P2p网贷风险防控
一.导言
近年来，P2P行业呈井喷式发展，对我国金融体系的完善、中小企业资金缺口的弥补、个人现金流的补充具有重要意义。然而，随着行业竞争的激烈，P2P行业的各种风险也在不断涌现。2016以来，我国P2P发生多起庞氏骗局、跑路等事件，涉案金额巨大，社会影响极其恶劣。目前我国金融监管从业人员的数量远远少于金融机构，事权不清导致其难以履行真正的职能。基于这一背景，本文试图利用最易获取的公开数据，建立有效的预警模型，从而帮助监管者完成对海量金融机构的低成本有效筛选。
中华人民共和国国务院总理李克强在2014年9月达沃斯论坛上公开发出“大众创业、万众创新”的号召。伴随着“双创”这个词的，还有“互联网金融”。在十二届全国人大三次会议上，李克强总理首次公开提及互联网金融。这是政府部门首次公开提及互联网金融行业。自此，P2P网贷行业在中国进入野蛮生长期。从2012开始，新增P2P平台数量逐渐增加，2014-2015达到高峰，最高月份新增平台数量达到256家。然后，新增平台数量逐渐减少，网贷平台总数从2017开始逐渐稳定。
巴菲特说，“退潮前你不知道谁在裸泳。”随着互联网金融的退潮，中国经济的主基调将是L型，热钱将逐渐退出网贷市场，国家相关扶持政策也将收紧，有问题的网贷平台将逐渐增多。2015年7月，最惨的一年，问题平台多达171，之后问题平台数量开始逐渐减少。但从2017年2月开始，问题平台的数量呈上升趋势。7月20131问题平台。冰冷的数据背后，是无数因为平台跑路而支离破碎的家庭，以及全国公安经侦部门破案的巨大压力。
基于网络公开信息，选取13指标作为P2P网络平台风险预警指标体系，建立了包括输入层、隐含层和输出层的BP神经网络预警模型。利用Python软件对建立的神经网络进行训练。在期望输出值与样本输出值之间的误差降低到标准范围后，建立预警模型。
其次，需要建立基于公开信息的风险预警模型。
随着信息技术的快速发展和应用，人们的生活方式发生了巨大的变化。金融是利用海量信息进行最有效的资金配置。随着互联网信息的使用，金融业本身也必将迎来巨大的变革。在这场革命中，金融不再仅仅是纽约证券交易所西装革履的经纪人的专利。信息技术打破了金融参与的门槛，现在每个人都可以参与这场资金的盛宴。就像现在大家已经接受了使用支付宝一样，“骗子”、“赌博”、“薅羊毛”等负面标签也会逐渐从网贷平台上淡出，逐渐成为人们理财的一种选择。面对复杂多变的网贷平台风险，有必要建立有效的网贷平台风险预警模型。
(一)实时监控的必要性
网贷平台的风险不是一成不变的，但是大量网贷平台的人工检测不仅效率低下，而且是对公共资源的极大浪费。只有利用网络预警模型，才能实时监控网贷平台，以最少的人力物力完成平台风险的前期排查。
(2)个人使用的必要性
(3)需要
随着中国网贷行业市场清理的加速，一些网贷平台倾向于浑水摸鱼。与典型的网贷公司相比，持续时间长，金额差异大。在杭州的网贷平台浪潮中，很明显很多公司才上线几个月。这些公司利用了当前经侦部门压力大、精力不足的空档，大有换枪换炮之势。因为金额比较小，被骗的投资者维权难度比较大。因此，利用这种模式可以快速警示那些没有太多历史记录的新公司，将这种“欺诈游击战”的不良势头扼杀在萌芽状态。
第三，网贷风险预警指标体系的设置。
(一)国内外网贷机构的差异
在英美等西方发达国家，P2P平台只是一个纯粹的信息中介，不参与任何借贷交易，也没有任何赔偿投资者损失的责任。因为英美等发达国家有相对完善的个人征信系统，投资者可以根据借款人的信用状况和财产所有权自由竞标，确定合适的资本收益率。另外，英国等国家有比较完善的监管政策和规范，有专门的部门对P2P进行监管，职责明确。比如美国的证券交易委员会，英国的市场行为监管局和P2P金融协会，规范的政策和完善的监管有效的控制了这些国家的P2P风险。
虽然征信系统在国内逐渐普及，但总的来说，一切都不是很完善，P2P目前也无权与国家征信系统对接，很难全面客观的暴露借款人的风险。因此，投资者往往开始寻求一个“可靠”、“有保障”的P2P平台。这也使得P2P平台不得不宣传自己的“担保”、“国资背景”、“自有保障基金”来增加自己的信用。这使得P2P平台只是另一种银行，形成恶性循环。小企业违约，P2P公司为了平台本身的声誉会选择掩盖过去，最后不得不跑路。目前我国资管新规已经明确提出，要打破刚信托支付，但借款人接受投资时亏损还需要一段时间。
(二)网贷平台风险因素
网贷平台的风险可以
本文通过对系统风险和非系统风险的分析，结合网贷平台的特点，筛选出最具代表性的风险因素。
网贷平台的系统性风险主要包括政策风险、法律风险和经济周期风险。犹豫期政策宽松的法律法规不健全，导致平台数量激增，恶性竞争，甚至出现劣币驱逐良币的情况。此外，经济周期的影响也不容忽视。随着全球经济转冷，反全球化，很多大型金融机构无力支撑新兴的网贷平台。但本文的目标是从微观角度检测企业风险，所以暂时不考虑经济周期。
网贷平台的非系统性风险包括信用风险、品牌风险和技术风险。很多平台为了尽可能的争取客户，会刻意放宽借贷条件，这就导致了大量老赖的进入，以及一些投机者的薅羊毛行为。有证据表明，许多从该平台获得贷款的人有意在网上制造关于该平台的负面信息，希望他们在平台倒闭后不必偿还贷款。这些行为无疑大大增加了平台本身的风险。如果出现技术问题导致官网无法开通或资金回笼，很容易触动投资者的敏感神经，引发挤兑。
(三)预警模型指标的建立
但值得注意的是，在网贷相关法律法规尚不完善的当下，相关数据难以获取，真实性存疑。因此，本文运用大数据思维，主要是利用互联网上大家可以轻易获取的信息作为预警模型的输入指标，通过指标内部的非线性逻辑来反映一个平台的风险程度。一个恶性非法的点对点借贷平台，势必会尽可能的扩大自己的影响，同时做好反调查的准备，在监管部门反应过来之前拿到足够的钱。这种行为很难不在网上留下痕迹。因此，引入社会开放信息指标可以有效弥补官方数据的不足和真实性，增强预警模型的可信度和有效性。
综上所述，网贷平台风险评估体系见表1，各指标原始数据见表2。
第四，BP神经网络的设计
(一)BP神经网络概述
BP神经网络中的BP是back propagation的缩写，翻译过来就是反向传播，所以BP神经网络也叫误差反向传播神经网络，是以Rumelhart和麦克莱兰为首的科学家在1986中提出的。BP神经网络采用误差反向传播算法，程序自动学习微积分使误差最小化，从而得到最接近真实情况的权重。
BP神经网络属于多层感知器，是由多个感知器层完全连接而成的前馈神经网络。全连接是指一层中的任意神经元与相邻层中的任意神经元之间存在连接。该模型具有良好的处理非线性问题的能力。BP神经网络有输入层、隐含层和输出层。从理论上证明了隐层BP神经网络可以实现任意的非线性映射，可以满足大多数场合的需要。
(二)BP模型神经节点的设置
本文采用BP神经网络的标准结构，包括一个输入层、一个隐含层和一个输出层。其中，输入层节点数为13，由输入指标数决定；输出层节点数为1，其中健康平台的平台值为0，问题平台值为1。
隐藏层的节点数与输入层的神经单元数和输出层的神经单元数有关。但目前还没有很好的确定依据，很难根据任务确定隐含层节点数。所以目前主要是根据以往的成功经验。一般经验公式为:L=log2n，其中n为输入节点数，所以隐层节点数为3。
(3)BP模型的参数设置
在确定BP神经网络模型的输出层、隐含层和输出层节点后，需要确定神经网络的传输函数和训练目标。非线性传递函数主要分为Log-sigmoid和Tan-sigmoid。Log-sigmoid类型的输入值可以取任意值，输出值范围为(0，1)，Tan-sigmoid类型的输入值可以取任意值，输出值范围为(-1，1)。线性传递函数pureline的输出和output可以取任意值。由于本文中的输出值都是正数，所以输入层传播函数是Log-sigmoid函数，输出层传播函数是pureline函数。可接受的误差标准为ε= 0.1，训练次数为100000，学习率为0.2，动量因子为0.1。
5.Python中BP神经网络的训练和测试。
本文综合参考网贷之家等多家网贷平台评级网站，综合考虑选取11家优质网贷平台作为低风险样本，同时选取近期刚刚被雷到的6家平台作为高风险样本。随机抽取两个低风险和两个高风险样本作为测试样本，剩下的13作为训练样本。网络的训练和测试都是通过Python完成的。通过排序可以得到17×13的矩阵。为了消除指标之间的数量级差异，使预测误差最小化，对原始数据进行了归一化处理。归一化后的训练模型的输入值如表3所示，检测模型的输入值如表4所示。
对于训练好的BP网络模型，使用训练输入值对建立的BP网络进行测试，输出结果如表5所示:
从测试结果来看，测试输出与预期输出值非常接近，精度达到100%，两者之间的数据误差满足误差要求。因此，建立的BP神经网络模型具有良好的风险评估能力，可用于对网贷行业进行监控，达到风险预警的目的。
不及物动词研究成果
构建科学有效的网贷平台风险预警模型，可以快速对网贷平台进行前期调查，尽早识别和预警高风险网贷平台，采取风险防范和化解措施。传统的数学模型大多采用数理统计和logistic回归进行预测，不适合网贷平台这种新型金融模式的风险预警。此外，传统模型过于依赖历史官方统计数据，而网贷平台相关法律法规并不完善，平台本身可以通过调整统计端口随意修改数据，从而造成预警模型失效。本文使用了大量的网上公开数据，这些数据是网贷平台无法修改的。虽然不能直观反映平台的风险状况，但数据本身的真实性可以保证预警模型的科学有效。此外，由于公共数据的获取没有门槛，大大降低了模型的使用难度。神经网络的优势在于它反映了数据之间复杂的、非直观的关系。因此，本文大胆使用公开数据，该模型甚至可以成为普通人在网贷平台上的风险监控工具。如果能够广泛应用，必将倒逼网贷平台主动规范、常态化，让网贷平台主动走向监管的笼子，彻底杜绝大型平台闪电风暴、实控人跑路、投资人上访的不良事件。
参考资料:
邹传伟谢平。互联网金融模式研究[J].金融研究，2012(12)。
[2]王峥。中国互联网金融风险分析及防范措施[J].时代财经，2014，(8)。
[3]一草。论加强P2P点对点借贷平台的监管[J].金融监管，2011(4)。
[4]陈朝晖，张艳芳。基于BP神经网络的商业银行风险预警模型研究[J].福建商学院学报，2011(2)。
[5]谭克友.神经网络模型与银行破产预测[J].欧米茄，1991(5)。
[6]杨群华。中国互联网金融的特殊风险及其防范研究[J].金融科技时报，2013 (7)。
[7]郭莹莹。国内外金融危机预警模型综述[J].科学决策，2013(10)。
[8]张玉梅。P2P小额网络贷款模式研究[J].生产力研究，2010 (12)。
欢迎来到中国知网~现代商贸行业杂志阅读参考原文。
官方网站:/
相关问答:如何开发p2p征信系统？明确你的目标，收集相关信息。搭建P2P点对点借贷平台的目标已经确定，需要收集相关信息。比如戴蒙p2p征信平台的建设，p2p征信系统平台的用户需求，征信系统平台的发展前景等等。收集相关信息的目的是:1。策划网站:如何开发制作p2p信贷平台软件，可能包括哪些内容。2.用户体验:了解用户的需求，从用户的角度出发，体验会更好。做一个p2p信贷平台程序开发计划。在这个阶段，需要制定出整个p2p信贷平台开发所需的人力、物力、费用、时间，以及整个信贷平台方案的架构图、模块、数据库制作等等。这一步比较重要，做好了可以事半功倍。按照计划，p2p信贷平台系统启动。前台页面设计，后台编程，数据库表设计等等。这些都需要开发和技术团队的共同努力。代码应该是认真的，因为在p2p信贷平台系统的开发和制作中，每一个bug都可能损失惨重，每一个系统漏洞都可能引起黑客的攻击。所以每一个p2p信贷平台开发公司都必须有一个强大的技术开发团队。这一步，小心团结最重要。