本文共字，预计阅读时间。

1、背景概述

自2007年国内第一家网贷平台拍拍贷在上海上线以来，网贷行业发展迅猛，2013年开始更是呈现井喷式增长，2015年网贷平台数量达到巅峰。据不完全统计，截至2017年6月，网贷行业正常运营平台数量共有2114家（如图1）。

虽然网贷平台数量凭借“模板式”快速增长，但质量却良莠不齐，导致风险事件频发。据统计，2014年停业及问题平台开始增加，累计数量达301家；2015年停业及问题平台累计数量达1294家；2016年进一步增加，停业及问题平台数量达到惊人的1741家（如图2）。

问题平台爆发式增长，一方面是由于宏观环境的变化，网贷相关政策相继出台，监管趋严，行业面临大整顿。2016年8月24日，银监会、公安部、工信部、互联网信息办公室四部委联合发布《网络借贷信息中介机构业务活动管理暂行办法》，并作出了12个月过渡期的安排，在过渡期内通过采取自查自纠、清理整顿、分类处置等措施，进一步净化市场环境，促进机构规范发展。2017年2月23日，银监会发布《网络借贷资金存管业务指引》，为网贷平台进行资金存管业务设置了6个月的过渡期进行整改，要求网贷平台必须将资金接入银行存管系统，而到期未能上线银行存管系统的网贷平台将面临监管部门的查处。一系列的高压政策导致大量违规平台相继退出舞台。

另一方面，网贷行业存在普遍性的问题：发展模式不确定，风险控制不足和信誉机制缺失。随着P2P的兴起，大量企业加速进入网贷市场，但实际上很多企业并不了解网贷行业，准确地说是对互联网金融的本质不了解、对网贷平台的运行方式和风险特征不了解。许多民间借贷公司虽然线下团队经验丰富，但对于互联网技术的把控有所欠缺。甚至有些小贷机构仅仅只是建立网站，重点业务还是依靠线下撮合借贷双方交易。

网贷平台作为信息中介积累了大量电商和用户个人数据，但是，这些数据是否能够帮助网贷平台完成风险评估尚待验证。从目前运营的多数P2P平台来看，以线下模式或线上线下相结合模式发展的平台在贷款前会对借款人资质与还款能力进行考核，但是贷款后却难以跟踪资金的使用情况，无法保证专款专用、分期划拨、定期检查等。有的平台没有足够的自有资金，倘若挪用投资人资金，长此以往，一旦资金链断裂，平台最终只能跑路。

网贷平台风控能力的强弱决定着平台的寿命。网贷平台没有严格的风控体系与安全措施，对借款人资格审核不严格，一旦被曝出负面舆情，随之而来的就是挤兑潮。没有雄厚资金实力的P2P平台只能清盘歇业，有的直接卷款跑路。

本报告系统梳理了网络借贷在我国诞生以来，十年中网贷行业风控模式的演进和发展，对行业中较具特色的风控模式进行了介绍和分析，旨在为行业从业人员、投资人、学术研究者和各级监管部门提供参考。

2、风控模式发展演变

风险控制能力是衡量一个网贷平台优质与否的重要标准。风控模式的不断完善和创新能提高网贷平台自身风控能力，对于平台和投资人都是一种重要保障。网贷行业发展至今，风控模式主要经历了以下三个阶段。

第一阶段：传统线下风控（2007-2010）

P2P引入我国后，传统网贷风控模式才开始慢慢成型，风控手段主要以实物抵押、担保垫付、小额分散和尽职调查等传统线下风控模式组成，可以把这一阶段归结为网贷风控1.0时代。

（1）实物抵押

即借款人通过审核后，将其抵押品（如房产抵押、车辆抵押、珠宝抵押、艺术品抵押等）与相关权威机构共同合作进行抵押物估值，评定其变现能力，并进行足额抵押，若借款人逾期未还款，平台将会通过抵押物变卖来收回款项。实物抵押的方式作为传统的风控模式存在的问题较多，一方面是其变现时间较长，影响投资者资金的充分利用；另一方面是难以保证抵押物价值估量的合理性，如艺术品抵押时，对于文玩字画等艺术品的估价要求过高，部分平台并不具备准确估价的能力。

（2）担保垫付

担保垫付，即由平台保障投资人本息。此类平台可以通过自身的资金储备保障投资人资金安全。

例如，在2009年，红岭创投成立，与其他P2P平台不同，红岭创投采用垫付担保模式（如图3）。

在投资过程中，借款者超过三十天未还款，该笔借款将按坏帐处理，VIP会员可以获得由网站合作商垫付的全额借款本金，非VIP会员可以获得由网站合作商垫付50%的借款本金，同时该笔债权转由网站合作商全权享有。这样的模式保障了投资者本息安全，但担保垫付模式对平台自身实力要求较高，而对借款人约束力较低，一旦逾期项目过多，极容易超过平台的承载力，致使平台倒闭。

（3）小额分散

即将一笔资金分散于不同标的中，由于分散的个体之间具有相对独立性，借款人分散在各个地域和行业，满足统计学意义上的“大数法则”，避免出现“小样本偏差”的风险，降低了投资者风险。在监管日趋严格的背景下，小额分散符合互联网金融的“普惠”精神，许多P2P网贷平台目前仍都沿用此模式。2016年8月24日，银监会等四部委发布的《网络借贷信息中介机构业务管理暂行办法》第十七条提到：“网络借贷金额应当以小额为主。网络借贷信息中介机构应当根据本机构风险管理能力，控制同一借款人在同一网络借贷信息中介机构平台及不同网络借贷信息中介机构平台的借款余额上限，防范信贷集中风险。”并且对于同一自然人或同一法人的借贷金额做出限定。

小额分散的风控模式对于平台来说成本略高，但有效地降低了大额坏账风险；同时对于投资者的风险承受力要求更低，符合投资者对于资金灵活性的要求。

（4）尽职调查

由平台通过对借款人的身份、居住地、抵押物及其价值评估、经营收入、资产负债、信用、资金用途等相关信息进行实际调研。尽职调查的模式有利于投资者更加了解所投项目，保障投资者资金安全。但2010年之前，信用制度和信用管理体系的基础设施建设远远落后市场的发展要求，尽职调查多为线下调查，这样的模式成本较高，削弱了互联网的效率优势，制约平台发展。

第二阶段：“线上 + 线下”风控（2011-2014）

单纯的线下风控无论在人力还是物力上都会给平台造成巨大的困扰，平台风控人员从专业角度和经验上可能也有所欠缺。不仅如此，平台自身提供担保也有很大的风险，一旦出现逾期或者贷款人拒绝还款的情况，容易导致资金链断裂，使平台无法维持正常运营而面临倒闭危机。

2014年4月21日，在防范打击非法集资新闻发布会上，银监会明确提出P2P网贷平台业务边界有四条“红线”：一是明确平台的中介性质，二是平台本身不得提供担保，三是不得归集资金搞资金池运作，四是不得非法吸收公众资金。在平台自身担保被禁止后，各大平台更多地选择第三方平台担保。这一阶段的风控模式主要以第三方提供担保、与第三方支付平台合作、设立风险备用金等“线上+线下”相结合模式为主，可以归结为风控2.0时代。

（1）第三方提供担保

担保公司与P2P网贷平台合作，通常分为融资性担保公司和非融资性担保公司两种，担保公司对不同的项目进行评价并担保。投资人将资金投入P2P网贷平台，再由平台放款给借款人，当借款人出现违约状况时，则由平台引入的第三方担保公司承担所约定的担保责任，对投资人做出相关赔付（如图4）。

由于缺乏严格的监管制度和约束机制，该模式仍存在一定问题。一方面，担保公司的担保资质无法保证，更有甚者是P2P平台自身成立皮包担保公司来担保；另一方面，部分担保公司的自身实力是否能够承担大额赔付也值得怀疑。

（2）第三方支付平台

该模式是指投资人、借款人的资金往来都通过第三方支付账户，资金并不通过P2P网贷平台。这样的模式使资金交易需通过多次身份验证，目的是避免P2P网贷平台积蓄“资金池”（如图5）。

但是，第三方支付没有监管平台的职责，也无法核实交易信息的真实性，这种模式仍存在一定的风险。如2013年创下当时P2P网贷平台最短跑路史的“福祥创投”案例，该平台与第三方支付平台——汇潮支付合作，但当投资者向汇潮支付反映福祥创投存在地址虚假问题后，汇潮支付仍旧将钱款汇入该平台账户。

此外，有些第三方支付平台在审核过程中只需要P2P网贷平台在线提交公司的营业执照、税务登记证、法人身份证、组织结构代码证、开户许可证，并主要查询域名备案和企业是否一致，且不收取任何保证金，也不会对平台进行核实调查。这样不严格的风控导致资金第三方托管变成了拉拢投资人的噱头，并未起到对网贷平台的实质性约束作用。

（3）风险备用金

这种方式类似于银行的风险备用金模式，是按照一定的比例来对贷款提取保证金，当借款人出现逾期不还等情况时，由平台动用风险备用金先行垫付部分本息，当坏账高于风险准备金时，平台则暂停垫付。2017年北京出台新规《网络借贷信息中介机构事实认定及整改要求》第41条中明令禁止设立风险保证金、准备金、备付金等提供担保，或者以此进行宣传，以风险备用金提供担保的模式将慢慢被淘汰。

第三阶段：大数据智能风控（2015至今）

2014年起，网贷行业开始大范围爆发风险事件，人们开始对传统的风控模式产生质疑。正值大数据技术发展迅速，大数据在金融行业的风控中获得了引人注目的进展。许多走在网贷行业前列的平台也纷纷把注意力放在了大数据风控上。金融的核心是风险控制，将风控与大数据结合、不断完善和优化风控制度和体系，对于互联网金融企业和传统金融企业而言都同等重要。而2017年2月银监会发布的《网络借贷资金存管业务指引》要求网贷平台必须资金接入银行存管系统，很大程度规范了行业发展。所以这一阶段的风控模式主要以接入银行存管系统、大数据风控等线上操作风控模式组成，网贷风控正式进入3.0时代。

（1）银行存管

银行存管是由银行管理资金、平台管理交易，资金与交易相分离的方式来避免平台直接接触资金而导致的客户资金被挪用。据了解，当前的银行存管有银行直连、直接存管和联合存管三种。

1）银行直连，是指避开充值和提现，由银行直接开通支付结算通道，投资人的投资、回款过程都直接由银行进行在线交易。

2）直接存管，是指由银行为P2P网贷平台设立账户，投资人、借款人设立个人独立账户、风险备用金账户和担保公司账户，通过银行的监管将客户资金和平台资金分开管理（如图6）。

3）联合存管，是指银行与第三方支付公司共同合作、联合存管。银行设立平台账户，作为用户的账户监管及资金存管，第三方支付平台负责提供资金结算及终端设备等技术（如图7）。

目前，直接存管的方式应用率较高。在2015年发布的《关于促进互联网金融健康发展的指导意见》中提到：“从业机构应当选择符合条件的银行业金融机构作为资金存管机构，对客户资金进行管理和监督，实现客户资金与从业机构自身资金分账管理。”2016年的《互联网金融风险专项整治工作实施方案》中指出：“P2P网络借贷平台和股权众筹平台客户资金与自有资金应分账管理，遵循专业化运营原则，严格落实客户资金第三方存管要求，选择符合条件的银行业金融机构作为资金存管机构，保护客户资金安全，不得挪用或占用客户资金。”

银行存管在整改中被高度重视，在风控模式中成为必不可少的环节。

（2）大数据风控

传统的风控方式多在线下以人工为主，在“大数据”这一概念引入我国后，更为便捷的线上大数据风控应运而生。

在收集海量的用户数据后，依托于文本挖掘、机器学习、聚类分析、自然语言处理、预测算法等技术建立用户行为模型，构建用户画像，针对不同用户制定个人风险定价。其基本流程如图8所示。

大数据风控涵盖贷前、贷中和贷后整个放贷过程。

贷前。收集用户各方面数据，整理成征信信息；对潜在风险做出评估，判断其还款来源；筛选出合格的贷款人，根据风险定价进行放款（如图9）。

贷中。通过外部数据监测，观察借款人的资金支付结算等信息是否可能出现逾期，并及时做出预警。

贷后。一旦逾期现象出现，可以针对不同的用户制定不同的催收策略模型。

大数据风控对借款人的多维度判断可以更加有效地识别欺诈行为，通过聚类分析的方式可以判断出部分恶意欺诈行为的共性，实时的数据更新及合理的风控模型使风险评估得以量化，较传统风控更能消除其滞后性。同时，线上审核方式节约人工成本，加快放款速度，如拍拍贷可以实现一分钟申请、一小时放贷，利于实现资金的快速流转。

但是大量的数据充斥对P2P网贷平台的要求更高，如何拥有较高的数据匹配率也成为大数据风控的关键点。

3、特色风控网贷平台

目前已有大数据风控体系的平台技术基础大同小异，但在具体的流程及执行过程中却大相径庭。所以，根据网贷平台风控体系中各个维度的综合考察，评选出5家较具特色风控能力的平台。分别是麦子金服的“水滴”风控系统、爱钱进的“云图”风控系统、夸客金融的“牛盾”风控系统，小赢理财的“智赢”风控系统以及玖富的“火眼”风控系统，这5家平台都是基于大数据建立风控体系，对于风控体系的研究具有重要的参考价值。

麦子金服“水滴”风控系统——协同风控，把握全局

2016年12月29日，麦子金服旗下诺诺镑客与徽商银行签订资金存管合作协议，2017年6月9日正式上线银行存管系统。

（1）控制风险，把握盈利

通过八年的数据沉淀，麦子金服形成了较为先进和严谨的“五行”金融科技系统中的“水滴”风控系统，“水滴”风控系统与其它风控系统不同之处还在于，它较好地解决了风控与业务的矛盾，即在关注企业利润前提下，将风险损失率等参数作为约束条件构建优化函数，保证了风控与业务的协调同进。

（2）协同风控，穿透资管

“POPDAMIT”八个字母能较好地诠释“水滴”风控体系的精髓。

“P”，即Process control（无缝流程），相较于其他平台独立、局部的风控模式，“水滴”采用全流程的风控模式，从客群选择、产品设计、流程设计、落地实施、推广销售、进件审批、贷后管理七方面无缝对接，着重于将每一项影响因子都纳入风控范围。

“O”，即Organization（活力团队），“水滴”风控在专业化人才培养的基础上采用整体风控，注重从全局出发在公司的整体层面采用协同风控的方式。不同于有些平台将建模、数据、业务相互独立，“水滴”风控要求各部门相互配合，将分工与合作紧密结合。

“P”，即Pricing on risk（风险定价），根据数据组已有模型进行成本核算及盈利分析，目前，麦子金服的“水滴”风控系统是唯一一个拥有专利技术来创建模型评级进行风险定价的风控系统。

“D”，即Data consortium（数据联盟），麦子金服拥有八年数据量累积，通过自身数据与所对接的芝麻信用等第三方共同集成数据联盟。

“A”，即Anti-fraud（欺诈防范），其中包含Lurk（潜伏）、Alarm（预警）、Net（滤网）、Eagle eye（鹰眼）、Trace（追踪）五部分，减少巨额坏账和骗贷等情况的发生。

“M”，即Model groups（模型集群），麦子金服将旗下的业务根据性质不同建立不同的模型，包括消费金融评级、商户风险评分卡、大房东评分卡等分别进行打分，保证模型对借款人评估的准确性。

“I”，即Intelligent approval（智能审核），基于风险差异化的审核策略对75％的项目进行自动审批，提高审批速率。

“T”，即Technology（高新技术），通过高科技驱动，采用人脸识别、声纹识别、移动定位视频、决策引擎等人工智能手段，以科技来辅助风控技术，做到“人无我有，人有我优”。

（3）团队建设，“准、敏、早、解”

风控系统在企业应用中的效果，不仅取决于模型及系统设计的本身，还取决于风控流程的执行。因此，风控团队的建设同样重要。麦子金服在风控团队建设方面，可以用四个字概括：“准，敏，早，解”。“准”是要求其风控部门的数据报告具有准确性；“敏”是对于发现风险的敏锐性；“早”是在客户发生首逾的情况下就及时做出反应，及时取得联系，早期发现其风险；“解”是一旦出现问题，风控部门要第一时间拿出解决方案。完善的风控团队建设体系与富有灵性的管理机制也是“水滴”风控成功的必要条件。

风控体系的完善需要不断的创新，2015年“水滴”风控1.0面世。2016年，“水滴”风控2.0升级，加快了自动审核速度，降低逾期率，优化资产结构，促进了麦子金服成为少有的盈利公司之一。目前，“水滴”风控3.0在研发创新中亟待面世。

爱钱进“云图”动态风控系统——用户画像，预测风险

2016年8月29日，爱钱进与华夏银行(北京分行)签订资金存管合作协议，2017年1月9日正式上线银行资金存管系统。

2016年5月6日，爱钱进上线“云图”动态风控系统，利用机器学习、自然语言等技术将内外部数据全部串联起来，通过知识图谱和深度学习相结合，对人类的大脑行为做出模仿，让系统自动去发现借款人在各方面信用数据之间的相关联性，发现潜在风险，更加准确地对于借款人的信用做出判定。

“云图”动态风控系统是在海量的客户数据中通过了解到客户的日常消费习惯等去精准地定位每一个人，通过数据对个人进行画像，通过“云图”来判断其未来的一段时间的行为方式，并根据客户的人际交往关系，立体地反映出其社交关系中的潜在风险，通过其深度的社交网络来预测客户风险，提升风控效率。目前，“云图”已全面应用在爱钱进关键业务的所有阶段。

夸客金融“牛盾”风控系统——匹配模型，估算风险

2016年3月2日，夸客金融与恒丰银行签订资金存管合作协议。

夸客金融的风险管理体系如图10所示。

夸客金融通过大数据技术，以迭代数据进行机器学习，决策引擎为底层技术，建立自己的风险管理体系。据悉，其“牛盾”风控体系基于大数据智能风控模型，从多渠道取得大量数据之后，由标准化信息录入，在每个用户数以千计的字段信息中进行筛选、转化、加工，通过构建的风险模型获取用户授权下的信用行为、相关身份认证、网上行为数据、第三方渠道数据、社交关系网络等对借款人所提出的申请进行科学的判断，之后由夸客金融自身的信用评分系统打分，对每个标的都进行准确的风险概率估算，再对每一借款都进行相应的风险评级之后形成独有的风险定价。经过决策科学系统根据评分结果做出是否批复的最终结论，并完成相匹配的风险定价。

这样引入互联网采集技术的流程性风控，减少了其中人工操作中的风险，将数据结构化，减少了平台运营的环节及成本，使其更好地提供决策。

小赢理财“智赢”风控系统——精准判断，众安担保

2017年5月4日，小赢理财与华瑞银行签订资金存管合作协议，5月16日正式上线银行存管系统。

小赢理财前期采用与众安保险合作首创的信用保证保险模式，随后小赢理财推出了“WinSAFE智赢”风控体系，即Scientific（智能）、Agile（敏捷）、Focused（专注）、Effective（精准）。智赢风控系统主要是依靠数据引擎、反欺诈模型、信用价值模型、抵押物估值模型与极客学习引擎共同组成了大数据风控系统，通过对海量的数据进行处理来分析出借款人的还款能力，保障投资人的资金安全。

“WinSAFE智赢”风控体系植根于战略合作伙伴众安保险的风控标准，依照金融机构级别的风控政策，对所有合作金融机构提供的资产，进一步展开“叠加式风控”，确保提供金融机构级别、风险分散的资产组合；同时，智赢风控系统结合了秒级人脸识别、分析等技术，并且联合多家第三方数据源共同合作、交叉验证，保障资产安全。

玖富“火眼”风控系统——量化信用，预测坏账

玖富与华夏银行签订资金存管合作协议，银行存管系统未正式上线。

玖富旗下的玖富叮当贷引入了“火眼”风控系统，其基于大数据、机器学习、云计算等技术，为平台客户打造专属的“信用身份证”。据悉，“火眼”风控系统的火眼分基于用户提供的或授权获取的不限于金融属性的特定数据，以及在玖富平台的信贷表现数据，对借款人的还款能力和还款意愿等综合信用风险进行动态量化评定。火眼分越高代表信用越好，借款利率就越低，信用额度则越高。

玖富根据用户的身份认证、多头负债、内外部黑灰名单、法院执行情况等信息制定规则，并综合用户授权的社交数据、运营商数据、电商数据以及合作机构数据等来预测其未来的信用表现作为四大模块，以用户的身份特征、外部征信特征、信用历史、还款能力、人脉关系和交易行为作为六种维度来对用户进行综合评估。

玖富建立的坏账预测矩阵——“彩虹评级模型”，可以对用户的行为做出评定，预测其是否具有早期逾期的特征。同时，玖富也通过跟第三方征信的合作来共同完善征信系统，将平台中的逾期等不良信息计入芝麻信用。

2017年6月，玖富被爆出旗下玖富超能金融有限公司内部工作人员，以发放好处费为诱饵，拉人申请贷款，四个月内骗贷金额达150万元。同时，玖富凭借其安全部门的大数据风控系统进行追踪，发现欺诈行为后积极配合警方打击此次欺诈行为。这起案件反映出玖富虽具有强大的大数据风控系统，但在企业内部管理这一关键的风控环节却存在一定的问题。

4、存在问题

（1）数据问题

基于大数据的风险控制，突破了传统风控模式的局限，在利用更充分的数据的同时降低了人为偏差，是金融机构创新传统金融风控模式的变革利器。应用大数据技术不仅可以提高风控效率，还能节约风控过程中的成本。然而，大数据风控的核心数据获取还并不完善，仍存在数据孤岛、数据质量低和数据泄露等问题。

1）数据孤岛

目前，政府、银行、第三方征信公司与P2P网贷公司之间的信息短时间内难以相互连通，交易经行过程中信息不对称，不透明，导致了诸如多头债务风险和诈欺风险。大数据风控的提高，数据开放和共享的问题亟待解决。

2）数据质量低

数据质量低的问题也从一定程度上影响了大数据风控的质量。特别是来源于互联网的半结构化和非结构化数据，其真实性和利用价值很低。举例来说，在美国，Lending club和Facebook曾经合作获取并利用社交数据；在中国，宜信也曾大费周章地采集借款人的社交数据，以期实现对借款人信用的全面评定。但是两者得出的结论如出一辙，由于社交网络中的数据主观随意性很强，这些在网上提取的社交数据根本不具有利用价值或者利用价值十分低，错误率高达50%。电商平台上的交易数据也由于一些刷单现象而失真。这些信息的收集与利用几乎没有任何意义，基于这些低质数据的风控效果也会大打折扣。

3）数据泄漏

大数据风控过程中存在数据泄漏问题。近年来，数据泄漏风险事件屡见不鲜。2015年，一个名为“芝麻金融”的P2P平台被曝出因黑客袭击造成了超过8000名投资者的信息被泄露，这些数据包括用户姓名、身份证号、手机号、邮箱、银行卡信息等，只需用人民币充值兑换积分，即可在论坛上将这些数据全部下载。数据泄露严重影响了投资者信息安全和资金安全，这些都降低了大数据风控的有效性和应用价值。

（2）人才问题

目前，我国优秀的风控人才处于供小于求的状态。风控与业务不可分割，只有了解业务全部流程才能发现潜在风险并加以控制。但大量平台的风控部门人员对网贷业务了解有限，往往只精通于局部的过程而难以对全局进行把控。优秀的风控人员应具有对于整体行业与业务规则的经验积累，培养这一类人才对于平台来讲成本较高、时间较长且成功率较低。

（3）征信问题

我国的征信体系仍处于建设阶段，大多都依赖于中国人民银行的个人信用报告及第三方征信公司所提供的信用数据。目前，第三方征信公司的数据来源与模型建立也是良莠不齐，缺少具有权威性及公信力的信用评价机构，在征信产品、服务内容、应用范围上还有很多不足之处。同时，在中国十几亿人口中，还存在七亿左右的“白户”，他们没有信用卡或其他借贷记录，甚至有些偏远地区不能使用支付宝等线上支付，缺乏可用的征信记录，近年来很多平台已经出现利用这些无征信的“白户”来骗贷的案例。所以，征信体系建设仍待完善。

5、未来与展望

（1）技术进步，将提升网贷行业风控水平

虽然网贷行业风控已进入大数据风控时代，机器学习等先进技术被应用，但是目前的技术水平仍有局限性。很多新技术也在实验阶段，应用的效果有限。随着区块链、智能投顾和深度学习等相关技术的不断进步，网贷行业的风控水平也会不断得到提升。

1）区块链技术

区块链本质是去中心化的分布式数据库，其去中心化、开放自治、匿名不可篡改的数据结构特性在一定程度上解决了大数据风控有效性不足的问题。在区块链技术的驱动下，每个数据只有在共同验证之后才能写入，并受到其他节点的共同监督，不可随意篡改；私钥保存了节点的关键信息，降低了信息泄露的可能性。此外，无论是平台，第三方征信或是监管部门都可以作为一个用户节点加入，这样的条件下，每次的交易信息都可以被即时提供，提升了效率，为风控的发展提出更多可行的构想。

2）智能投顾

智能投顾是虚拟机器人基于客户自身的理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。它通过大数据计算来获得用户的风险偏好及投资规律，针对不同用户结合算法模型来制定个性化投资方案，并实时监控调整投资项目，在用户可承担的范围内实现利益最大化。据悉，目前已有P2P平台将所产生非标类消费信贷资产加入其中，与基金等共同构建投资组合。这样的方式可以方便用户，使理财更加个性化、专业化、分散化，也可以避免用户盲目追求利益导致的风险。

3）深度学习

深度学习是机器学习中人工神经网络的衍伸，是根据数据特征的处理去学习人处理知识和数据的方式。在已有的机器学习的技术基础上，更加注重用户的关系网络，例如将用户与已有的欺诈信息联系起来，计算相关权重，排除其中弱关系。同时，优质用户的关系网络相对稳定，基于深度学习强化关系网络可以对于优质用户进行判断。

（2）复合型人才增加，将促进网贷行业整体风控能力

网贷行业急需了解全局又精通于局部过程的复合型人才，近几年，一些有实力的平台从国外引进了风控人才，组建了较强的风控团队。随着复合型风控人才的增加，行业风控能力将会得到提升，同时也会降低平台的人力成本。

（3）社会诚信体系的完善，将减少网贷行业的风险

社会诚信体系包括社会诚信制度、信用管理和服务系统、社会信用活动和监督与惩戒机制四个方面，社会诚信体系是维护良好的社会经济秩序的基础，随着我国社会诚信体系建设的推进和完善，网贷行业的风险将会不断降低，风控的数据更为准确，对于提高行业整体风控能力会起到重要的推动作用。

总而言之，网贷作为金融的一个分支，具有较强的金融属性。金融是风险与收益并存，注重稳健和安全，网贷平台只有做好了基础风控安全，才可以对产品和服务进行创新。互联网金融在经历了野蛮生长之后开始回归理性，在优胜劣汰、监管趋严的背景下，平台具有较强风控能力才能健康发展。金融离不开风控，注重风控，牢记风控的金融创新模式才能稳步前行。

6、关于我们

本报告由人创咨询联合理财之家发布。

北京人创咨询有限公司（简称“人创咨询”）是众筹家旗下品牌，致力于打造中国最具专业性和最具影响力的互联网金融研究、创业投资培训、互联网金融法律服务机构。

理财之家（http://www.licaizhijia.com），国企理财传媒集团《理财周刊》旗下综合理财门户网站。

转载及分享本报告内容，请注明：人创咨询——《网贷行业风控模式发展报告》

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。