冒煙指數：大數據監測互聯網金融風險

李崇綱, 許會泉

北京金信網銀金融信息服務有限公司，北京 100101

摘要：提出以冒煙指數為核心技術的大數據監測預警系統。基于大數據金融監管的理念和方法，利用大數據、云計算、人工智能等技術實時監測整合互聯網金融多元異構風險信息，并構建以“人、資金、業務”為主線的風險評測指標。該平臺可提升并優化互聯網金融風險日常監管的手段和效率，為監管機構的決策提供事實依據和數據參考。

關鍵詞：大數據技術；多元異構信息；冒煙指數；互聯網金融；風險監測

論文引用格式：

李崇綱, 許會泉. 冒煙指數：大數據監測互聯網金融風險[J]. 大數據, 2018, 4(4): 76-84.

LI C?G, XU H?Q. Smoke index:?big data technologies monitor Internet financial risks[J]. Big Data Research, 2018, 4(4): 76-84.

1 大數據監管互聯網金融風險的必要性

隨著移動互聯網等新一代信息技術的迅猛發展，互聯網+金融也呈現出爆發式增長的態勢，P2P借貸平臺、小額貸款公司、股權投資機構、交易場所等各種創新的新興金融業態不斷涌現，并已融入經濟社會發展的各個領域。借助國家“互聯網+”戰略，互聯網金融高新技術創新層出不窮，不斷沖擊著互聯網金融行業。金融科技創造更加普惠的金融需求，形成對傳統金融的重要補充，是現代金融領域供給側改革的新動力。

互聯網金融是互聯網與金融結合的產物，是借助互聯網和移動通信技術實現資金融通、支付，并具有信息中介功能的新興金融模式。金融科技的快速發展在帶來金融服務和產品不斷創新的同時，也由于監管機制和手段的相對滯后，使得互聯網金融游離在“一行三會”的金融監管之外，存在的監管漏洞讓某些不法分子有機可乘，出現了金融詐騙、風險失控、卷款潛逃之類的問題，影響了金融秩序，對社會穩定、公民財產安全等造成極大的安全隱患。現實中很多事件打著互聯網金融和金融創新的旗號沖破監管紅線，其涉案金額之大、影響范圍之廣，成為前所未有的系列涉眾非法集資犯罪事件。

金融風險防控是金融業的永恒主題，金融監管理念的轉變、監管體制改革和有效化解風險，是關系到我國金融穩定和經濟社會平穩發展的重大問題。互聯網金融的統計分析應用是發揮大數據資產自身價值的最有效手段，是構建“智慧政府”“陽光政府”的核心。利用遍布金融監管部門和社會各領域的數據，在打擊互聯網金融風險、融資征信、信用評級、虛假廣告監管等領域進行智能分析研究，可以有效實現對重大安全、危機、風險的防范和預警，并可以通過對業務數據的分析，為資源的有效配置、公共安全管理等提供實時的決策支持。

互聯網金融風險監測預警的應用針對政府機構內部共享數據、外部輿情數據進行綜合風險識別、風險預警、風險排查，是大數據的核心應用之一。圍繞互聯網金融業務展開全方位的風險識別、風險監測、風險排查以及風險預警等，通過構建風險分析模型量化風險級別，并自動通過短信、移動客戶端、郵件、內部協同平臺等及時上報給相關的管理部門，輔助金融監管部門開展危機應對，有效支持應急處置工作。同時，也向公眾發布各類風險警示，提供線上消費、投資等日常生活風險提示服務。

金融科技的快速發展使得跨機構、跨行業風險關聯度增強。如何進一步完善對金融科技的監管、有效防范金融風險和遏制金融亂象，對監管能力和智慧都是考驗?；ヂ摼W金融的蓬勃發展必然要求各 國金融監管當局在監管理念和監管技術層面有所創新。金融的本質就是要解決信息不對稱問題，大數據的核心和本質在于應用、算法、數據和平臺各個要素的有機結合，大數據監管將成為未來金融監管的主流范式。為防范互聯網金融風險和化解潛在隱患，提高金融監管的前瞻性、時效性和精準性，構建以冒煙指數為核心技術的大數據驅動的互聯網金融風險監測預警系統，建立“技術驅動型監管創新”思維，在現階段顯得尤其重要和緊迫。

?

2 互聯網金融風險監測的痛點

傳統的監管方式由于人力、機構和信息化水平等原因的限制不能做到監管到位，始終存在監管視角盲點和隱患，導致監管機構無法準確把握現代金融行業發展的新動向，對其風險和監測的認知與實踐相對滯后。顯然，互聯網金融的飛速發展與監管手段的相對滯后，導致單靠人防的傳統監管模式已無法應對當前的嚴峻形勢，亟待通過大數據等技術手段加以預警和監測，將金融風險和隱患化解在萌芽狀態，切實維護地區金融穩定和人民群眾的財產安全。我國互聯網金融風險監測的痛點如下。

（1）互聯網金融監管相對滯后

新興金融業態是傳統金融機構與互聯網企業利用互聯網技術和信息通信技術實現資金融通、支付、投資和信息中介服務的新型金融業務模式?；ヂ摼W與金融深度融合是大趨勢，它將對金融產品、業務、組織和服務等產生更深刻的影響，正成為金融領域研究的熱點。但不可否認的是，伴隨著互聯網金融的迅猛發展，監管機構對其風險和監管的認知與實踐卻相對滯后，很多新興金融業態長期游離于正規金融監管之外。從2014年開始，以P2P借貸平臺為代表的我國互聯網金融產業爆發出許多危機（如借款人失蹤、資金不知去向、平臺無力支付），導致其無法運營。這些事件使得業界對互聯網金融風險的關注加大，對互聯網金融監管提出了更緊迫的要求。當前，國家高度重視互聯網金融領域的健康穩定發展。2016年4月，國務院組織的力度空前的互聯網金融專項整治拉開大幕，而P2P借貸平臺由于眾多不合規平臺導致亂象頻出，成為重點整治對象。

（2）互聯網金融監管技術手段亟待加強

由于互聯網具有不分地域、快速傳播、涉眾面廣等特性，互聯網金融監管相比傳統行業監管面臨更多的困難。由于人力、機構和信息化水平等原因的限制，不能做到監管到位，始終存在監管盲點和隱患，導致我國現有的互聯網金融監管模式存在發現難、研判難、決策難、控制難、處置難的“五難”現象，缺乏對各類信息匯總風險分析平臺。該平臺能夠獲取舉報信息，開展企業排查，并具有數據挖掘分析功能，將線上和線下信息進行整合，自動進行高級、復雜的信息處理和數據挖掘分析，結合不同行業的各類模型，配合以強大的人機交互能力，大大提高情報分析的科學性、準確性和時效性。在部分非法集資犯罪活動還處在初期，并未造成重大經濟損失和社會危害時，平臺可以快速發現、快速定位，從而實現有效的風險防范和事前預測、預警，具有重要的意義。

（3）跨部門協同不夠

當前，互聯網金融各類創新應用呈現出多樣性特點，各相關政府部門和監管機構仍然存在各管一段、分段自治、信息孤島等問題，急需建立統一的綜合監管協同工作平臺，促進信息共享，建立金融監管治理模式。各地區需要建立立體化、社會化、信息化的監測預警體系，充分發揮網格化管理和基層群眾自治的經驗和優勢，群防群治，貼近一線開展預警防范工作。創新工作方法，充分利用互聯網、大數據等技術手段加強對非法集資的監測預警，為跨時空的非法金融活動風險超前監測預警工作提供有效的支持。

?

3 冒煙指數指標體系與建模流程

冒煙指數作為互聯網金融監測指標體系，其最初構想來源于“森林著火要冒煙警示”，通過煙與火的形象比擬來推斷冒煙指數與集資類企業從事非法集資程度的關系，創新性地把非法集資風險預警同大數據技術結合。冒煙指數在金融風險監管中運用了大數據、人工智能、機器學習、知識圖譜、自然語言處理等技術，應用邏輯主要是導入大量相關數據，利用機器學習形成知識圖譜或者建立模型，通過不同算法和神經網絡應用預測互聯網金融風險，以達到識別風險、量化風險和把控風險的目的。

具體來說，冒煙指數使用工商數據、招聘數據、輿情數據、法院行為信息數據、投訴舉報數據、客戶提供風險企業數據、監管機構數據和網絡爬蟲數據等多源異構數據共150個數據項，從中提取320個變量，形成非法性指數、收益率偏高指數、投訴舉報指數、傳播力指數、特征詞命中指數等多角度學習、可增可減的風險分析子模型，最終通過機器學習模型和專家研判模型共同賦權，得到信用風險評分。每一個子模型都從不同的角度預測集資類企業的信用風險狀況，克服了傳統信用風險評估中單個模型考慮因素的局限性，使預測更為精準。經典的冒煙指數建模流程如圖1所示。

圖1 冒煙指數建模流程

冒煙指數風險模型目前已經應用到許多實際項目中，并且獲得了金融監管領域的廣泛認可。筆者團隊在與國家級監管平臺以及各級地方監管部門的對接與交流中，對冒煙指數風險模型進行不斷的完善與應用，出色地完成了許多大數據監測平臺與軟件的開發，已經總結出冒煙指數量化金融風險的處理策略依據。

冒煙指數作為量化集資類企業非法集資風險的標準，根據目標企業非法集資風險大小的不同，將冒煙指數分為5個等級，每個等級呈現不同的風險特征。這為監管機構界定其非集界限、輔助決策提供了差異化處理策略的依據（見表1）。

表1?冒煙指數量化金融風險及提供差異化處理策略依據

依據互聯網金融風險特征，針對不同的業態構建一套完善的互聯網金融風險指標體系，是量化評測、監測預警金融風險的關鍵環節。冒煙指數擬從以下六大方面挖掘類金融企業風險。

● 重點區域/領域風險排查。利用定量模型，針對重點地區或行業進行大規模風險排查，準確挖掘出高風險企業，同時對主要風險點、企業類別分布等進行可視化展示。

● 集群風險挖掘。針對特定園區、交易所等內部企業成員間的關聯關系進行挖掘，可有效識別風險團體及關鍵人員企業，及時杜絕集群內部的風險傳遞。

● 關聯風險挖掘。通過分析目標企業完整關聯圖譜，精準鎖定核心人員企業，同時根據其關聯結構及關聯企業類型挖掘其潛在自融、關聯擔保等風險。

● 人員分析。通過對受害人（投資人）的投資金額、所在地及職業等進行多維度的統計分析，輔助相關部門完成事后聯動處置工作。

● 資金流風險分析。識別企業各類重點核心賬戶，鎖定重點參與人員，同時準確計算出實際非法集資總金額及資金最終流向。

● 運營風險分析。對企業集資金額、利率、待還金額等每日變動情況進行實時監測，及時發現企業運營中的異常狀況。

?

4?大數據監測系統思維業務邏輯

基于當前國家有關部門對地方政府落實屬地監管責任，加強互聯網金融監管的要求，結合各地目前面臨的互聯網金融發展的形勢和傳統監管手段存在的不足，以冒煙指數為核心技術的大數據監測互聯網金融風險系統解決監管機構面臨的“發現難、研判難、決策難、控制難、處置難”的痛點，通過運用互聯網、大數據、機器學習等技術手段，構建以“人”“資金”“業務”為要素的風險分析模型，建立風險評價指數，實現發現風險、評估風險、固化證據、判斷趨勢、及時干預和聯合打擊等聯動工作，推動互聯網金融治理由傳統被動監管、粗放監管、突發式應對向主動監管、精準監管和協同監管模式轉變。

以冒煙指數為核心技術的大數據監測預警系統是以“數據驅動，追根溯源”為指導思想，在加強微觀金融數據搜集的基礎上，通過統計分析，利用數據挖掘等技術手段強化對互聯網金融風險的識別，并監測跟蹤風險產生的根源及傳導路徑，從而提高風險識別和捕獲能力。其系統構架如圖2所示。

圖2?以冒煙指數為核心技術的大數據預警系統構架

以冒煙指數為核心技術的一體化大數據系統平臺基于統一的云基礎設施、云服務支撐平臺及大數據管理平臺，構建各應用子系統，確保系統的靈活性和可擴展性。

（1）建立地方金融業態的動態信息數據庫

通過建立數據采集與交換系統動態收集各監管部門、新興金融業機構、投資者、公眾等數據信息，重點收集P2P網絡借貸平臺、小額貸款公司、股權投資機構、交易場所以及非法外匯交易、非法集資、金融詐騙等各類金融基礎數據信息，建立全省（市）地方金融信息數據庫，掌握新興金融的基本情況。另外，通過政府購買服務的方式（如騰訊、北京奇虎科技有限公司、網貸之家等相關第三方金融征信信息數據），補充完善本地金融信息數據庫。

（2）構建“人”“資金”“業務”風險分析模型

目前，通過多渠道采集的數據信息，構建以“人”“資金”和“業務”為要素的分析模型，建立模型評價和風險評價指數。發揮“網在看”對互聯網金融新業態的主要風險點設置預警指標的作用，實現動態監測。以“人”為主線的模型包括：企業股東和核心高管人員，關聯工商、公共安全、稅務部門及有關征信機構的個人和機構的信用信息，形成人的全息畫像，并建立風險評估模型。以“資金”為主線的模型，即針對大額資金的異動情況，系統與中國人民銀行系統對接，或收集各類金融機構定期提供給總部或中國人民銀行的系統監測的異常企業和個人名錄，掌握大額資金的賬戶異動情況，收集資金流數據信息，然后通過從相關數據中提取的非法集資行為資金模型特征，構造資金分析模型。以“業務”為主線的模型包括對公司經營業務數據的文本抓取。通過政府購買服務與自建輿情搜索平臺的方式，收集第三方數據機構反饋的業務數據信息和其他資源進行數據處理，根據非法集資犯罪案件的特點分別進行模型建設。

（3）引入大數據非法集資監測技術

通過各類輿情信息收集、風險指數、企業全息畫像、關聯方拓撲圖等，對本地線上非法集資行為進行監測預警。另外，針對隱蔽度高、監測難度大的“線下”非法集資行為，借鑒北京市金融工作局“隨手拍”軟件技術，網格化發動各區、街道辦事處、社區進行逐一篩查，同時建立非法集資舉報獎勵制度，廣泛發動社區、群眾的積極性，檢舉揭發非法集資活動，一旦出現風險苗頭，根據問題的級別和種類劃分，及時將預警信息直接報送給相應職能部門。

（4）提升并優化日常監管的手段和效率，為政府決策的制定提供統計分析報告

利用信息化手段對P2P網絡借貸平臺、小額貸款公司和要素交易中心的設立、變更和注銷以及日常經營活動等實施日常監管，充實監管力量和手段，進一步優化政府服務效率。依托系統提供的對宏觀經濟金融形勢、金融運行狀況、行業發展的統計、分析等，為決策的制定提供參考。

（5）建立完善的信息披露，不斷拓寬系統的對外應用功能

信息的及時有效披露是防范金融風險的重要環節，也是新興金融業態特別是P2P借貸平臺監管的重要政策取向，因此，系統應具備完備、及時的信息披露。此外，本系統不僅僅是政府部門內部使用的系統，也是面向大眾的系統，未來將根據本系統的不斷完善，拓寬各類應用模塊（如投資者教育、宣傳等）。

?

5?冒煙指數監測互金風險的實踐

冒煙指數作為互聯網金融風險“穿透式監管”的利器，是互聯網大數據監測預警平臺的核心技術之一，已成為非法集資風險監測領域內的評測標準，并逐步應用于金融監管。

2015年，北京市金融工作局率先應用大數據技術建設了“大數據打擊非法集資監測預警云平臺”，應用于打擊非法集資專項整治行動工作中，加強對非法集資的監測預警。該平臺以冒煙指數為核心技術，利用互聯網思維和先進技術手段對非法集資信息進行高效、全方位的實時監測，快速發現企業的非法集資線索，為政府制定決策提供事實依據和數據參考，目前正在使用并在實踐中發揮了良好效用。

截至2017年10月底，預警平臺共監測全市金融企業168 387家，風險企業1 775家，分布于全市16個區。其中高風險企業（冒煙指數≥60分）共計46家。根據監測數據及結果，制作各類報告共計500余份，在監測預警、風險排查方面發揮了重要作用。

2016年，為有效監測預警新金融業態風險，深圳市人民政府金融發展服務辦公室全力開發建設了深圳市非法集資監測預警平臺，建立深圳市早發現、早打防的監測預警系統和工作機制，推動深圳金融治理由傳統被動監管、粗放監管、突發式監管轉變為主動監管、精準監管和協同監管，維護金融穩定。目前，該系統已經成功上線，實時監測深圳市20余萬家新金融企業的非法集資風險，及時預警高危企業，輔助監管決策的制定。

?

6?結束語

冒煙指數基于大數據管理工具和分析方法，能有效構建互聯網金融風險監測預警系統，可先驗性地識別互聯網金融中的潛在風險，從而為監管機構提供互聯網金融行業風險監管和治理依據，有利于保障互聯網金融行業可持續健康發展和社會經濟的穩定。

（1）解決互聯網金融監測的標準化問題

互聯網金融監測缺乏權威的、統一的指標體系，不利于互聯網金融監測業務走向標準化、規范化、成熟化。推廣冒煙指數在P2P網貸行業非法集資風險監測中的應用，構建互聯網金融風險監控統一的指標體系是當前開展相關業務的重中之重，以防出現不同監管機構之間無法共享分析模型、無法共享分析成果、各自為政的局面，從而解決了互聯網金融監測的方法論問題。

（2）實踐大數據金融監管成功落地

冒煙指數以大數據為驅動，利用機器學習和數據挖掘等技術實時處理多源風險信息，建立風險預測監測分析模型，以達到及時、有效地識別流動性風險的目的，從而幫助金融機構規避流動性風險，解決了傳統金融監管方式和飛速發展的金融服務及產品之間的矛盾。

冒煙指數目前已經成功為數十家省市區級地方監管部門服務，獲得了各級政府的認可，有效實現了對互金風險的監管，在未來的金融監管模式發展中走出了新的方向，是一種有效的、及時的和低成本化的大數據金融監管方式。

（3）解決地方金融監管資源有限的問題

以冒煙指數為核心建設的大數據非法集資監測預警平臺在監管報告自動生成、客戶或員工資質審核等多方面大幅降低人員工作量，借助了技術手段提升信息采集和分析能力，取代原來耗費更多人力的現場檢查和書面調查方式，很大程度上緩解了地方監管人手明顯不足和專業人才匱乏的困境，大大降低了傳統監管方式中運營成本的需求。與此同時，以冒煙指數為核心的大數據平臺還提高了監管覆蓋面和效率，彌補了縣級及以下區域出現的嚴重的監管真空，在很大程度上解決了地方監管部門因行業監管手段嚴重不足、缺乏必要的執法權、只能采取較多的準入監管和行政性監管的難題。

The authors have declared that no competing interests exist.?

作者已聲明無競爭性利益關系。?

作者簡介

李崇綱（1978－），男，北京金信網銀金融信息服務有限公司總經理，中國計算機學會大數據專家委員會委員，中國互聯網金融協會信用建設專業委員會委員，北京互聯網金融行業協會合規專業委員，中國首席數據官聯盟專家組成員，中關村大數據產業聯盟專家組成員。目前主持開發大數據防控金融風險與智能決策支持系統，長期致力于推進大數據金融監管科技，主要研究方向為監管科技、人工智能、大數據、云計算。

許會泉（1978－），男，北京金信網銀金融信息服務有限公司副總經理、研發總監，具有多年一線開發經驗及團隊管理經驗，研發設計全國第一款大數據監測預警金融風險產品，建設、搭建監管科技產品生態體系，應用于全國各省市金融監管機構。主要研究方向為監管科技、人工智能、大數據、云計算。

《大數據》期刊

《大數據（Big?Data?Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的科技期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

---

往期文章回顧

混凝土泵送機械大數據挖掘與應用

圖數據流的模型、算法和系統

面向大數據的異構內存系統

專題導讀：大數據驅動的智能計算體系架構

---

總結

以上是生活随笔為你收集整理的冒烟指数：大数据监测互联网金融风险的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。