丁乔颖

内容摘要：当前互联网金融环境可以说是瞬息万变的，金融机构内储存了庞大的数据，客户数据也呈现出爆发式的增长。为了提升系统的处理和运算能力、更好地服务客户，云金融概念被提出。互联网金融企业面对的风险内包含了政策法律风险、技术风险和商业风险等三方面。本文对互联网金融企业的商业风险开展了深入分析，详细探讨互联网金融商业风险的语境模式、建立预警指标系统、分析预警模型和结果，并且引导行业制定互联网金融领域的风险预警管理机制，指导互联网金融在云金融环境下的风险管理。

关键词：云金融 商业风险 互联网金融 预警管理

解析互联网金融的商业风险

整体分析互联网金融风险。按照《巴塞尔协议》内有关全面风险管理的要求，借鉴国际上的有益经验，本文将互联网风险划分为上文所提到的三种类型风险。其中政策法律风险细分成了国家、行业和机构等层面，商业风险主要有市场、信誉和操作等风险，技术分为安全和技术选择风险，如图1所示。

解析基于业务平台的互联网金融商业风险。从上述分析得知，互联网金融主要被分成了三大平台，分别是业务、管理和协作三大平台。互联网金融资金需求的双方在业务平台上撮合成交；通过国家管理者、行业管理者以及互联网企业各分支机构对其实行各层监管，上述各监管组成了互联网金融管理平台；软硬件开发维护者及网络服务商主要担任协作业务及管理平台的运营，他构成了互联网金融融资类的业务协作平台。在业务层，资金融通双方都面对了商业风险。一是市场风险。互联网金融市场风险主要是由利率和流动风险组成。互联网风险一方面会受到行业监管、行业分化和行业竞争等的影响，另外还会遭受央行货币政策刺激，两者同时加剧了利率风险。

互联网金融机构一般会发挥资金周转的作用，沉淀资金有可能会在第三方中介滞留两天至两周的时间，不具备有效的担保及监管，很容易会出现资金挪用的情况，若是缺少流动性监管或出现资金链的断裂，必然会导致支付危机的出现。另外不断出现的互联网金融业务平台也会上限，不具备用户优势的平台将会借助提升利率和缩短投资期限的形式来吸引投资者加盟，这就必然会引起平台流动性风险，并且很多用户在平台跑路消息报道的基础上，针对平台的投资仅仅限于打新投资，这显然会提升互联网金融的流动性风险。二是信誉风险。信誉风险就主体划分，主要分为自然人信贷风险及企业信贷风险两种。自然人信贷风险主要是指自然人违约，其出现违约主要是由于其抗风险的能力较弱进而出现了道德问题。自然人信贷风险主要是由于借款人的经济情况具有不确定性，尤其是该种借贷用在了生产经营商。互联网金融业务内会牵涉到大量的自然人信贷范畴，由自然人承担对应的偿还义务，但是自然人的经营状况、身体健康情况和消费习惯等都会引起还款风险。另外自然人借款人的个人观念及道德问题都会造成违约风险。企业信贷风险和自然人借款人的动机以及偿债能力的影响因素存在较大的差异。通常企业借款人主观上恶意不按时清偿债务可能性较低，对比之下，由于经济实力、行业发展和经营状况等因素导致的资金短缺更加容易使其违约。因此在对信誉风险实施评价时，自然人信用风险要更侧重对其偿还意愿的评估，但是企业借款人信用风险的评估则更加侧重对其偿还能力的评估。三是操作风险。互联网金融操作风险主要指的是互联网金融的活动内，由于人员匮乏、内部流程制定不当或是实施失败以及系统不足所造成的直接性或间接性损失的可能性。目前用户数据、用户操作行为数据、交易数据、文本数据等大数据系统出现交织，由于没有通过授权方位、系统退化、雇员欺诈、服务提供商风险和客户安全保护意识较低等交易内，操作风险正是来自这些繁琐和复杂的数据系统行为的结合内。依据操作风险的不同来源，可以划分为内部操作风险及外部操作风险两种。内部操作风险主要因为绩效考评、审计监管及内部控制等多方面的互联网金融企业内部因素所引发；外部操作风险主要是因为私人泄露、钓鱼网站的盛行等外部因素引起的。追究其根本原因就是在于大数据，互联网金融企业对用户注册无法实现有效管理，并且不能很好地分析和管理交易中出现的大数据，另外是否可以合理地对各种数据进行保存也是当前互联网金融企业迫切需要解决的问题。

互联网金融商业风险特点。一是扩散速度快，破坏力强大。传统银行业务通常是通过纸质或是银行内部系统来操作，一旦出现了错误，是有充分的时间查找、连接并且追回损失的。但是包含了交易数据、用户操作行为数据和用户数据及文本数据等大量数据的云金融为载体的互联网金融，一旦出现了问题或是差错，将会难以立刻纠正，并且互联网金融业务运作速度飞快，等到发现问题后再拦截和追讨损失基本无望。二是风险会交叉传染。一方面互联网金融业务平台内包含了融资类、支付类和理财类业务，业务相互之间存在交叉性；此外互联网金融商业风险内的市场风险、信誉风险和操作风险就像是多米诺骨牌，一旦一个出现风险将会引发一系列的风险。三是很难区分风险责任。互联网金融办理的过程一般都会涉及到外包商、电力和电信等其他多种合作方式，因此一旦某个方面出现了服务终端、客户信息泄露和系统崩溃，将会直接对互联网金融企业造成极大的损失，并且难以对责任实行区分。责任不能区分的直接结果就是一旦发生了损失，将难以对有关方的损失赔付进行明确。

互联网金融的风险预警系统

数据作为中心的体系设计原则。互联网金融风险预警系统设计内必须要遵循下面几点：一是系统性原则。互联网金融风险预警系统属于一个针对互联网金融风险实行检测、预测和预警的系统，是大型的体系，该体系内包含了互联网金融行业的所有，因此建立该系统时必须要考虑每一个用户和金融产品的提供者等全部参与到金融活动内的人的利益，同时还要实行系统性建设。二是时效性原则。互联网金融行业最大的特点是高速，充分体现了互联网金融活性具有的及时性特点，因此在实行互聯网金融风险预警系统的建设中，必须要实时防范并且及时处理，确保可以及时判断风险和快速应对，避免造成太多损失。三是科学性原则。在预警系统的建立中要确保科学性，保障系统可以准确对金融风险实行判断，防止对金融风险作出错误估计，最终导致不必要损失。

将数据当做中心系统层级。在互联网金融预警系统内存在以下几层：一是数据管理层。预警系统主要是基于数据建立的，对此必须要建立和健全系统对数据的管理机制，建设和企业规模相适应的数据管理中心，便于对数据的收集、整理、加工和存储。而且在数据中心还要实行管理过程内确保数据的准确性、完整性及安全性。二是数据整合层。风险预警系统的最主要任务是要通过分析互联网金融行业内的海量数据，进而实现对其中风险的语境，这就必须要系统地对金融风险存在更为透彻的认识，自金融风险的定义出发，重新整合和分析数据，进而提取出有用的信息，信息整合能够很好地保证信息的准确性及可靠性，数据提取层主要是整合及提取数据。三是数据分析层。数据分析层主要是分析数据，判定数据的风险。这就要保证系统具有完备的智能性。四是数据的解释层，数据解释层是对风险的解释，更加准确地来讲就是通过风险和企业现状结合得出分析结果，其中包含了风险的可靠性、危险度、产生根源和处理方法。

建立互联网金融风险预警模式

（一）风险预警设计思路

在上述分析的基础上，针对定性风险评估指标使用模糊综合评价法对其实行量化，对互联网金融商业风险进行测度。依据选择的权重系数测定互联网金融商业风险预警综合评分值，依据设定的预警区域范围来确定互联网金融的风险预警区域，从而选择互联网金融商业风险的相应策略。

权重系数的选择在风险测度内是最关键的问题，对市场风险、信誉风险及操作风险实施分别测度中，须确定各个具体指标的权重系数问题；另外就是互联网金融商业风险预警评分值测度过程内的市场风险、操作风险以及信誉风险分别权重系数确定的问题。

借助权重系数确定衡量各个指标的重要性，本文主要使用了专家咨询以及经验判断法，通过个人经验决策转为专家集体决策。在处理数据的过程内，使用算数平均值表示评委的集中意见，随后在归一化处理下对权重实行确定，计算公式是：

上式中n表示评委数量，m指的是评价指标的总数量， aj是指第j指標的权数平均值，ai指的是第i各评委为第 j个指标权数的评分值。

（二）构建互联网金融风险预警指标体系

在业务平台基础上的互联网金融商业风险主要被分成了市场、信誉和操作风险三个维度，而且各个维度的风险有着丰富的含义，很难使用单一指标来客观描述。为了使得评价指标变为更精准，本文使用主客观结合的方式设计互联网金融三个维度的商业风险。

针对定量指标，笔者结合有关学者的研究成果和银行体系定量指标来计算，最终对定性指标使用问卷调查的方式，结合模糊综合评价方法得到最终对应的评分值。

（三）建立互联网金融商业风险预警

通过假设互联网金融商业风险内各变量间均是相互影响并且相互作用的，建立互联网金融业风险的结构方程模型，并且对上述指标之间的关系进行检验。互联网金融商业风险的三维关系假设主要为：H1：市场风险防控对互联网金融商业风险的预警防控的直接正影响；H2：信誉风险防控对互联网金融商业风险预警防控的直接正影响；H3：操作风险防控对互联网金融商业风险预警的直接正影响；H4：市场风险防控及信誉风险防控的直接双向正关系；H5：市场风险防控及操作风险防控的直接双向正关系；H6：信誉风险防控及操作防控间的直接双向正关系；H7：市场风险防控依赖各种要素不受信誉风险及操作风险防控影响；H8：操作风险防控依赖的各要素不会受市场和信誉风险防控影响；H9：信誉风险防控依赖的各要素不会受市场和操作风险防控影响；H10：除市场、操作和信誉风险以外的其他因素都是残差项。

划分衡量互联网金融商业风险的指标为：一是互联网金融机构个体的指标，包含财务健康情况及机构规模；二是互联网金融整体指标，包含了信贷质量、资产规模、资产及负债匹配数量；三是互联网金融机构指标，包含了业务发展模式、产品类型、风险度量等。见表1所示。

在模型内市场、信誉和操作风险分别作为三个外生潜变量分别由各自所属显变量测量，互联网金融风险系统的各变量相互间是存在关联性的，因此假设三个外生潜变量之间存在相互变联系。互联网金融的融资业务风险是内生的潜变量，主要是表1内的八个显变量反应。

分析互联网金融商业风险预警结果

首先要对预警信号阈值实行确定。预警信号阈值是触发预警后续行动的临界值，阈值要综合数据的模型、历史数据经验和专家经验以及同业信息确定，并且还要考虑互联网金融的融资平台的风险偏好、客户与平台的联系、监管部门检查评估互联网金融融资平台和监管要求等因素。一旦风险表征值超出了预警信号的阈值，将会触及预警流程，进入风险预警系统，将实现对风险级别的定位。

其次是定位互联网金融商业风险的预警级别。依据评估风险大小，划分互联网融资风险为正常状态、关注状态、次级状态、可以状态以及损失状态5个等级，分别用绿、蓝、黄、橙、红五种颜色的灯来表示。详情见表2所示。

第三是分析互联网金融商业风险预警的结果。在处于绿色信号灯范围情况下，互联网金融平台必须要考虑和其开展对应的业务活动，还要增强互联网金融平台的效益，平台必须要大量的吸收该种类型的业务；在处于蓝色信号灯的范围下，互联网金融平台则可以考虑接受和其开展对应的业务，那些已经有的处于蓝灯状态的业务，则可以考虑持有；在处于黄灯信号的范围时，互联网金融平台可以按照公司的战略和客户征信情况，适当考虑是否需要开展其他方面的业务，若是已经存在了处于黄灯状态的业务，要及时防范并且调整，或是改变持有策略或是适当转出业务；在处于橙色灯信号时，互联网金融平台则不应当考虑其借贷，若是当前业务已经处于信号灯为橙色的状态，要立即采取对应措施来降低损失；若是当前处于红色信号范围内，则互联网金融平台必须将其拉进黑名单，针对已经处于红灯状态的业务，则要采取强硬的手段实行积极挽回，尽力弥补损失，实行不良征信评价。

参考文献：

1.卜亚，张敏.互联网金融创新监管机制构建——基于激励相容的视角[J].技术经济与管理研究，2016（1）

2.李灏来，李越冬.国家审计“管理”互联网金融风险的路径研究[J].会计之友，2016（3）

3.黄建康，赵宗瑜.互联网金融发展对商业银行的影响及对策研究——基于价值体系的视域[J].理论学刊，2016（1）

4.中国工商银行江苏省分行课题组，万辉.我国商业银行互联网金融风险管理研究[J].金融纵横，2016（2）