大数据与人工智能背景下互联网金融信用风险管理体系构建的研究.docx

《大数据与人工智能背景下互联网金融信用风险管理体系构建的研究.docx》由会员分享，可在线阅读，更多相关《大数据与人工智能背景下互联网金融信用风险管理体系构建的研究.docx（4页珍藏版）》请在第一文库网上搜索。

1、趣居与人工智韩景下互蝴金融信断险管螂系构建的研究2023-02-2208:01张智超中国人民大学财政金融学院现代经济信息订阅2023年2期收献关键词：信用风险信用人工智能张智超中国人民大学财政金融学院一、引言互联网金融市场中存在着比传统金融市场更严重、更复杂的信息不对称问题，如果以传统的信用风险管理体系去治理，不仅交易成本商，还会导致信息不对称问题更加严重。因此，控制信用风险是互联网金融必须要解决好的核心问题。构建完善的互联网金融风险管理体系，要从完善法制体系和监管创新两方面共同推进。在完善法制体系方面，需要根据互联网金融业务的特点，修改和完善互联网金融征信相关的法律法规，提升相关法律制度层级

2、，为互联网金融征信体系提供法律依据。在监管创新方面，要发挥互联网金融创新的平台信息功能，突破信息离散性，将大数据、人工智能技术应用到信用风险管理体系中，有效解决平台信息不对称的信用风险问题。二、互联网金融信用风险分类（-）来自资金需求方的信用风险资金需求方和互联网金融平台之间存在信息不对称现象。诚信文化不足，缺乏完善的制度惩戒借款者的失信行为，导致在互联网金融中资金需求方的失信成本很低，资金需求方更倾向于选择对自己更有利的失信行为。同时，资金需求方也可能利用各平台之间的分割性，重复借贷，无限制坨提高借贷杠杆，最终导致更严重的互联网金融信用风险的产生。为了防止此类信用风除的产生，需要在制定完善的

3、失信惩罚制度的同时，提高互联网金融平台信用数据的完备性，以解决信息不对称的问题。（二）来自互联网金融平台的信用风险信息不对称问题也存在于互联网金融平台和投资者之间。互联网金融平台经营者可能利用虚假信息骗取投资人的资金，并隐瞒资金用途，进行不正当经营，最终导致投资人利益受损。为了防止此类信用风险的产生，需要加快社会信用体系速设，推动政府部门、金融机构与企业及个人的征信系统整合，实现资源共享。完善互联网金融平台准入和运营等方面的法律制度，提高互联网金融行业经营者的道德素养和经营能力。（三）信用信息风险互联网金融平台也存在着数据安全及隐私保护的问题。互联网金融平台会记录用户及企业在平台上的一切行为，

4、通过数据挖掘获取个人及企业的信用数据，并将其作为信用评级的主要依据。和传统互联网平台相比，互联网金融平台中的用户和企业数据更加敏感，在数据安全和隐私保护上有更高的要求，需要构要完善的数据安全及用户隐私保护体系以预防信用信息风险。三、我国互联网金融信用风险管理体系构建(-)构建完善的互联网金融信用风险管理法制体系针对互联网金融行业，我国巳经出台了个人信用信息基础数据库管理暂行办法电子银行业务管理办法等相关法律法规。基于互联网金融平台形式和业态的创新复杂性和发展快速性，需要建立起一套与时俱进不断完善的互联网风险管理法制体系。首先，对于现有的涉及金融信用风险管理法律法规，根据互联网金融业务特点进行修

5、改和完善；其次，加快设立专门针对互联网金融信用风险管理的法律法规，并提升相关法律制度的层级，为互联网金融信用风险管理体系的建立提供坚实的法律基砒。针对互联网金融中来自资金需求方的信用风险，需要在法律和制度两方面进行完善。1 .法律方面民法通则中明确指出公民具有个人隐私权和个人信用权，为了强化公民的个人信用观念，促进社会形成良好的信用氛围，褥要在此基础上制定严格的关于个人信用信息溢用和恶意信用违约的处罚机制。2 .制度方面第一，要通过建立互联网金融失信惩戒机制，增强信用交易者之间的硬约束力和软的束力，推动社会信任机制的建立，提高互联网金融中资金需求方的失信成本，形成对失信者的社会威慑力，促进互联

6、网金融信用交易行为的普遢化、正规化和秩序化；第二，加强社会信用文化建设，加强对信用行为人信用理念的培养，加强对信用自律的引导，促使信用行为人自觉遵守诚实守信的社会价值理念；第三，建立关于失信行为的黑名单制度和失信修复制度，激励那些有失信行为者对于过去的失信行为进行修复，走上守信的道路。针对来自互联网金融平台的信用风险，要加强对互联网金融平台的立法建设。第一，应以互联网金融平台出现的风险案例为依据，及时制定规范平台行为的相关法律；第二，完善关于互联网金融平台经营商品监管的相关法律，对于互联网金融平台为了经营相关商品而引入的第三方担保机构，需通过法律速立严格的准入机制及权威的评级制度，明确二者的权

7、利和义务，并向投资者披露完整和真实的相关信息；第三，加强互联网金融平台危机管理相关的立法建设。平台信息是互联网金融的基砒，一旦平台大数据信息遭到破坏，将给互联网金融平台带来致命的打击，因此为了规范互联网金融平台在面对互联网金融危机时的行为，甯要速设并完善相关的法律体系。针对互联网金融平台的信用信息风险，第一，要健全关于隐私和个人信息保护的法规，保护在互联网金融平台中的个人隐私不受侵害；第二，要完善关干政府和企业信息披露的法律法规，避免虚假信息的传播，增加互联网金融市场信用信息的透明度，保护政府机密和企业的商业机密不受损害：第三，要完善互联网信用风险管理中征信业管理的法律体系，规范互联网金融征信

8、业务的运营管理，确保征信产品的权威性、准确性，促进互联网金融征信行业的健康发展。(二)大数据、人工智能技术助力互联网金融信用风险管理体系构建互联网金融征信系统是互联网金融风险管理体系的核心组成部分，是协助授信者判别和控制金融风险、提高信用风险管理效率的重要手段，具有降低信息不时称程度、促进信用交易、惩罚失信、规范信贷规模等功能。央行征信管理局建立的个人信用信息数据界是我国传统征信系统的基础，其数据来源以商业银行的报送的授信者历史贷款信用记录为主，覆盖范围有限。在中小型企业信贷领域，授信机构和中小型企业间存在着严重的信息不对称问题，造成了中小型企业“征信难”的问题。互联网金融与大数据、人工智能技

9、术的结合，有效地弥补了传统征信业在个人和中小型企业征信上的不足，促进我国征信行业产生了突飞猛进的发展。1 .大数据技术在互联网金融个人及企业征信中的应用互联网金融信用数据具有来源广泛、数据量巨大、更新频繁以及结构复杂等特点。其数据源主要分为三个部分：第一是来自第三方合作机构的信用数据，包含传统的结构化的信贷信息，也包含法律记录等非结构化信息；第二是来自互联网平台的个人行为数据，包括在电商平台的浏览及购买行为、搜索引擎的搜索行为等：第三是用户申请授信的授权征信机构信息，主要包括电话账单、水电煤气等生活账单，学历、收入及社保缴纳记录等信息。大数据技术与互联网金融的结合，为海量互联网金融数据的采集、

10、存储以及快速的信息提取提供了技术基础。基于以上阐述的互联网金融信用数据的特点，可以借签当前互联网普遢采用的“流批一体”的大数据建模理念，以央行为主导建立互联网金融个人及企业征信数据仓库。该数据仓库可以分为离线和实时两部分，其中离线数据仓负责存储全量的信用数据，保证了数据的完整性。实时数仓负责对实时数据的收集和计算，保证了数据的实效性。在互联网平台服务端，采用F1Ume构建日志收集系统，它是一种高可用的，分布式的海量日志采集、聚合和传输的系统，可以高效率的将多个服务器中收集的日志信息存入HDFS（HadOoP分布式文件系统），并建立离线数据仓库。同时可以使用Hive、SPark等技术对离线数据仓

11、库中的数据进行批量处理，将非结构化数据转换为结构化数据存储到数据仓库中，供后蝮分析使用。数据的实时性对于互联网征信体系来说也是至关重要的，可以使用以Kafka及F1ink为基础的流计算平台体系进行实时用户行为收集及聚合计算，构成实时数据仓库。来自各互联网平台的离线和实时信用数据由央行汇总并进行后续处理，形成完善且权威的互联网金融征信数据体系。数据安全和数据隐私是数据共享融合过程中遇到的严峻问题，为了解决这一问题，除了设立相关的法律制度之外，可以采用隐私计算技术对敏感数据进行计算和信息提取。隐私计算可以在不暴露隐私数据的前提下实现对于数据的分析和计算，在充分保护数据和隐私安全的前提下，实现数据价

12、值的转化和释放。2 .人工智能技术在互联网金融个人及企业征信中的应用在大数据技术与互联网金融征信体系融合的基础上，应用人工智能技术，可以让更多的信用信息数据被更充分的利用。个人信用评分的计算是人工智能在互联网金融征信体系速设中的一项重要应用，它是互联网金融信贷业务的重要组成部分，是贷款平台向金融消费者提供信贷的基本决策因素。传统的个人信用评分需要人工检查申请人的信用报告和信贷历史等信息，按照业务经脸进行评估，效率较低且难以保证客观性。人工智能技术的使用，使互联网金融实现了个人信用自动评分的自动化流程，该流程和传统方法相比，具有成本更低、过程更商效以及信用评分结果更客观的特点。传统的信用评分包括

13、了消费者的5个方面（5C）,即品质、能力、资本、资产抵押情况和经济环境，一般包括收入、信贷历史、银行账户信息、个人房产等因素。随着大数据技术的应用，互联网金融平台获取和存储数据的能力得到了显著的提升,互联网金融个人征信体系可以应用更全面的用户属性爱立信用评分模型。常用的信用评分模型一般包含逻辑回归模型、支持向量机、决策树、的机森林以及神经网络等。这些模型虽然原理不同，但在结果可解释性和学习精度上各有所长，可以根据业务场景的需要选择合适的模型进行英模。社交媒体的日益普及为互联网金融信用体系提供了一个全新的发展契机。社交媒体上的信息是用户生成内容，因此可以用来深度挖掘用户信息，作为互联网金融信用体

14、系评分模型的有效补充。一般采用自然语言处理技术，通过用户发布的文本分析用户的情感怵向、注意焦点以及社会关系等个人属性。例如，可以应用BERT模型，对社交平台文本信息进行建模，从中检测用户的人格特质，如外向性、尽贲性和开放性等补充到信用评分模型中，以提高模型准确度。当信用评分的主体为企业时，评分结果被称为针对企业的信用评级。在金融市场上，信用评级机构提供的评级结果是投资者选择优质的企业进行投资的重要依据。互联网金融体系也应用人工智能技术对于企业进行自动化信用评级。模型引入负债、现金资产、销售额、利润、盈余、固定成本等企业特征，输出客观、准确的企业信用评级结果。关于企业的社交媒体大数据体现了专业机

15、构和公众对企业的整体评价，反映了企业未来的经营价值。社交媒体中企业相关的信息包括文本、图像等，可以应用多模态分析技术从中捕捉投资者情绪与企业信用价值之间的关系。多模态分析是从不同类型数据的融合数据集中提取有价值信息的方法，对于文本数据，可以应用自然语言处理模型提取投资者的情绪倾向，如应用E1DA（情感潜在狄利克雷分布模型）：对于图像数据，可以应用MVSo（多语言视觉情感）框架提取隐含在图像中的投资者情感倾向。应用多模态技术从社交媒体数据中提取的投资者对于企业的情感倾向等特征，有效的补充了互联网金制中的企业信用评级体系，提升了评级结果的权威性、准确性以及客观性。四、结语互联网金融与传统金融市场相比容易产生更严重的信用信息风险，为了规避此类风险带来的冲击，需要速立一个完善的互联网金融信用风险管理体系。建立完善的互联网金融信用风险管理体系需要从以下两方面入手：第一，应用大数据、人工智能技术建设完善的互联网金融征信系统；第二，健全相关法律制度。互联网金融征信系统建设工作主要包含互联网金融个人信用评分和企业信用评级两个方面，大数据、人工智能技术的引入构展完善的信用信息数据管理体系，提升了征信数据的权威性和客观性。因此，大数据、人工智能技术与互联网金融的不断融合，互联网金融法律体系的不断完善，是推动社会形成良好的信用风气，构建完善的互联网信用风险管理体系的基础。