京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用“大数据”破解P2P征信难题
P2P网贷公司等新型金融机构和业态迅速崛起,为小微企业金融服务注入了新的活力。P2P作为专业的民间放贷机构和互联网贷款平台,鲜明体现了普惠金融供给的包容性和多样性。此类新型金融成为缓解小微企业融资难题的重要补充。
P2P一度成为市场的宠儿,在于它为小微企业拓宽了融资渠道,同时灵活的利率机制和与互联网金融相应的时代特点。但同时应看到:伴随着行业的火热,越来越多P2P“跑路”的消息传了出来。根据wind数据库显示:2014年1月我国累计P2P问题平台104家,占总数目的11.8%, 而截止到2015年8月,我国P2P问题平台累计达到976家,占总数目的42.8%,可以说将近四成的P2P都出现了问题。
P2P兴起之初确实存在诸多乱象,但作为新型借贷平台,监管部门不能因发展过程中存在问题就忽视整体P2P市场的内在优势,不能盲目地对其进行全盘否定。实际上,P2P较之传统投融资行为存在诸多优点:首先,在间接融资为主的今天,P2P增加了小微企业直接融资的贷款可得性。其次,P2P为广大的民间资金拓宽了金融投资渠道。再次,P2P网络借贷使互联网金融真正回归了实体经济。
针对P2P产业存在上述优点,说明它是有市场生存空间的。虽然近期不断传出P2P平台跑路的传闻,但不能否定其存在价值。对于P2P平台要认清问题出在哪里,对症下药。
P2P平台目前存在两大问题,一是预期投资回报率过高,而实体经济却难以维持业绩并导致运营平台的资金链断裂;二是针对各种P2P跑路,政府缺乏统一的征信平台。
针对第一方面,可以考虑对P2P借贷额进行道义约束,建议将信贷投放“散”而“小”。避免将公司主要资金都集中投放于某个大型项目,这样可以避免项目违约带来的经营风险。项目多并且金额小更符合小微企业的需要,因为P2P网络借贷本身区别于传统商业银行借贷主要一点就在于它的服务对象不是那些大型企业,更多的是一些处于起步阶段的小微企业。而小微企业的资金需求往往不是十分巨大,所以针对P2P平台的借贷金额约束既可以防范项目违约带来的经营风险,又可以间接约束其服务对象,使小微企业成为借贷主体。
针对第二方面,P2P平台征信显得尤为迫切。中国人民银行8月31日发文,在提到鼓励银行业金融机构加大对小微企业支持力度时还指出:要大力推进小微企业信用体系建设,加强信息共享和信息平台的互联互通,会同有关部门探索开展小微企业信用培植工程,建立小微企业信用评价和信息通报制度,为小微企业融资提供良好信用环境,促进小微企业融资发展。
往先的P2P征信不健全,缺失公共信息、覆盖人群有限,在风险控制方面往往是沿袭传统方式,依靠熟悉市场的风控人员、引入传统抵押担保的方式。而这种模式在很有可能不能面对面交易的网络虚拟时代存在较大风险。现在的P2P就像传统借贷行业银行,也可以分为直接融资和间接融资。在直接融资方面,P2P平台仅充当信息披露角色,帮助资金供求双方进行更高效的匹配,而不涉及资金运作,也不参与担保;间接融资方面,P2P平台充当了以往商业银行金融中介的职能,负责从一方接入并向资金需求方提供实质资金,在这种情况下P2P就担当了资金转让与风险中介的角色。
根据P2P平台性质的不同,征信角色也是不同的。对于直接融资性质的P2P平台,更需要的是借款一方的征信数据;而对于间接融资P2P,由于其担当的是小额放贷机构的角色,因此就不得不考虑该机构的信用程度。此时不仅仅需要资金需求方即实体企业的征信数据,P2P公司的信用数据也是必须的。
然而不论是何种性质的P2P平台,我国都没有建立起能够胜任角色的征信平台。一方面,我国的P2P平台尚未接入金融信用信息基础数据库,P2P对贷款人的审核只能凭借主观评价;另一方面,即便在各个P2P公司之间也没有实现信息共享,对于在多个平台借款存在过度负债和恶意欺诈性质的借款人难以有效防范。
针对上述情况,可以考虑用“大数据”化解。2015年6月17日的国务院常务会议上,李克强总理提到,“我们正在推进简政放权,放管结合、优化服务,而大数据手段的运用十分重要”,“运用大数据,加强对市场主体的服务和监管,这是转变政府职能的重要手段”。他同时指出,要注重数据、信息之间的关联,进一步推动政府信息开放共享,消除信息“死角”、“孤岛”。8月19日,国务院常务会议,通过了《关于促进大数据发展的行动纲要》。强调要推动政府信息系统和公共数据互联共享,消除信息孤岛,加快整合各类政府信息平台,避免重复建设和数据“打架”,增强政府公信力,促进社会信用体系建设;顺应潮流引导支持大数据产业发展,以企业为主体、以市场为导向,加大政策支持,着力营造宽松公平环境,建立市场化应用机制,深化大数据在各行业创新应用。这为P2P征信平台建设提供了积极动力。
P2P征信可以从三方面考虑:一是将我国的金融体系征信、行业信用征信和商业征信全部纳入大数据信用体系,在不涉及隐私涉密的前提下尽可能的将信用资源共享。允许P2P公司接入大数据信用数据库,实现各方面信用平台的有效对接;二是鼓励设立专门针对P2P的信用评级机构,坚持公平、公正的原则,不以权谋私,建立统一口径的信用评级标准;三是建立违约披露机制,针对违约企业和个人以及恶意欺骗的P2P平台执行严格惩处,并将其纳入失信者个人的信用记录。
综上,P2P在我国尚处于起步阶段,对于任何一种市场形势来说,诞生之初势必会出现种种问题。我们不应对其一概抹杀,而对优点视而不见。在当今强调金融扶持小微企业的主旋律下,P2P借贷平台具有天然优势。接下来要肯定它的地位,在征信监管和行业门槛上下功夫。同时可以考虑适时对其引入保险机制,切实保护投资人的利益,降低市场风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07