上的。例如银行传统信贷政策上,对行业的选择,大体依据对某些行业的实际数据和事例的分析比较和实际调查,这是可以进行实物核对的分析判断;保险公司对一个产品精算,也是根据对某一类客户的偏好和实际统计进行测算;银行对具体的债项更要求有真实反映实物形态的资料以及面对面、可联络、可核对的条件。在现实世界中最终可触及的事物,使风险管理者对事物的风险(不确定性)管控逐步积累了各种方法、工具和基础计量模型,这些风险工具都是建立在数据基础上的,前提是投资和注入信用的对象最终是现实和可触及的。因此,传统的风险管理是实物世界的事情,至少对象是确定的。


但在虚拟世界中,所有的交易和支付都在网络符号之间进行,连交易对象都具有很大的不确定性,是不是风险更难控制呢?


(二)牢牢把握大数据

其实,虚拟世界不过是现实世界的映射,现实世界的各种风险都会以另外的面目在虚拟世界中充分体现和暴露。风险管理即使是在实物世界里,最本质的工具是依据数据分析得出结论,数据的长度、深度与广度决定了风险预测(如违约概率和损失概率)的准确性。数据是事物的虚拟,与虚拟化的网络不谋而合,因而网络为数据采集和分析提供了更优质和更完整的环境,数据的来源更方便,数据的形态更多样,也更完整,使得网络上的风险控制更为有效和可靠,如何在网络上形成完整的建立在数据基础上的风控体系,其全部的诀窍就在于大数据的完整性和正确运用。


大数据的特征一般用4V来界定,即Volume(海量)、Velocity(高速)、Variety(多样化多维度完整性)、Veracity(真实性)。网络的风险管理则建立在大数据完整性和真实性的基础上,完整性是信息对称的保证,真实性控制不确定性的条件。


大数据的运用需要有良好的技术环境和人文环境。所谓技术环境是指能够实现优质的、快捷的、完整的数据采集的技术平台(网络),能够满足数据4V的要求,技术环境是网络交易的基础,失去良好的技术环境,网络交易无法进行,风险管理无从谈起。人文环境则是指对大数据的正确认知。网络风控的功能实现是建立在数据和对数据正确认知基础上的。


首先,要防止混淆一般数据和大数据。海量的数据并不是大数据,只有符合管理观念使用要求和市场特征的数据才能构成大数据。数据本身无大小,但运用数据的格局立场却有大小。杂乱无章的海量数据是大数据的前提,但风险管理的理念才是驾驭大数据的缰绳,没有目标、方法和工具,数据不过是一团乱麻。例如网络小额贷款中,网商向银行提供其商户以往交易数据,银行从商户交易数据中判断商户的信用等级,决定给其适当额度的贷款;银行在网商的海量数据中按照风险取舍的标准选取一定量级和性质的数据,构成了网络风控的方法;当某一类客户或单一客户的违约率和损失率加大时,银行就会调整信用策略,控制对这类客户的授信额度。


其次,数据的完整性。大数据具有完整性的本义。从风险管理的角度看,数据的多样性、多维度,形成了逼近具体事务的全貌信息,是信息对称的本质要求使然。风险管理依赖于信息对称,信息对称依赖于信息完整,信息完整需要数据的全面、多维和多样。互联网环境下,不同网络的质量与功能正是在数据完整性上区分高下,在风险管理能力上尤其显著。


其三,数据的真实性。由于网络提供了各种类型的交易平台,因此,网络应负有提供真实数据的责任,在网络众筹业务中,如果作为中介的网商不能对所提供的投资项目提供真实的基本数据,就会影响到投资者的风险判断与取舍,所形成的网络投资合约也会有违民事合同的公平原则。一方面,网商应对自身产生的数据负有责任;另一方面,也有责任监督交易的各方,向交易对手提供全面真实的相关数据。网络数据的真实性才是网络的生存源泉,虚假的海量数据不是资源而是麻烦,因此数据真实性要求是网络人文环境的净水。如果说传统金融账务的真实性是金融机构信用的底线,那么网络数据的真实性则是所有网络交易的运用底线,否则网络会成为各类风险聚集的场所。


(三)以网络平台为核心,缓释风险

网络风控的关键是谁该对网络数据的完整性和真实性负责,缓释风险的动力来源于交易的哪方,谁是网络风险的管理主体。这问题虽然简单,却涉及一个古老的疑问,即场所拥有者和内容实施者的责任分担,举例来说,到底是文责自负还是编辑负有立场责任?像众筹这样的融资活动,以及P2P业务,网商看起来是扮演一个居间的角色,但如果不能提供充分的风险提示和风险资讯专业能力,又不承担撮合失败的风险损失的话,网商最终会沦为资金掮客。对交易平台而言,网商提供金融产品或其他产品,销售渠道和交易平台如果不适度承担交易中的操作风险损失后果,就会失去维护合规交易的动力。


从公平交易的原则出发,厘清多种交易的民事法律救济渠道是十分必要的。由网商承担居间与渠道商的先行赔偿责任,然后由网商代为索赔,弥补损失,是比较合理公平的风险缓释安排。

因此,对于网络金融活动来说,网商作为风险管理主体和责任主体,在经济权益和民事法律原理上是可行且公平的。为了促进网络交易风险的管理,网络金融活动应在以下三个前提下进行:


一是所有项目和产品的风险提示责任应由网商承担。


二是所有网络金融活动和产品交易的支付账户应托管给商业银行或则直接运用商业银行支付账户。


三是网商与金融产品的供应商应共同建立赔偿和备付基金,以确保因交易违法而产生的损失方能够得到先行的赔偿。


上述前提所包含的风控和民事法律的原理为网络金融交易提供了有效安全可靠的运营环境,这在互联网金融快速膨胀的时期尤为重要。没有人对数据的完整性和真实性负责,就会使网络逐渐沦为野外的荒芜之地。


网络风险如何消化、对冲与缓释,也需要考量。网络风险的分类,大体上同实体风险相同,在网络金融中,也存在与交易相关的信用风险、操作风险和市场风险。由于网商主要是以居间身份撮合交易,扮演渠道和交易平台或通道的角色,所以交易中的信用风险、操作风险和市场风险的消化缓释都由交易双方按实体风险的原则处理和承担,但网络金融最突出的风险是网络自身的技术漏洞和操作人员的道德风险,以及因信息不对称和不真实性诱发的交易风险。


对网络技术风险,应建立赔偿制度,从事网络金融业务的网络公司应该设立赔偿基金,计入自身的风险成本。


对网络操作人员道德失控造成客户损失的,网络公司亦应先行赔付,再进行民事责任追索。对信息失全失真而造成客户损失的,网络公司应按风险责任承担赔付义务。因此,网络公司应仿效金融机构对全部金融交易提取一定比率的赔付准备,并计入其风险成本。建立完善的风险缓释体系,才能使网联网金融真正成为惠民金融的一部分,得到健康与规范的发展。



原文发布时间为:2014-07-13

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
5月前
|
人工智能 供应链 安全
2025 年网络法律论坛 | 应对安全风险,构建韧性举措
2025年查尔斯顿网络法律论坛汇聚法律、网络安全与保险行业专家,探讨全球威胁态势、人工智能应用及监管变化等议题。主旨演讲揭示非对称威胁与供应链漏洞,强调透明度和协作的重要性。小组讨论聚焦AI合理使用、监管热点及网络保险现状,提出主动防御与数据共享策略。论坛呼吁跨领域合作,应对快速演变的网络安全挑战,构建更具韧性的防御体系。
127 1
2025 年网络法律论坛 | 应对安全风险,构建韧性举措
|
3月前
|
人工智能 安全 网络安全
网络安全厂商F5推出AI Gateway,化解大模型应用风险
网络安全厂商F5推出AI Gateway,化解大模型应用风险
118 0
|
5月前
|
人工智能 安全 5G
5G网络安全全解析——新机遇与潜在风险
5G网络安全全解析——新机遇与潜在风险
166 4
|
11月前
|
安全 物联网 物联网安全
量子通信网络:安全信息交换的新平台
【10月更文挑战第6天】量子通信网络作为一种全新的安全信息交换平台,正逐步展现出其独特的优势和巨大的潜力。通过深入研究和不断探索,我们有理由相信,量子通信网络将成为未来信息安全领域的重要支柱,为构建更加安全、高效、可靠的信息社会贡献力量。让我们共同期待量子通信网络在未来的广泛应用和美好前景!
|
9月前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
334 80
|
9月前
|
NoSQL 关系型数据库 MySQL
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
327 56
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
|
6月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于模糊神经网络的金融序列预测算法matlab仿真
本程序为基于模糊神经网络的金融序列预测算法MATLAB仿真,适用于非线性、不确定性金融数据预测。通过MAD、RSI、KD等指标实现序列预测与收益分析,运行环境为MATLAB2022A,完整程序无水印。算法结合模糊逻辑与神经网络技术,包含输入层、模糊化层、规则层等结构,可有效处理金融市场中的复杂关系,助力投资者制定交易策略。
|
7月前
|
算法 安全 大数据
【算法合规新时代】企业如何把握“清朗·网络平台算法典型问题治理”专项行动?
在数字化时代,算法推动社会发展,但也带来了信息茧房、大数据杀熟等问题。中央网信办发布《关于开展“清朗·网络平台算法典型问题治理”专项行动的通知》,针对六大算法问题进行整治,明确企业需落实算法安全主体责任,建立健全审核与管理制度,并对算法进行全面审查和备案。企业应积极自查自纠,确保算法合规透明,防范风险,迎接新机遇。
|
6月前
|
供应链 监控 安全
业务上云的主要安全风险及网络安全防护建议
业务上云面临数据泄露、配置错误、IAM风险、DDoS攻击、合规与审计、供应链及内部威胁等安全挑战。建议采取全生命周期加密、自动化配置检查、动态权限管理、流量清洗、合规性评估、供应链可信验证及操作审批等措施,构建“预防-检测-响应”一体化安全体系,确保数据保护、权限收敛、合规审计和弹性防护,保障云端业务安全稳定运行。
|
7月前
|
运维 安全 网络安全
VMware NSX 4.2.1.3 下载 - 网络安全虚拟化平台
VMware NSX 4.2.1.3 下载 - 网络安全虚拟化平台
225 0
VMware NSX 4.2.1.3 下载 - 网络安全虚拟化平台

热门文章

最新文章