魏子华

摘 要：当今时代，互联网信息技术迅猛发展，给人们的生产生活带来翻天覆地的变化。而互联网与传统金融机构的结合，产生了一种新的业态，即互联网金融。互联网金融的出现，改变了传统银行机构所遵循的二八定律，使得普惠金融成为可能。互联网金融消费者信息被盗、P2P跑路、个人理财诈骗等事件凸显了互联网金融领域存在的风险。而目前中国实行分业监管体制，由于互联网金融业态的边界模糊性与交叉性，使得该领域存在着监管重复、监管套利和监管真空的状态。为此，就分业监管体制下互联网金融风险进行研究。

关键词：分业监管;互联网;金融风险;层次分析法

中图分类号：F830        文献标志码：A      文章编号：1673-291X（2019）19-0095-06

引言

目前，我国对金融行业监管从整体上看实行的是分业监管模式。在互联网金融出现之前，分业监管体制打下了我国金融监管制度的基础，初步搭建了分别适用于银行业、证券业、保险业的金融监管组织框架与制度框架，并且其本身也促进了市场细分。作为金融创新的活跃的之一，中国出现了移动支付、P2P贷款、股权众筹、个人网上理财等金融领域新的发展业态，并且《数字中国建设发展报告（2017）》中提到中国移动支付超过200万亿元，居世界第一。但是，由于金融创新和金融综合业务发展，金融业务边界模糊不清，而现有的分业监管模式会导致该领域出现监管重叠、监管真空和监管套利。互联网金融是市场主体对当前分业监管进行监管套利的结果，其基本游离于现行金融法规制之外。面对金融领域出现的这种监管漏洞，如果不妥善处理，可能会发生金融性系统风险。互联网金融领域会出现和传统金融领域相同的风险，诸如流动性风险、市场风险、信用风险、操作风险等。但是，互联网金融企业拥有其自身所特有的金融风险，即安全风险，电脑程序与软件系统的安全与否直接影响到互联网金融的运行。若遭到黑客入侵、电脑病毒侵袭、网络金融诈骗等情况，极易导致金融系统瘫痪、客户资料泄露、资金丢失、支付不安全等问题，且影响迅速而广泛。再者，工作人员的疏忽和技术上的不熟练带来操作不当同样会产生相应的风险。接下来，本文将带大家一起探讨近些年对互联网金融行业影响较大的三个风险：流动性风险、信用风险、安全风险。进而探索分业监管下，这三个风险对互联网金融行业的影响大小，以及相应的解决措施。

一、研究流动性风险、信用风险、安全风险的原因

目前，互联网金融领域的综合经营和金融创新现象屡见不鲜，但是由于金融监管体制跟不上互联网金融业务变化的步伐，导致金融领域出现一系列危机和风险。虽然传统金融领域也会出现这样一些风险，但是目前的监管机构和相应的制度会对其进行相应的规范。而在分业监管制下，一些小的事件极易放大了金融风险发生的概率。笔者认为，分业监管制下流动性风险、信用风险、安全风险最具有研究意义。

第一，三大风险之间的联系紧密度较强。首先，一旦由于互联网技术支撑的平台体系发生崩溃，以及其带来的客户和其他利益相关者数据泄露等事件，即发生所谓的安全风险。投資者将会对这家企业产生不信任的态度，进而要求其返还投资。若该企业没有足够的留存收益和相应的资本，将会发生像银行一般的“挤兑事件”，即会发生流动性风险。此外，由于互联网金融交易的机制是陌生人交易，容易出现信息不对称所导致的道德风险和逆向选择，一旦安全风险出现，极易导致互联网金融企业法人和相关负责人的跑路行为，即出现信用风险。其次，资本充足率未达标、公司内部控制制度不完善、宏观大环境变化会导致互联网金融企业出现流动性风险。一方面，公司管理人为了弥补流动性风险，会挪用投资者的资产，极易发生违约，出现信用风险。另一方面，流动性风险出现意味着公司没有足够的资金用于日常经营，更谈不上会用大量资金用于互联网后台体系的维护和开发，极易发生安全风险。最后，互联网金融的特性就是普惠金融，主要关注于传统银行不关注的长尾领域。因此，其参与者（企业和客户）鱼龙混杂，容易发生客户找不到，贷款产生坏账和企业跑路现象。

第二，近年来，互联网领域出现的危机事件绝大部分与这三类风险有关。如前些年，备受关注的互联网金融网络贷款P2P跑路事件，就是信用风险产生的危机，从而导致了债权人发生严重损失，以及全社会公众对网络贷款行业失去信任度。此外，由于互联网领域法律法规的缺失、互联网交易信息不对称等问题存在，第三方支付与网络贷款在为人们的经济活动带来极大便利的同时，也面临着一些突出的安全风险，在一定程度上制约了它们的健康发展和社会认可度。同时虚拟货币模式还存在着一些网络安全风险。客户信息泄露事件时有发生，手机、计算机面临着遭遇病毒和黑客的入侵风险等，这在一定程度上阻碍了新兴金融模式的发展。互联网金融企业资本储备是否充足，是一个企业应对各类风险和抵御外部不确定因素的必备条件。当今社会不确定因素太多，企业应当预防流动性风险，增强自身生存的底气。

第三，这三类风险对分业监管体制提出了更大的挑战。分业监管下，各个行业监管标准不同。那么对于金融控股公司和综合经营来说，可能会存在着监管的空白。如在监管实践中对于证券公司风险控制最重要的指标是净资本，反映的是公司的资本充足率和流动性状况。这与银行资本充足率有所不同，银行资本充足率是资本与风险资产的比例，而∑净资本=（资产余额×折扣比例）-负债总额-或有负债。行业性质不同和各个监管部门要求不同，会导致出现监管灰色地带的发生。对于互联网综合经营来说，一个小的漏洞将会引发严重的流动性风险。互联网技术快速发展，大数据、云技术的出现为当前的跨境、跨业跨市场的金融活动提供了可能。但当人们对金融创新带来的便利和成果欢呼雀跃时，金融综合经营在分业监管下所隐藏的风险由于一个小概率事件的发生而暴露出来。客户数据维护、后台IT系统支撑、企业与客户之间的信用等互联网金融本身所拥有的特性，造成监管难度加大，易于发生安全风险和信用风险，对分业监管提出了严峻的挑战。

二、层次分析法（AHP）下三大风险的分析

近年来，互联网金融领域出现了许多危机事件，引发了人们对改领域相关行业的担忧与再思考。其中有些事件的发生，不乏是监管不到位导致的。分业监管为改革开放以来中国金融业和实体经济发展做出了不可估量的巨大贡献。但随着互联网技术发展，互联网金融出现，使得跨境、跨业、跨市的互联网金融业务成为可能。针对传统金融机构的分业监管，已经越来越不适应金融创新和综合经营所带来的复杂问题。其中，流动性风险、信用风险、安全风险对于分业监管体制的挑战最大。下面，利用AHP从定性和定量角度研究分业监管下互联网金融极易发生哪种风险。

（一）层次分析法介绍

首先，建立层次分析模型，根据指标体系的基本关系对其进行分层，然后构造判断矩阵。判断矩阵所表示的是对于上一层次的因素，本层次与之有关的各因素相关性或相对重要性。层次分析法通常按用1—9标度方法进行比较，对于不同情况的评比给出数量标度（见表1和表2）。

对判断矩阵的每一列元素做归一化处理：

■ij=bij/∑bij （i，j=1，2，3...n）

将每一列经归一化处理后的判断矩阵按行相加为：

■i=■bij （i=1，2...n）

对向量■=（■1■2...■n）T归一化处理：

Wi= ■i/■wj

接着判断矩阵一致性指标CI（consistency index）为：

？姿max =■（Bwj/nwi）（？姿max为矩阵最大特征根）

在层次分析法中引入判断矩阵A的最大特征值？姿max和n之差与n-1的比作为度量判断矩阵偏离一致性指标，即用CI来检查决策者判断思维的一致性。

CI=（？姿max-n）/（n-1）

一致性指标CI的值越大，表明判断矩阵偏离完全一致性的程度越大，CI的值越小，表明判断矩阵越接近完全一致性。一般判断矩阵的阶数n越大，人为造成的偏离完全一致性CI值便越大;n越小，人为造成的偏离完全一致性指标CI的值越小。

最后，进行权重赋予：W=（w1，w2，...，wn）T为所求向量即指标权重。

为了度量不同阶数的判断矩阵是否具有满意的一致性，需要引入相对一致性RI的概念。考虑到1阶和2阶判断矩阵具有完全一致性，其RI自然应为0（见表3）。

当阶数大于2时，判断矩阵一致性指标CI和同阶随机一致性指标RI之比称为随机一致性比率，记为CR，即：

CR=CI/RI

当CR在10%左右时，一般认为判断矩阵具有满意的一致性，在某些情况下可以放宽到20%。但超过比值后，我们就必须调整判断矩阵，使之具有满意的一致性。

（二）分业监管下互联网金融风险层次结构模型

分业监管下互联网金融风险层次结构模型主要有三个层级：目标层、准则层、方案层。其中，目标层为分业监管下互联网金融风险;准则层包括资本充足程度、公司内部控制制度、利率汇率等宏观大环境的波動、信息不对称、IT技术的后台支撑体系、公众信任度以及数据泄露。最后，方案层有流动性风险、信用风险以及安全风险。

（三）构造判断矩阵

根据上述建立的分业监管下互联网金融风险（A）层次模型，包括7个准则层，分别是：C1为资本充足程度，C2为公司内部控制制度完善程度，C3为宏观大环境波动，C4为信息不对称，C5为IT技术后台支撑，C6为公众信任度，C7为数据泄露。而相应的方案层是：P1为流动性风险，P2为信用风险，P3为安全风险（见表4）。

对于判断矩阵中各项指标进行赋值，使用1—9标度法，通过专家决策对指标进行定量。构造A—C的判断矩阵，其中各因素两两比较（如表5所示）。

A=■

通过判断矩阵分业监管下互联网金融风险A，求出对应的权重向量和特征值为：

WA=（0.1455，0.2942，0.0548，0.1892，0.0877，0.0542，0.1744）T

？姿max=7.6258   CI=？姿max-n/n-1=（7.6258-7）/6=0.1403

CR=CI/RI（7）=0.1403/1.32=0.0790<0.1

因此，A判断矩阵不一致性在容许范围之内，通过一致性检验。

判断矩阵资本充足程度（C1），判断矩阵宏观大环境波动（C3），判断矩阵信息不对称（C4），判断矩阵IT后台支撑（C5），判断矩阵数据泄露（C7），由于都是一阶，都满足了一致性。

判断矩阵公司内部控制制度（C2）是由流动性风险、信用风险、安全风险构成的两两判断矩阵（如下页表6所示）。

C4=■

通过上述判断矩阵公司内部控制制度C2，求出对应的权重和特征值如下：

WA=（0.6586，0.1562，0.1852）T

？姿max=3.0291  CI=？姿max-n/（n-1）=（3.0291-3）/2=0.01455

CR=CI/RI（3）=0.01455/0.58=0.0251<0.1

所以，公司内部控制制度判断矩阵C2不一致性在可接受范围之内，通过了一致性检验。

最后，判断矩阵公众信任度C6是由流动性风险和安全风险构成（如表7所示）。

C6=■

通过上述判断矩阵公众信任度C6，求出对应的权重和特征值如下：

WA=（0.5000，0.5000）T

？姿max=2.0000           CI=？姿max-n/（n-1）=0/1=0

CR=CI/RI（2）=0<0.1

所以，判断矩阵公众信任度C6完全一致性，通过了一致性检验。

可以看出，通过层次分析法（AHP）对定性指标进行量化赋值构建对应的两两判断矩阵，然后计算其对应的权向量，进一步进行一致性校验，若CI<0.1时，就可以认定该判断矩阵通过了一致性检验。

（四）综合评判结果分析

从表8可以看出，分业监管下互联网金融风险之三大风险权重比例，流动性风险（P1）为0.4212，信用风险（P2）为0.2351，安全风险（P3）为0.3437。而准则层的权重比例，资本充足程度（C1）为0.1455，公司内部控制制度（C2）为0.2942，宏观大环境波动（C3）为0.0548，信息不对称（C4）为0.1892，IT技术后台支撑（C5）为0.0877，公众信任度（C6）为0.0542，数据泄露（C7）为0.1744。分析可以得出，近些年来，在分业监管制下，互联网金融领域最易发生流动性风险，其次是安全风险，最后是信用风险。

三、分业监管下互联网金融风险的对策建议

1998年建立的分业监管框架，由于近几年金融综合经营和金融创新的发展，而面临着严峻的挑战。同时，监管当局也清醒地认识到，随着时代的发展，需要对我国监管体制做进一步改革和完善。就如2018年3月21日宣布成立银保监会有关事项，它的成立意味着银监会和保监会的合并。至此，“一行两会“取代了“一行三会”。这是监管当局对监管体制改革的探索，由于行业业务具有相似性，可以并在一起，统一制定监管标准，减少监管重叠，打破监管真空。金融创新的步伐不会停止，因此，应该在创新与监管之间寻求平衡。正如量子金服创始人刘亚非表示：“在监管方面，监管是一把‘双刃剑，不仅需要与时俱进，更关键的是如何鼓励创新和控制风险间取得平衡。”结合上述实证分析以及监管当局所做的努力，笔者提出以下几条建议仅供参考。

第一，根据互联网金融企业规模大小，确定相应的资本留用比例。由于互联网和金融业的特性，互联网金融企业需留足资金来应对突发事件。相关监管部门应强制性制定相应的限制留用资本比例的规范性文件，以此来防止互联网金融企业为减少机会成本、追求更大利润，而持有过少的流动资金。监管机构间信息共享，统一制定对某一类企业留用资金比例，防止出现监管的混乱。为此，监管机构也做出了不少努力，就如资管新规谈到，“坚持宏观审慎管理与微观审慎监管相结合、机构监管与功能监管相结合的监管理念，实现对各类机构开展资产管理业务的全面、统一覆盖，采取有效监管措施，加强金融消费者保护。”

第二，建设政府主导、企业推动、行业治理互联网金融征信体系。政府加强对互联网金融行业的监督和管理，充分发挥中央银行在征信体系中的主导作用;对于互联网金融征信企业进行合理定位，通过征信产品和服务创新激发其参与征信体系建设的积极性;依托互联网金融行业协会的专业优势，引导形成互联网金融行业征信标准，要注重完善互联网金融征信体系的法律法规，规范信息的采集规则，明确信息采集权限，在保护征信对象隐私权的基础上，实现对征信对象较为全面的信用评价;明确信用信息的适用范围和使用权限，建立追责机制，依法追究侵犯征信对象隐私权的责任;普及信用知识，提高征信权益保护意识，保护征信对象的隐私权和互联网金融企业的财产权，建立科学的互联网征信体系。

第三，促进互联网金融企业内部控制体系建设。国家应强制性规定该行业企业建立一套内部控制系统，避免由于内部控制胡乱导致的金融风险。考虑到我国制度背景以及注册会计师内部控制审计披露的基础上，建立反映企业内部控制综合状况和水平的企业内部控制评价结果指标，由政府监管部门或外部非营利性机构实施对我国企业内部控制整体状况和各企业内部控制水平的评价十分必要。

参考文献：

[1]  王兆星.后危机时代中国金融监管改革探索[M].北京：中国金融出版社，2015.

[2]  刘新宪，朱道立.选择与判断——AHP层次分析法决策[M].上海：上海科学普及出版社，1990.

[3]  王占霞，高长玲.互联网金融的风险及监管[J].经济学研究，2016，（10）：12-16.

[4]  杨东.互联网金融风险规则路径[J].中国法学，2015，（3）：1003-1707.

[5]  朴铭实.互联网金融风险与防范[J].税务与经济，2017，（3）：96-109.

[6]  蔡奕，程红星.《中华人民共和国证券法》重大修订条款解析[Z/OL].道客巴巴，2006-02-26.

[7]  关于规范金融机构资产管理业务指导意见（征求意见稿）[Z].2018.

[8]  侯国帅.中国互联网金融征信体系建设研究[D].北京：中国中央党校，2016.

[9]  张先治，戴文涛.中国企业内部控制评价系统研究[J].审计研究，2011，（1）：69-78.

Research on Internet Financial Risk under Separate Supervision System

WEI Zi-hua

（University of Shanghai for Science and Technology，Shanghai 200093，China）

Abstract：Nowadays，with the rapid development of Internet information technology，peoples production and life have been greatly changed.And the combination of Internet and traditional financial institutions has produced a new format：Internet finance.The advent of Internet finance has changed the 28th law that the traditional banking institutions follow，and made the inclusive finance possible.Internet financial consumer information theft，P2P running away，personal financial fraud and other events highlight the risks in Internet financial field.At present，China is implementing a separate supervision system.Because of the vagueness and cross-ness of the boundary of Internet financial format，there is a state of regulatory duplication，regulatory arbitrage and regulatory vacuum in this field.For this reason，this paper studies the Internet financial risks under the system of separate supervision.

Key words：division supervision;internet;financial risk;analytic hierarchy process

[責任编辑 吴明宇]