互联网消费金融的风险研究——以京东白条为例

——以“京东白条”为例

中文摘要

互联网消费金融是消费金融服务与互联网技术结合的产物，其本质还是消费金融，即利用互联网技术，以满足消费者消费信贷需求而产生的金融服务和产品。互联网在给消费金融带来便利的同时，也隐藏着各种风险，因此研究互联网消费金融具有哪些可能的风险以及如何进行风险控制，对促进互联网消费金融的稳定发展、维护金融市场的安全有着积极的意义。

本文首先对互联网消费金融的定义、发展和特征进行了详细的阐述，进而分析其对社会的影响，并通过两个国内外消费金融市场不健康发展的实例，提出我国互联网消费金融市场存在的可能；其次，详细阐述了互联网消费金融存在的风险类别，并且将京东金融的互联网消费金融产品“京东白条”作为案例，具体分析了其风险控制所应用的技术和方法，并简单介绍了这些技术应用的前提，重点分析了互联网征信体系与央行征信体系的区别。最后，基于信用风险分析的基本理论，通过博弈论的模型，重点研究信用风险，探讨互联网消费金融中贷款金额、利率、违约惩罚、违约信息共享等关键因素对互联网消费金融信用风险的影响，通过对借款阶段和还款阶段金融公司和消费者的博弈分析提出减小信用风险的建议。

关键词：互联网消费金融，风险控制，京东白条，模型设计Research on the Risk of Internet Consumption Finance

A Case Study of Jing Dong Bai Tiao

Abstract

Internet credit finance is the combination of credit finance and internet technology which using internet technology to fulfill the credit service requirement of consumers. The internet technology brings convenient to credit finance service, but at the same time, a variety of new risks are hidden behind it. In order to ensure the stability of internet credit finance market, it is necessary to research the possible risk and risk control of internet consumer finance.

This paper firstly elaborates on the definition, development history and characteristics of Internet consumption finance, and then analyzes its impact on society. Meanwhile two cases were used to describe the risks and problems existing in China's internet consumer finance market; Secondly, this paper enumerates different categories of risks in internet credit finance, and use a finance product 'JingDong BaiTiao' as a case to analysis new methods and technologies to manage risk in detail, especially analysis the differences between internet credit system and central bank's credit system. Finally based on basic theory of credit risk control, this paper build a game theory model to describe a general transition process of pro-internet credit finance, and quantitatively analysis the impact of some key factors to credit risk control such as loan amount, interest rate, breach punishment and information sharing. Some advises are given to reduce the credit risk using the analysis results of this model.

Keywords: Internet consumer finance, risk control, Jing Dong Bai Tiao, model design目录

中文摘要 (I)

Abstract (II)

第一章绪论 (1)

1.1.研究背景及意义 (1)

1.2.文献综述及研究现状 (2)

1.3.研究内容和方法 (3)

1.4.研究创新和不足 (4)

第二章互联网消费金融概论 (1)

2.1.互联网消费金融定义 (1)

2.2.互联网消费金融发展 (1)

2.2.1.互联网消费金融发展历史 (1)

2.2.2.互联网消费金融发展现状 (2)

2.3.互联网消费金融特征 (4)

2.3.1.基本特征 (4)

2.3.2.金融特征 (4)

2.3.3.互联征 (5)

2.4.互联网消费金融存在的问题 (6)

第三章互联网消费金融风险识别 (8)

3.1.传统风险识别 (8)

3.1.1.市场风险 (8)

3.1.2.信用风险 (9)

3.1.3.流动性风险 (10)

3.1.4.操作风险 (10)3.1.5.系统性风险 (11)

3.2.非传统风险识别 (11)

3.2.1.硬件失效 (11)

3.2.2.网络安全风险 (12)

3.3.社会风险识别 (13)

3.3.1.挤占传统信贷市场风险 (13)

3.3.2.垄断风险 (14)

第四章京东白条案例分析 (15)

4.1.京东白条基本情况 (15)

4.2.京东白条风险分析 (15)

4.2.1.京东白条传统风险分析 (15)

4.2.2.京东白条非传统风险分析 (16)

4.2.3.京东白条社会风险分析 (17)

4.3.京东白条风险控制方法分析 (17)

4.3.1.信用评级 (17)

4.3.2.应用大数据进行个人征信 (19)

4.3.3.资产证券化 (20)

第五章京东白条信用风险控制模型设计 (24)

5.1.信用风险分析基本理论 (24)

5.1.1.逆向选择 (24)

5.1.2.道德风险 (24)

5.2.基于博弈模型的信用风险分析 (25)

5.2.1.基本假设 (25)

5.2.2.贷款阶段 (26)

5.2.3.还款阶段 (27)5.3.降低信用风险的意见和建议 (29)

第六章结论 (30)

6.1.主要结论 (30)

6.2.研究展望 (30)

参考文献 (31)

致谢 (33)兰州大学硕士研究生论文互联网消费金融的风险研究 ——以“京东白条”为例

第一章绪论

1.1.研究背景及意义

随着互联网的不断发展，互联网技术深入到社会生活各个领域，并给人们的生活带来了极大的便利。互联网技术结合传统金融产生了互联网金融。2016年上半年，我国互联网金融交易规模达到了10.5万亿元，同比增长37.6%。互联网金融之所以能够迅速的发展，与其相较于传统金融的优势有很大关系。互联网有良好的传播特性，它集文字、图片、电影、色彩、虚拟现实和增强现实等所有广告媒体的功能于一身，同时还可以加入声音、动画和影像等信息，大大增强了金融产品的宣传效果，使得金融信息在互联网上快速传播和发展。同时，互联网金融所面对的用户群体是一批接受新事物、新概念能力较强的群体，他们一般接受过良好的高等教育，并且有很强的消费能力，是互联网金融的忠实用户。同时相比于传统金融行业，互联网金融行业操作流程标准化、自动化程度高，业务办理速度快，将传统金融需要几小时才能完成的工作缩短到几秒钟即可完成，大大提高了工作效率，降低了劳动成本。由于交易成本的降低和交易时间的缩短，互联网金融将服务拓展到了传统金融无法触及的长尾客户群体，其核心内涵是平民为主，用户体检至上，以数量弥补客户质量的不足，从而取得了良好的效果。比如，天弘基金就借助余额宝让大量普通消费者以很低的价格享受到了购买基金等多项服务，其基金规模达到了全国第一。

借助互联网的优势，互联网金融很快形成了完整的服务体系，填补了传统金融的服务空缺。互联网金融一般分为9种不同形式：P2P、众筹、金融网销、供应链金融、互联网银行、第三方支付、征信、消费金融、虚拟货币。本文重点研究互联网消费金融。

根据中国电子商务研究中心给出的数据显示，2016年上半年中国网络零售交易规模为23141.94亿元，与之对应的2015年上半年的数据是16140亿元，同比涨幅达到了43.4%。预计2016年该数字高达52218亿元。在市场占有率方面，天猫和京东占据了绝对的多数，分别为53.2%和24.8%，剩余的市场份额被唯品会、苏宁易购等公司占据。市场份额相对于上一年并没有明显的波动，说明在该领域竞争格局基本稳定，已进入平稳期，同时也说明消费者已经适应了“网购”这种新的消费模式，互联网零售业已经拥有了一批忠实的用户群体。同时，为了取得更好的用户体验，多家互联网零售企业试水互联网消费金融，2014年，京东率先推出了“京东白条”业务，同时阿里巴巴上线了“天猫分

期”和“蚂蚁花呗”业务。其他网贷平台也纷纷通过小额贷款、分期类产品进入消费金融市场，推动了我国互联网消费金融的发展。

图1.1 电子商务整体数据图1.2 网络零售数据

数据来源：《中国电子商务研究中心》

互联网在给消费金融带来便利的同时，也隐藏着各种风险，如果对可能的风险不能进行有效控制，就会给企业和消费者带来经济损失，甚至危及整个金融市场的安全，引发互联网金融的“经济危机”。因此研究互联网消费金融具有哪些可能的风险以及如何对这些风险进行控制，对促进互联网消费金融的稳定发展、维护金融市场的安全有着积极的意义。

1.2.文献综述及研究现状

互联网消费金融是具有中国特色的服务体系，因此国外学者鲜有研究。国内众多学者对互联网消费金融的风险认识进行了研究。肖振宇，张杰，谷瀛（2016）提出互联网消费金融存在信用违约、恶意透支、支付不安全、信息虚假的风险。黄海龙（2013）认为互联网消费金融存在该领域特定的风险，如业务风险、技术风险和法律风险。中国互联网金融青年会秘书长高震东认为，消费金融发展的制约因素是个人信用体系的不健全和分散性，并且特别容易造假。叶文辉，马春芬（2015）提出电商提供的消费金融产品的发展存在五大风险：准入标准缺失、违约惩戒措施不完善、信息安全隐患、套现风险和信用数据缺失。钱海利（2014）提出规避互联网消费金融的几点建议：第一，在监管上给予“互联网消费金融”清晰的认定。第二，强化信用环境，降低个人贷款违约风险。第三，严格控制互联网消费金融的产品风险。第四，加强互联网消费金融的监管制度。郭强（2015）认为互联网消费金融存在技术、监管、法律、信用、财务、消费者权益保护这几方面的风险。叶纯青（2015）认为“京东白条”允许信用卡还款是风险转嫁的行为。龚丹丹，张颖（2016）提出互联网消费信贷产品发展中存在监管、信用、财务及其他方面的风险。马厚娟（2015）提出互联网消费金融有过度授信、过度借贷的信贷风险，法律风险和监管风险。

在互联网消费金融的风险控制方面，也有很多学者提出了理论性的建议。程鑫（2015）认为目前互联网征信业务尚不完善，电商可以利用云端计算综合加工数据信息和发放大量的小额贷款的方式来有效的对风险进行控制和管理。叶湘榕（2015）提出加强完善相关的法律法规可以促进互联网金融的健康发展。仇晓光，刘闻博（2015）认为互联网消费金融的风险控制核心问题是网络风险、技术风险控制和金融业务风险控制。尹一军（2016）提出多元化征信机制形成的关键在于互联网消费金融公司、商业银行及传统消费金融公司在征信领域的合作和个人征信能力的形成。马厚娟（2015）提出消费金融风险控制的重点是相关的制定、完善和信用信息共享。谢平，邹传伟，刘海二（2012）提出在互联网金融模式下，表现出以系统性风险为主的市场风险特征，应该加强行为监管和对金融消费者的保护力度。杨涛（2015）提出互联网消费金融的发展要重点考虑建设完善消费信用体系和加强对相关金融机构的监管两个方面。消费金融服务的客户激励约束机制对消费金融机构业务品种的监管是适应混业经营时代的客观需求，有利于消费金融市场的风险与效率达到平衡状态。张小琳（2016）认为美国消费金融公司由于资金来源于公众存款，相关法律的缺失时期监管相对宽松，对其产品形式，业务类型和资金使用等情况未作严格规定，因此其提供的服务相对于传统消费金融更加灵活多样。这对我国互联网消费金融的发展有一定的借鉴意义。

综上所述，本文将以现有相关文献为基础，在互联网消费金融风险研究的理论基础上引入“京东白条”这一案例，结合实际形成对风险类别和风险控制方法的全面认识，然后运用博弈论模型重点对信用风险进行深入的研究。

1.3.研究内容和方法

根据上述研究目的，本文内容主要分为六个部分：

第一章，绪论：介绍互联网消费金融的研究背景，阐述研究问题，讨论了研究的意义。通过文献综述介绍国内对于互联网消费金融风险控制的一般理论和方法，阐述风险控制的研究现状。阐述本文的研究方法和思路。

第二章，互联网消费金融概论：明确互联网消费金融的定义，简单阐述了互联网消费金融的发展历史。分析国内互联网消费金融的发展现状，重点介绍目前国内两家互联网消费金融公司及其基本运作流程。提出互联网消费金融产品“京东白条”相比于传统消费金融所具有的特征。

第三章，互联网消费金融风险识别：以风险发生的时间和风险损失的承受对象作为分类标准，对互联网消费金融的风险进行了系统的介绍。

第四章，京东白条案例分析：本章主要通过介绍“京东白条”基本情况、风险及其风险控制方法，探讨了其风险控制的优势和不足，同时讨论了其应用互联网技术进行个人征信的方法，分析了其为避免流动性风险所采取的资产证券化流程和风险控制方法，并对其避免其它风险提出了意见和建议。

第五章，京东白条信用风险控制模型设计：介绍信用风险控制的基本理论，同时基于博弈论模型讨论了互联网消费金融的基本要素对信用风险控制的影响，提出了降低信用风险的意见和建议。

第六章，结论：对文章的研究内容进行了总结，展望了未来可能的研究方向。

本文所采用的研究方法主要为文献调研、定性分析、案例分析和博弈论方法。

1.4.研究创新和不足

本文基于现有的研究方式，利用传统金融风险识别和控制理论研究了互联网消费金融风险的特点，并结合互联网技术的特点，归纳出互联网消费金融不同于传统消费金融的新特点，进而分析其对社会的影响；通过博弈论的模型研究了传统信贷理论中的逆向选择和道德风险，探讨了互联网消费金融中贷款金额、利率、违约惩罚、违约信息共享等关键因素对互联网消费金融信用风险的影响，通过对借款阶段和还款阶段金融公司和消费者的博弈分析提出了减小信用风险的建议。

本文的理论模型是建立在金融机构和消费者都是理性人的基础上，尽管现实生活中很难满足，但是作为理论假设则绝大多数人都满足该假设条件，因此得到的结果还是可信的，有很大的参考依据。对于不满足该假设前提的人，需要根据调研和数据分析建立新的模型来讨论。另外，本文多使用模型分析和定性分析，由于数据获取途径的，很少使用定量分析，这是本文一个较大的不足。

第二章互联网消费金融概论

2.1.互联网消费金融定义

互联网消费金融是消费金融服务与互联网技术结合的产物，其本质还是消费金融，即利用互联网技术，以满足消费者消费信贷需求而产生的金融服务和产品。其单笔贷款金额小，一般在10万元以下，但是授信额度灵活且无需抵押担保，贷款周期较短，账期一般在24个月内。根据中国银行业监督管理委员会2009年公布的《消费金融公司试点管理办法》中对消费金融公司的定义，可将互联网消费金融定义为不吸收公众存款，以小额、分散为原则，以互联网为交易平台和交易方式，为中国境内居民个人提供以消费为目的的贷款服务行为。在人民银行等十部门联合发布的《关于促进互联网金融健康发展的指导意见》中也明确了互联网消费金融的概念，目前互联网消费金融服务的来源机构主要有四种：银行、电商平台、互联网分期平台和互联网消费金融公司。

2.2.互联网消费金融发展

2.2.1.互联网消费金融发展历史

银监会于2009年发布《消费金融公司试点运行管理办法》标志着互联网消费金融概念的出现，此后第二年，北银、锦程、中银和捷信等四家消费金融试点公司获准成立，其背后的发起人分别为北京银行、成都银行、中国银行和外资PPF集团。首先成立的四家试点公司以银行的信贷数据为依托进行征信服务，其业务扩张速度很快，但是业务规模一直没有超过100亿元。由于其中有三家公司是以银行为背景，因此推出的消费金融功能和信用卡功能严重重叠，使用的信贷数据令无法获得信用卡的消费者也无法获得消费金融服务，例如在校大学生等无贷款数据的消费者。由于市场反响不佳，消费金融公司的参与主体并没有进一步增加，其业务模式反而饱受争议。

2013年，银监会放宽了消费金融公司获取牌照的门槛，试点公司数量进一步扩大，招联、兴业和苏宁云商等公司陆续建立，到2013年底，消费金融公司仍以银行主导为主。2014年初，“京东白条”的推出开启了电商平台加入消费金融领域的先河。之后，互联网金融平台快速发展金融业务，逐渐取代银行成为互联网消费金融的主要力量。

2015年6月10日，消费金融试点结束，常务会议决定在全国范围内试行消费金融，7月份，《关于促进互联网金融健康发展的指导意见》获得了党和的批准，该意见的出台进一步加速了互联网消费金融的发展，仅在6月份，消费类贷款在短期贷款规模中的占比就达到了43%，之后的2个月内，有12家消费金融公司获准成立。

互联网消费金融之所以能够快速发展，得益于四个主要因素：因素、经济因素、社会因素和技术因素。方面，消费金融公司审批全国试点，而为了增强消费拉动经济增长的基础作用，李克强总理在2016年工作报告中提出要鼓励发展消费金融，2016年，相关部门就消费金融的发展提出了细化的指导意见，至此，壁垒消除；经济方面，随着我国经济的快速发展，国民可支配收入快速提高，2016年上半年我国城镇居民家庭人均可支配收入为16957元人民币，为消费行业的发展打下了经济基础；同时，我国互联网普及率连年攀升，目前我国网民规模达到7.1亿，互联网普及率超过50%，并且上网成本低廉。人们的消费观念也在逐渐由以往的储蓄型转变为消费型，促成了互联网消费金融的社会基础；技术方面，移动互联网技术高速发展，促进了线上线下消费的融合，线上的海量消费数据为风险控制提供了技术支持。在以上诸多因素的共同作用下，互联网消费金融将继续保持快速发展的势头。

2.2.2.互联网消费金融发展现状

根据上文的介绍可以看出，我国互联网消费金融目前使用的征信方式主要有两种：（1）由银行构建的全国统一集中并且可联网查询的征信系统，该系统收录了超过8亿人的信用信息，其中有借贷记录的人数超过3亿人，该系统除了为消费金融提供数据之外，主要为房贷、车贷等大笔贷款提供数据支持；（2）由互联网金融公司基于互联网消费数据构建的征信系统，不同的互联网金融公司有各自不同的评估方法和评估模型。央行的征信系统虽然记录用户数量大，但是这其中包括大量无征信人群，即没有信用记录或者没有具备参考价值记录的群体，主要包括三类人群：第一类是全国约3500万在校学生；第二类是蓝领，人数约为 2.7亿人，包括了大量农村户籍外来务工人员；第三类是绝大多数农村户籍群体，人数约为5.5—6亿人。对于无征信人群，是无法通过信用卡申请来获得消费贷款的，因此，在消费金融试点初期，这些人的消费积极性和消费潜力并没有被调动起来，这就导致了试点初期交易规模的局限性。

互联网消费金融企业和电商平台瞄准正是这类无征信人群，这些人虽然没有央行的征信信息，但是用户基数大，并且其大部分信贷需求并未被满足。这些用户的信用质量不是很高，但是其能承受的实际利率往往也很高，即高风险伴随着高收益。加之部分用户对金融知识不敏感，容易受到诱导，从而易于接受远高于市场利率的贷款。

目前我国两家发展最快、市场占有率最高的互联网消费金融服务产品为蚂蚁金服的“蚂蚁花呗”和京东金融的“京东白条”。二者都是依托自身的电子商务平台，面向自营商品提供分期购物服务，其贷款发放和授信业务由于商城的金融公司完成，即蚂蚁金服和京东金融。其运作流程为：由消费者提出信贷申请，该申请由蚂蚁金服和京东金融接受并审核评估用户的信用信息，之后为通过申请的客户支付商城购物所需要的贷款额度，并接受由商城返回的用户信用和消费数据，扩充和完善其信用评估模型数据库；商城得到付款之后，向消费者提供商品或者服务，之后消费者再按期将贷款返还给蚂蚁金服和京东金融公司。

图2.1 电商消费金融运营模式

两家机构所提供服务要素如下，其中“京东白条”授信额度为 1.5万元，“蚂蚁花呗”授信额度为5万元，二者都支持借记卡还款，“京东白条”曾经支持信用卡还款，但是由于存在风险转移的可能，因此被国家叫停。二者的贷款利率均在每月0.5—1%之间，其贷款审查时间均在半天以内，值得注意的是“蚂蚁花呗”的贷款不良率控制在1%以下，说明其信用评估系统的有效性。

表2.1 电商平台信贷产品参数

数据来源：wind数据库，京东金融

2.3.互联网消费金融特征

2.3.1.基本特征

相比于传统消费金融服务，互联网消费金融具备以下新特征：

（1）效率高：互联网消费金融大部分已实现标准化、自动化的操作流程，包括信用数据收集、信用额度确定、发放贷款、贷款归还情况跟踪等，节省了大量人工服务。相比于人工服务，计算机可以24小时连续工作，并且擅长在短时间内快速处理大量信息，其完成一次授信和贷款发放只需要几秒钟时间。因此，互联网消费金融的效率更高，持续服务的时间更长。

（2）成本低：互联网消费金融利用计算机代替了人，同时以互联网作为信息传递的平台，省去了中间机构，交易成本低，目前无垄断利润。避免了营业网点的建立和运行维护成本，同时业务流程大大缩短，节约了时间成本。

（3）覆盖面广：我国互联网的覆盖目前已经相当广泛，2016年用户数量已经超过7亿。任何人都可以借助网络平台享受互联网消费金融服务，相比于传统消费金融，互联网消费金融适应性更强，传播速度更快，覆盖面更广。2.3.2.金融特征

互联网消费金融除了以上基本特征外，因其金融属性，具有以下金融特征：

（1）自定价优势：以“京东白条”为例，其服务对象为京东商城的自营商品，其贷款金额即为商品价格，而京东商城拥有对商品的定价权。传统信贷所放出的贷款为资金，其贷款作为一种商品，其价格和价值是等价的，即放出1元贷款就需要支出1元资金，但是“京东白条”不同，对于一件标价为100元的商品，白条价格为100元，即消费者需要偿还的价格为100元，但是该商品的价值是小于100元的，因此，发生违约事件后，京东金融的损失要低于其贷款价格；若该笔贷款完成，则京东商城获得的利润也要远高于其利率。下图为利用某计价软件记录的京东商城某商品在8个月的价格变化，如果认为商城在任何时候都会维持商品价格高于商品价值，则该商品利润与商品价值相当，远高于利率收益。因此自定价优势使得商城可以获得更高的贷款收益，同时能降低违约损失。但是若商品价格过高，则会影响消费者的消费热情，降低其销量。

图2.2 京东商城某商品价格波动

（2）无第二还款方式：第二还款方式是指当借款人无法偿还贷款时，借款人通过处理贷款的担保物或对担保人进行追索得到的款项。传统信贷行一般通过抵押的形式来防止借款人无法还款。但是互联网电商面对的是大量低信用质量用户，若采用抵押贷款的方式进行信用风险规避，则会降低其自身的便捷性，同时增加其评估审核成本，因此互联网电商普遍采用无担保无抵押信贷，通过对用户的消费数据分析来进行风险控制。

（3）征信系统缺陷：目前由央行建立的征信系统虽然记录了超过8亿人的信用数据，但是其中只有3亿多人有贷款记录，而互联网电商面对的客户多为无征信记录的用户，其征信系统和数据都需要企业自己建立。

2.3.3.互联征

互联网消费金融是消费金融服务与互联网技术结合的产物，因此具备以下互联征：

（1）小额度、大频次交易：由于电商平台消费金融的服务对象为购买日常用品的消费者，因此其贷款金额一般不超过10万元，甚至有个位数贷款，其授信额度很小；相对的，小额度和便捷性带来的必然后果是高交易频次，用户甚至可能在一天内发生多笔信贷交易。

（2）交易过程迅速：得益于服务流程的简化和计算机技术的应用，互联网消费金融的交易速度很快，一般只需要几秒钟即可完成一次交易。

（3）审核迅速：目前“京东白条”的审核方式分为线上审核和线下审核，其中线上审核通过量化评分表评估用户的信用等级，达到一定等级即可开通白条业务，开通流程一般为几分钟；而线下审核模式主要面对的对象为大学生，而且线下审核只与授信额度有关，通过线下审核可以获得更高的额度，只要通过线上审核即可使用白条业务。

（4）优质的第一批客户：“京东白条”的第一批客户的消费数据是在不知道白条业务存在的情况下产生的，因此其真实性很高，基本不存在为了获得高额度而进行的虚假交易，因此，通过第一批客户积累的用户行为数据基本上反应了该用户的消费习惯和信用水平，具有很高的可信度。

2.4.互联网消费金融存在的问题

虽然互联网消费金融给人们的生活带来了很大的便利，也拉动了国内的消费，但是在信用数据不完备的情况下互联网消费金融如此迅猛的发展是否能够持久，其中是否含有严重的风险，还是一个未知数，同时也是一个值得关注的问题。我国的互联网消费金融尚处于快速发展的初期，还是一个新兴事物，整个互联网消费金融市场也处在上升期，因此很多问题可能会被快速发展的景象和市场利润所掩盖。本文借助两个国内外消费金融市场不健康发展的例子来说明互联网消费金融市场存在的可能性。

第一个例子是韩国信用卡风波。1997年，由于国际因素的影响，亚洲爆发了严重的金融危机，作为外向型经济的韩国受到严重波及，被迫进行国内经济结构调整，由外向型经济向内需驱动型经济调整。与目前我国面临的问题有些类似。为了刺激消费，拉动韩国国内经济发展，韩国于1999年开始大力发展信用卡行业。2002年，经过三年的发展，韩国国内信用卡数量超过一亿张，有调查显示，当时人均持有信用卡张数为4张，持有者最小年龄为15岁，甚至连无家可归者都拥有信用卡，韩国也因此成为亚洲最大的信用卡市场。在信用卡推行两年之后，也就是2001年，韩国国内市场内部需求占据国内总需求量的75%，相比金融危机后的1998年提高了55%。对韩国经济起到了很大的促进作用。但是与此同时，消费金融隐藏的危机也逐渐显现：从2001年到2003年，其信用卡逾期率从 3.8%飙升至11.1%，大量信用卡公司出现资金链断裂和债务危机，其最大的信用卡公司LG信用卡公司也发生了资金短缺，在接受了国家银行和母公司的注资后才避免破产，但是此时其信用卡市场已经崩溃，其8家主要信用卡公司亏损超过34.6亿美元，近400万人被列入信用黑名单。

第二个例子是的信用卡危机。我国地区于19年开始《银行法》市场浮动利率，即允许信用卡商对其业务进行自由定价，同时还开放了民营银行牌照的发放，不其分支机构的数量，1992年，成立财团法人金融联合征信中心，经过两年时间完善了信用信息，于1994年开始提供对外征信服务。此后连续10年，其信用卡发放数量年均增长超过25%。到2005年，有900万人持有信用卡，其信用卡总张数超过4500张，人均持卡超过4张。之后出现信用卡坏账危机，其坏账率连续上升，在5个月内从 2.22%升至4.98%。2006年，其信用卡行业整体收益大幅下跌，除去冲抵坏账的金额，整个信用卡行业亏损91亿元新台币。

从上述两个案例可以总结出以下规律：一个小规模经济体，当期信用卡持卡人数达接近总人口的10%，并且人均持卡数量达到或超过4张之后，市场规模趋于稳定，行业内可能会出现恶性竞争，导致。对比我国的经济数据：2015年，我国人均持有信用卡0.4张，部分发达地区如北京、上海等人均持卡分别为1.70张和1.33张，远低于危机水平。但是近年来互联网消费金融的兴起，使得电子信用卡成为一种新的消费手段，其注册方式简单，申请快速，迅速在信用市场发展起来，但是互联网消费金融所潜藏的各种风险可能会提前引发消费金融的。

第三章互联网消费金融风险识别

以往对于互联网消费金融风险的研究重点集中于消费服务过程中某个环节失效对放贷企业造成的损失风险及其评估，即大多数研究者是站在放贷企业角度上去考察互联网消费金融风险的。诚然，从短期损失效应来考虑，互联网消费金融风险（最常见的就是信用风险）发生之后最直接受损和受损情况最大的对象就是放贷企业，我们可以将这种短期的，直接对放贷企业造成损失的风险称之为狭义的互联网消费金融风险。但是从更加长远和全面的角度来看，即使狭义的风险被控制的很好，在整个互联网金融正常运作乃至运作良好的情况下，这种新兴的金融形式也会对原有传统金融体系造成一定的冲击，甚至在未来一段时间内取代现有的部分金融形式。这种冲击对整个金融体系和社会可能带来的不良影响也是一种潜在的风险。因此除了考虑放贷企业的损失之外，互联网消费金融对整个金融体系和社会的影响也应该加入到其风险评估体系中去，这可以称之为广义的互联网消费金融风险或社会风险。

狭义的互联网金融风险有两种：传统风险和非传统风险。作为信贷的一种，互联网消费金融本质上具有传统信贷所有的一切风险，其中最重要的便是信用风险。信用风险是指由于各种主观和客观因素的作用，借款人无法偿还所借款项的可能性。同时，互联网消费金融作为一种新兴信贷形式，其又具有传统消费金融所不具有的、由于新技术引进所带来的新的风险。

3.1.传统风险识别

互联网消费金融作为信贷机构，其具有传统信贷机构所具有的风险。传统信贷机构所面临的风险主要分为以下几类：市场风险、信用风险、流动性风险、操作风险和系统性风险。

3.1.1.市场风险

市场风险指金融产品或商品的价格、利率出现未预料的变化所带来的风险，其主要是由于市场价格随时间波动造成的每日收益和损失随时间变化的风险。对于涉及国际交易的机构，利率的波动也会直接或间接影响产品的价格，造成收益波动风险。对于传统金融机构，在其他因素保持不变的前提下，波动性的增加会造成内含期权证券价格的提高，同时一定额度投资组合的损失概率会有所上升。市场风险还包括不同价格之间关系模式改变所带来的风险。

对于互联网消费金融来说，其信贷产品的价格为消费产品的价格，对于日常消费品，其价格随时间相对保持稳定，未预料的价格变动较小，因此风险较小。同时某些互联网消费金融企业还搭建了自己的仓储系统，其仓储库存可以在一定程度上增加其抵御价格变动风险的能力。在某些特定的促销日期（如双十一、双十二等）商品价格会在短时间内发生大规模波动，但是这并不是由于市场作用引起的，而是由企业本身拥有产品定价权并且主动改变价格，这种可预料的和可控的价格变动不会增加企业的市场风险，只是一种促进消费提高销量的手段。这是互联网消费金融信贷产品本身的价格特性和企业自身的自定价优势对市场风险的抵御特性。

同时，对于一些有国际业务的企业（如京东，亚马逊、淘宝等企业已开通国际购和海淘业务），由于汇率的波动会给其带来一定的风险。对于具有海外仓储能力的企业，若汇率导致某商品价格下降并且低于进货成本，而其库存又是在高位价格囤积，此时用户发出交易请求，就会造成损失。通常对于这种情况，企业会利用其仓储能力对是否出售商品进行，在商品价格低于成本价格时，在网页上显示“无货”来阻止交易的发生，由于互联网消费的不透明性，消费者无法知道商家的库存情况，因此这种做法不会造成客户信任的丧失；对于无海外仓储能力的企业来说，若商品采购发生在与用户交易定价之后，此时汇率的波动若造成价格上升，则亦会造成损失，并且此时企业必须完成交易。因此企业在商品定价时会考虑到汇率的影响，适当提高商品价格来抵御汇率产生的风险。某些企业在进行海外交易时采用目标国货币（多为美元）作为结算货币，通过将汇率波动风险转移给消费者来规避自身的风险。对于单件商品来说，汇率波动对价格影响不会太大，因此这种将风险“化整为零”的方法也不会对商品的销量造成很大的影响，只是要求客户持有能够进行外币交易的付款方式。

3.1.2.信用风险

信用风险指由于未预料的信用质量改变而引起的相关价值发生变化的风险。造成信用质量改变的原因分为主观和客观两种。客观原因可能是借款对象暂时失去了经济来源或资金链断裂造成的还款能力缺失，主观原因是由于道德因素而拒绝还款。对于客观原因造成的信用质量改变，可以通过信用评级来进行估计，但是主观原因造成的信用质量改变是很难进行预测和评估的，并且由于互联网消费金融的审核工作量极大，需要由计算机辅助完成，因此会出现一些没有还款能力或有意骗取贷款的消费者通过伪装消费数据进行诈骗的可能。例如客户可以通过将同一笔钱多次转入转出账户的方式来制造高交易频次和大

现金流量的假象，从而欺骗审核系统获得更高的信用额度；另外目前部分商家支持信用卡还款方式进行消费，这种风险转移和延缓还款的方式隐蔽性很强，并且具有传播性和突发性，这种以贷还贷的方式可能会带来更加严重的后果。

相比于其他风险，美国等发达国家对信用风险的评估有一套完整成熟的方法体系，第三方征信机构对个人和企业信用情况进行评估，银行等金融机构可以根据信用数据进行信用风险评估和贷款策略制定。但是我国的征信体系目前还存在很多问题：首先，数据库不完善，目前央行的信用数据库只能采集与银行等金融机构发生过交易的自然人的信用数据，截至2013年，央行征信系统将8.3亿人纳入征信系统，但是只有3亿人左右与银行发生过借贷交易，并且该数据库中不包含刑事、社保、税务等信息；其次，数据库使用过程繁琐，具备查询资格的用户少，并且需要现场办理查询，虽然开通了个人征信互联网查询系统，但是由于用户交互设计不够人性化，造成用户体验较差；另外，由于大量用户无查询和使用信用记录的习惯和意识，因此造成征信系统数据更新和维护极其困难，这就造成了我国现有的消费金融企业只能通过其自身的互联网数据来进行信用评估。

3.1.3.流动性风险

流动性风险指金融机构融资渠道丧失或调整金融头寸成本大幅增加所带来的风险。当金融机构无法及时获得充足的资金或获得资金的成本较高而无法实现资产增长或偿还到期债务时，就会发生流动性风险，流动性风险是一种综合风险，产生的原因比较复杂。当金融机构流动性较差时，其盈利能力会受到显著影响，甚至造成金融机构倒闭。

对于互联网消费金融机构来说，大规模小额信贷是一种无规律收益期的金融产品，无法准确预测资金的需求量和偿还时间，并且其还款结算日期不是按照固定财务月结算，而是以发生交易的日期为月周期进行还款（如“京东白条”），因此无法对资金回笼日期进行统一，这对资金储备提出了很高的要求，一旦预测出现偏差，很可能会造成流动资金不足的风险。

3.1.

4.操作风险

广义来说所有不属于市场风险、信用风险和流动性风险的风险都属于操作风险的范畴，比如，由于市场欺诈、系统失效、交易失误（如定价错误）或其他系统内部造成的风险。主要包括以下几类：

（1）监管风险: 我国互联网金融起源于2013年，在中国党第十八届委员会第三次全体会议通过《关于全面深化改革若干重大意见的决定》中提出发展普惠金融、鼓励金融创新、丰富金融市场层次和产品的战略发展方向之后，各种互联网金融产品迅速发展，但是与之相配套的法律法规严重缺失。企业作为一种以盈利为目的的组织，不能希望通过企业自律来防止互联网金融违规事件的发生；同时，互联网金融作为一种新兴的金融市场，很可能为传统金融市场中被禁止的违法金融产品提供新的伪装外衣,例如“e租宝”等违规的互联网金融产品对金融市场秩序就造成了很大的影响。

（2）法律风险：法律风险是指由于规章、会计准则、税法等的变化带来的无法预料的损失或灵活性缺失，这个风险在我国尤为突出。我国的互联网消费金融企业都有着各自的会计准则和金融操作规章，但是并没有可参考的相关法律，若国家针对互联网金融机构的特征修改或增加税法中的相关条目，可能会造成企业服务能力暂时缺失的风险。

（3）人为失误：由于互联网消费金融的大量操作是由计算机系统来完成，这就意味着一个简单的操作可能会影响到大量的用户，若出现人为操作失误如产品定价错误，就会给企业带来损失。据报道，天猫商城一名工作人员曾因为标错价格而导致店家损失超过200万元。因此，人员培训是风险防控中很重要的一环。

3.1.5.系统性风险

系统性风险指市场流动性崩溃或连锁违约事件风险，包括金融市场崩溃或失效，由于其涉及了大量关于金融体系特征的基本问题，本文不做深入探讨。

3.2.非传统风险识别

互联网消费金融的非传统风险指由于互联网技术的应用而带来的风险，主要包括硬件失效风险和网络安全风险。

3.2.1.硬件失效

基于互联网的消费金融需要大量的网络硬件作为平台支撑，为了维护大量的交易和用户数据，需要大量的网络服务器进行信息的存储和计算。若因为自然或人为因素造成这些硬件失效（如停电、雷击等），将会导致其交易平台失效，甚至交易数据丢失。

另外，由于目前互联网消费金融具有小额度大频次交易的特点，因此一个用户所产生的数据和访问量已经非常巨大，加之目前我国互联网用户数量巨大，当互联网金融企业的硬件设施无法应对大量客户产生的数据存储和访问需求时，也会造成硬件失效，虽然不会使所有客户都无法获取服务，但是会行业的发展规模，因此需要不断升级硬件以满足需求。

3.2.2.网络安全风险

互联网消费金融以互联网作为交易载体，因此，网络安全会对其造成很重要的影响。与消费金融相关的互联网风险主要有：信息泄露风险、网络攻击风险和钓鱼网站风险。

（1）信息泄露风险：由于互联网是一个开放的平台，任何人通过简单的硬件设施和网络端口就可以进行联网并获取数据，因此当交易信息通过互联网这个于用户和商家的第三方工具传输时，存在信息泄露的风险。目前被泄露的信息主要为用户的个人信息、购物信息以及账户登陆信息。其中用户的个人信息包括个人电话、住址等，购物信息为用户在互联网上购买的商品信息，而登陆信息指用户的互联网账户登录用户名密码和付款密码。这三类信息泄露的严重性依次增加，除了登陆信息泄露可以直接导致用户账户钱财损失之外，其他两种信息会与其他风险共同作用造成损失，同时信息的泄露也导致消费者对企业的信用评估下降，从而间接影响企业的业务量。

个人信息和购物信息的泄露目前已经很难防范，而登陆信息相对来说较难获得，但是随着人们参与互联网活动频率的增加，登陆信息也变得越来越不安全。一些黑客利用撞库的方法可以获得一些可用的登陆信息。撞库是指黑客通过一定方式将互联网上泄露的用户信息(如用户名和密码)存入到其生成的字典表中，并通过自动化手段尝试批量登陆其他网站，从而筛选出可用的登陆用户名和密码的方式。由于很多用户不注意保护自己的登陆信息而使用相同的登陆用户名和密码注册不同的网站，这就使得黑客获得了通过A网站登录信息登陆B网站的能力。2014年12月25日，12306网站被黑客攻击，黑客通过撞库的方式获得大量用户信息，涉及用户超过13万人。京东和如家等知名企业也曾经因为撞库攻击而导致用户信息泄露。

（2）网络攻击风险：网络攻击是指利用网络存在的安全漏洞对网络中的数据和硬件进行的攻击。基于网络的互联网消费金融同其他互联网企业一样也面临网络攻击风险。黑客可以通过网络安全漏洞修改用户端或服务器端的数据，例如伪造登陆账户、修改商品的销售价格和销售属性等，或者非法授权某些信用较差客户以较高的信贷权限，这种攻击方式隐蔽性强，难以察觉，黑客可通过伪造大量账户进行连续攻击。另一种常用的攻击方式是通过短时间内对同一服务器发送大量访问请求来进行侵占服务器网络带宽，阻止正常访问请求，导致网络短时间无法正常访问等后果，这种攻击技术已成为最难防御的网络攻击方式之一，其造成的经济损失居各种网络攻击之首。

（3）钓鱼网站风险：钓鱼网站是一种与银行等金融机构官方网站十分类似的伪装网站，是不法分子用来盗取用户付款账号密码信息的一种手段钓鱼网站传播方式多种多样，常用的方式为群发中奖等虚假信息给大量消费者，骗取消费者点击进入。一旦获得所需要的账户密码，便会立即将账户中的现金转移，这种风险与信息泄露风险共同发生作用。钓鱼网站不论从网站地址还是网页设计上都与原网站十分相似，不仅会阻碍电子消费金融的健康发展，还会损害正当网站的企业形象，使消费者对网络金融失去信心。

（4）账户重复风险：不同于传统信贷，互联网消费金融在对用户进行审核时没有第三方信用评估机构，每家企业都对用户有的评估机制，但是该评估机制并未考虑客户在不同企业同时进行信贷业务的风险。例如京东商城对A 客户给出10000元的信用额度，而该客户在“蚂蚁花呗”申请到了12000元的信用额度，两家企业都的对A客户的经济能力做出的评估，给出了自己认为合适的额度，但是该客户却获得了22000元的总额度，这有可能已经超出了该客户的经济承受能力，造成了违约风险。

3.3.社会风险识别

3.3.1.挤占传统信贷市场风险

互联网消费金融的发展首先会挤压传统消费金融的市场份额，相比于商业银行的房贷、车贷及商业贷款业务，互联网消费金融并未对这些高端市场产生明显的竞争影响，但是对于零售业和银行的相关支付业务，则会由于互联网消费金融的诞生而产生较大的影响。由于相关法规的，传统消费金融无法快速大规模应用新技术，而互联网消费金融企业由于法规的欠缺可以自由使用风险较高的技术，因此挤占了一部分传统消费金融的市场份额。同时，由于互联网消费金融借助网络传播，而消费平台风险管控能力较弱，甚至很多属于投机性机构，资金来源不稳定，可能给金融体系带来较大的风险。另外，互联网金融风险隐蔽性很强，传播速度快，加之网络是一个自由度很高的环境，容易造成突发性风险失控，给消费平台和用户带来很大的冲击，威胁金融市场问题，引发严重的社会问题。

3.3.2.垄断风险

目前“京东白条”和“蚂蚁花呗”已经占据了互联网消费金融的大部分市场，其中“蚂蚁花呗”所依托的支付宝在第三方支付领域已经出现垄断迹象，由于支付宝的一系列产品具有关联性，因此企业在垄断的情况下，很容易与客户签订霸王条款，损害消费者利益。例如“蚂蚁花呗”曾经利用用户的私人信息和交易记录联系违约客户的家人和亲友进行催款，这严重侵犯了违约用户和相关用户的隐私权，但是其支付宝使用协议却表明这种做法是符合协议的。虽然之后国家有关部门叫停了这种做法，但是此类风险仍然存在。

第四章京东白条案例分析

4.1.京东白条基本情况

“京东白条”是一种“虚拟信用卡”模式。对消费者来说，是京东基于消费者在其平台的历史交易数据给予一定额度的授信，提供给消费者“先消费、后还款”的服务；对经营者来说，如果是京东自营商家，则在京东系统内部完成支付，如果是京东联营的第三方卖家，则由京东先付款给经营者，京东或经营者再向消费者发出商品，最后由消费者按照白条协议向京东还款。

经过申请获批的白条用户可获得一定的信用额度，最高为 1.5万元。用户可以选择最长30天的免息延期付款，或者3—24个月的有息分期付款，利息率为0.5%。如果逾期还款，则需支付日息0.03%的逾期手续费。

“京东白条”的出现为具有冲动消费和分期消费意愿的消费者提供了资金支持，同时也提高了京东销售额，其自身收益主要是消费者的分期付款手续费和逾期手续费。在该模式下，京东承担了实际风险，并且主要风险来自于消费者的信用风险。

4.2.京东白条风险分析

“京东白条”作为一种互联网消费金融产品，具有在第3章中分析的三种风险。除了非传统风险和社会风险，传统风险中的信用风险、流动性风险是最主要的可控制风险。

4.2.1.京东白条传统风险分析

传统风险中，“京东白条”主要面临的可控风险是信用风险和流动性风险。对于流动性风险，可以通过资产证券化进行风险控制，5.3节中对“京东白条”的资产证券化流程和方法已经做了详细的讲解，此处不再赘述，主要讨论“京东白条”的信用风险。

相对于传统信贷，“京东白条”由于没有第二支付手段，缺乏必要的追讨手段，因此其面临的信用风险更加严重。“京东白条”作为互联网消费金融产品的一种，控制信用风险主要有两种途径：一是加强信用评估系统的假设，有效识别出借款人中信用质量较差者，停止对其贷款，将信用风险扼杀在源头；二是通过增加欠款追逃手段、提高违约惩罚力度并且增加违约信息共享率。

在信用评级方面，由于“京东白条”面对的用户大多数是央行征信系统中的无数据用户，因此需要对这些用户进行信用评级，京东金融公司借助和国外

互联用数据分析公司Zest Finance成立合资公司的方式，利用互联网消费数据对其大部分客户进行了信用评级，取得了良好的效果。

虽然利用互联网进行大数据征信的方式目前来看较为有效，但是这其中也存在着不少问题。首先是用户数据造假的问题，在“京东白条”上线初期，面对的用户多是之前没有使用过信用产品，但是有大量直接消费数据的用户，这些数据能够真实反映用户消费行为的数据。但是随着白条业务的不断开展，出现了为了获得更高的授信额度而进行消费数据伪造的用户。这些用户通过前期良好的消费记录或者其他手段积累信用质量，当授信的额度达到一定程度后选择违约。

4.2.2.京东白条非传统风险分析

关于非传统风险，硬件失效风险可以通过购买可靠性高的硬件来进行控制，不再详细说明，这里主要讨论“京东白条”的网络安全风险。

首先是用户信息泄露风险。京东商城之前曾发生过信息泄露事件，给用户和企业声誉带来了极大的损失。对于信息泄露风险，需要用户和企业两方面共同努力来进行防范。对于用户，应该尽量保护好自己的账户信息，避免使用相同用户名密码注册不同网站，养成良好的上网习惯。对于企业来说，首先应该加强网络安全建设，通过和国内外知名的网络安全防护公司合作，构建强有力的网络防护墙，防范网络攻击和信息窃取。同时，可以将用户信息进行加密，其作用相当于将用户信息通过加密算法加工成一系列无规律的字符串，在使用时通过密钥进行解密，这样只要保证密钥不泄露，即使用户信息泄露出去，也只是些无法直接利用的字符串，可以加强用户信息的安全性。

对于钓鱼网站，企业主要通过客户反馈对钓鱼网站进行打击。目前京东商城有完善的客服体系，其客服已经部分实现智能化，即通过计算机程序来进行。利用这种高效的信息反馈渠道，企业可以很快从客户处收集到有关钓鱼网站的信息，并立即反馈给有关部门进行处理。

对于账户重复风险，目前京东商城和天猫商城均没有进行相关处理。客户可以同时拥有两个商城的两笔授信额度。这种风险也需要通过信息共享来解决，不同电商平台不仅需要共享违约用户信息，还应该共享客户的其他信用信息，这样才能避免一个客户有多笔授信额度的情况发生。但是目前这种信息共享是很难做到的，因为不同的平台存储客户信息的方式和信用评级方式是不一样的，如何将同一个用户在不同平台的信用信息进行整合是一个很大的难题。

4.2.3.京东白条社会风险分析

“京东白条”给社会带来的风险主要是挤占传统信贷市场和垄断风险。随着“京东白条”业务的不断发展，很多传统信贷业务市场被电子商务所取代，从市场的角度来讲，这是竞争带来的必然结果。但是随着“京东白条”业务的进一步发展，其业务范围可能扩展到三线城市甚至乡村，这将大量吸收居民的存款，使地方传统银行的业务量减小，传统银行多为实体银行，能够提供大量的工作岗位，一旦地方信贷业务减少，其收益相应降低，将造成许多地方传统银行营业点被裁撤，这一方面会减少当地的工作机会，另一方面很多与传统银行相关的业务也会逐步集中到较大的城市，由于这些业务的主要使用者多为年龄较大的民众，这会给居民生活带来很大的不便。虽然新技术的发展是必然趋势，但是也不能为了一部分人的方便而牺牲另一部分人的利益。

另一方面的风险是垄断风险，从市场占有率来看目前占据电商市场前两位的企业分别为天猫和京东，其业务占比已经将其他电商远远拉开。电商平台的发展初期，借助互联网的效率优势，其成本优势和价格优势对传统零售业造成了巨大的打击，一大批传统零售业消失，电商平台一家独大，从而导致了竞争的缺失，同时消费者也失去了货比三家的机会。由于具有的垄断优势，电商平台的商品价格已经远远的高出了其成本，以某品牌钢笔为例，京东商城的售价和实体店的售价相同，而实体店的售价中还包含大量的房租成本和人力成本，但是电商对应的这部分成本几乎为零。这种高利润的商品定价方式是不符合市场规律的，会扰乱市场秩序。因此相关部门应该加强对电商平台商品价格的监督和管理，避免过高物价对市场带来的冲击。

4.3.京东白条风险控制方法分析

4.3.1.信用评级

传统信贷风险研究的重点是控制信用风险，其最常用的风险控制方法是信用评级。信用评级一般由评级机构完成。评级机构是一种通过分析数据，提供信用评级服务的机构。这些服务基于客观、透明、的原则，其认可度由投资者接收其评估结果的意愿所决定。信用评级可分为个人信用评级和企业信用评级，我们重点关注个人信用评级。个人信用的内涵一般用5C1S来定义，即品德（Character）、能力 (Capability)、资本 (Capital)、条件 (Condition)、担保品 (Collateral)、稳定性 (Stability)，其评估标准如下图所示：

图4.1 征信体系个人信用内涵与边界

目前我国的传统征信业务由银行承担，在美国等市场则由专门的征信公司进行，其个人征信流程也比较成熟化和商业化，其征信流程如下图所示：首先是数据收集，其数据来源非常广泛，通过各种渠道对数据进行汇总,之后对汇总得到的数据进行标准化，Metro 1 及Metro 2 是一种数据报告、采集的标准化格式，由美国信用局协会发布，之后对汇总和标准化的数据进行处理，转化为报告、评分等信用产品。这些评分和报告为之后进行的各种信用交易提供了信用风险评估的依据。

图4.2 美国征信体系产业链

京东运用自己的信用评估体系对消费者的信用进行评级，在评级判断的基础上对消费者进行定向授信；消费者可以通过网银钱包自主或自动还款，如果出现逾期行为，京东会通过电话、短信等方式进行催缴。消费者的消费数据和资金使用行为均是在京东体系内部发生，这有助于京东提高对信用风险控制的有效性和可控制性。

4.3.2.应用大数据进行个人征信

当今的互联网时代，我们的很多活动都依托互联网来展开。我国有超过7亿的网民，人群覆盖面广，依托新的技术，深度挖掘网络信息，可以作为传统征信业务很好的补充。由于互联网数据不仅涉及消费信息，还包括了与人们日常生活相关的各种信息，如社交媒体数据、网络借贷数据、网络购物数据、信用卡数据、还贷数据等，其信息是广谱的。利用相关性的方法，可以分析出其中与个人信用相关的变量，结合传统的信用数据，可以从更加广阔和准确的角度来刻画个人信用。

图4.3 不同的风险评估模式

同时，互联网数据不同于传统信用数据，它是实时数据，传统方法无法实时监控个人财产信息，只能通过定期查询或者用户有经济活动时才会对用户的信用状况有所反应。但是互联网数据是动态的，一个人的违约记录可以在极短的时间内传播到所有信用机构手中。其他与信用相关联的经济指标也能实时被监控，这为金融企业的信用决策提供了极大的便利。如此大规模的数据在以往是无法处理的，但是近年来快速发展的云计算和并行计算技术，使得企业可以以较低的成本处理海量数据。同时对于看似无关联的非线性数据，如何从中提取出与信用相关的信息，机器学习技术给出了解决方案。

互联网金融机构借助大数据分析在风险控制方面取得了良好的效果，以京东商城为例。京东商城以其庞大的交易数据为依托，同时参考京东物流等与用户消费相关的数据，建立了其自身的风险评估体系；同时京东还通过投资、合作等方法与微信等其他企业合作，建立数据共享机制，实现了信息的共享。借助这些数据，京东开发出了风险控制模型体系，用户洞察模型提醒和大数据征信模型体系，并利用这些工具完成了超过1亿用户的信用评分。在“京东白条”上线初期，通过50万用户的试用积累了大量真实的消费数据，这些数据结合人工智能等先进的分析工具，可以短时间内处理大量无规律数据，并从中提取出有用的信息，利用信息的实时性，不断扩充和完善自身的信用数据库和评分体系，为即将进行的信用交易保驾护航。

目前京东使用JD-Zest Finance公司的信用模型对用户进行信用评估。JD-Zest Finance公司是京东于2015年投资了Zest Finance公司之后与之成立的合资公司，专注于互联网消费金融数据处理。Zest Finance公司2009年9月成立于洛杉矶，原名Zest Cash，由道格拉斯·梅瑞尔（Douglas Merrill）和肖恩·卜德创办，前者曾担任过Google信息主管，而后者则曾任职于金融机构Capital One。通过雇佣大量数学家和计算机科学家利用大数据技术分析借贷过程，为无信贷信息记录者提供个人信用评估服务。Zest Finance公司进行授信的技术手段主要分为3个步骤：数据采集，变量提取，建模和评估矫正。传统信用评估模型一般采用从500类数据中提取50个变量，利用一个风险预测模型对客户进行信用评估，而Zest Finance采集的数据更加，包括银行信息、第三方数据库、公共数据、平台自有数据和社交数据等，收集的数据类也达到了3500个，同时借助于机器学习，将3500个数据类转变为70000维的输入变量进行训练，建立了10个风险评估模型，分别对用户的欺诈可能性、还款能力意愿等进行分析，综合10个模型的结果给出信用评分。大数据的应用使得该公司的业务处理效率提高了90%，其大数据信用评估模型的风险控制效果较传统模型提高了约40%。这些新技术的应用，帮助京东取得了良好的风险控制效果，根据京东金融的数据显示，其不良贷款率被控制在3%以下。

4.3.3.资产证券化

简单来说，资产证券化指通过一定方式用流动性较低的资产换取高流动性资产的方式，一般是通过将资产进行组合，形成资产池，池中的资产在未来可能产生现金流，通过组合的方式对池中资产进行结构调整，将低流动性资产转化为高流动性资产。池中的资产一般会进行分级，不同的分级决定了其资产收益水平、风险以及本金和利息的返还顺序，一般优先级越高的资产风险越小，返还级别越高，但是相应的收益也较低，相对的，低优先级的资产风险较高，返还级别也靠后，但是收益丰厚。

图4.4 资产证券化流程

京东通过将其白条作为标的资产实行资产证券化，其分期服务费与期数无关，固定为每月0.5%—1%，换算为年化利率为8%—21%。白条借款数量多、金额和还款日期无规律，具体策略为第一期发行规模为8亿，分为12个月的循环购买期和和12个月的分配期。在前12个月符合资产筛选条件的资金可进入资金池，之后12个月则不再开放购买。这是应对白条还款日期分散所采取的策略，当有百条贷款到期还款时，款项不直接进入ABS持有人手中，而是循环继续购买心得债权以维持整个资金池的规模，同时也解决了短期白条与ABS中长期特性的不匹配问题。京东ABS的分级结构如下所示：

表4.1 京东白条ABS参数

将白条资产分为优先（占比75%）、次优占比（13%）和次级（12%）三个级别，前两个级别可以通过深交所综合协议交易平台认购和转让交易，京东持有次级资产，禁止转让出售。在利益分配期间，根据评级分别依次向优先级、次优级支付利息，利息支付完成之后向优先级和次优级支付本金，支付完成之后剩余的所有收益归次级所有。从利益分配来看，次级保障了优先级和次优级的利益，次优级保障了优先级的利益，这种利益保障的方式增加了其次优级的信用评级。同时，京东商城采取了内部增信措施来管控产品风险，首期的债券购买价格低于其账面价值，折价购买，同时设计了信用触发机制，这使得其产品获得了较高的信用评级。其资金在循环期和分配期间的流动如下图所示：

图4.5 京东白条ABS循环期现金流分配

图4.6 京东白条ABS分配期现金流分配

通过资产证券化，京东将贷款转化为新的流动资金再进行贷款，有效规避了流动性风险，加速扩大了其贷款业务规模。但是其自身所持有的超过10%的次级产品具有较高的信用风险，需要通过其他方法进行控制。

第五章京东白条信用风险控制模型设计

“京东白条”所具有的风险中最大和最主要的风险是信用风险，而其采用的方法并不能完全有效规避信用风险的发生，因此本章针对京东白条的信用风险进行了建模，利用模型分析进一步讨论了降低其信用风险的方法。

5.1.信用风险分析基本理论

在第三章中我们讨论了互联网消费金融所具有的五种基本风险：市场风险、信用风险、流动性风险、操作风险和系统性风险，在这五种风险中，信用风险是一种相对可预测的风险，且对投资损失和投资收益有较大的影响。本文对信用风险的研究是基于逆向选择和道德风险两大理论基础。

5.1.1.逆向选择

理想情况下，金融机构和银行希望资金全部流向优质的借款人——即有能力还款的借款人，但是信贷市场是一个信息不对称的市场，就像借贷业务中心经常遇到的情况一样，相比于放款人，借款人对自身的信用风险信息有更多的了解，金融机构和银行处于信息劣势，因此放款方会通过信贷金额来进行风险控制。这种根据市场平均信用进行信贷金额的方式能够有效规避信用风险，但是同时也意味着一些优质的信贷项目因为信息不对称的因素而无法进行，也会影响信贷的规模。同时这种信息不对称也使得信贷资金在流向优质借款人的同时也流向了信用差的借款人，这就是逆向选择。逆向选择会导致市场效率降低。

为了弥补随信贷规模增加而增加的信用风险，金融机构和银行可能会试图通过增加利率的方式来增加收益。利率的增加会使得一些信用较差的人甘愿冒较大的风险来贷款，而一些优质的贷款人会因为高利率而放弃贷款。这种恶性循环会导致金融机构和银行通过高利率从借款人身上获得的以换取利润为目的的柠檬溢价可能会导致某些贷款市场流动性变差甚至崩溃。

5.1.2.道德风险

道德风险由西方经济学家在上世纪80年代提出,即经济活动主体为了最大限度增加自己的效用而做出不利于他人的行为。道德风险具有三大特征：（1）内生性，即风险形成的原因是从事经济获得人对比计算获得利益和违约成本后所致；（2）牵引性，潜在利益诱使风险制造者违约以获得更多利益；（3）损人利己性，在发生道德风险后,由于一方掌握了更多信息,从而非法攫取了另一合约方的合法利益或将己方的风险通过不正当手段转移给另一方。道德风险在金融体系中的表现为各种财务造假及不正当竞争等，是由于信息不对称引起的，并且普遍存在于新兴市场和成熟市场，只不过在中国等新兴市场更为突出。

5.2.基于博弈模型的信用风险分析

消费金融的交易过程分为两个阶段：贷款阶段和还款阶段。在贷款阶段，是金融机构对消费者做出贷款或不贷款的决策过程，可以通过信号博弈模型分析逆向选择风险；在还款阶段，利用博弈的无限重复模型进行道德风险分析。

5.2.1.基本假设

博弈双方为金融机构和消费者（借款人），决策对象为是否贷款和是否还款。在博弈过程中双方遵循以下基本假设：

（1）双方都以实现自身效用最大化为目标，进行理性博弈。

（2）在博弈的贷款阶段，由金融机构根据消费者提供的消费数据进行决策，决定是否对消费者执行贷款操作；在还款阶段，则由消费者根据自身道德因素和金融机构针对不还款行为执行的惩罚措施进行是否还款的决策（3）消费者分为有还款能力消费者和无还款能力消费者，分别用H型消

费者和L型消费者代表，其消费数据分别用和表示。金融机构无法得知消费者是H型或L型消费者，只能通过其消费数据来进行判断。一般我们认为H 型消费者会提供真实的消费数据，而L型消费者可能会提供经过伪装的消费数据，其伪装成本为C，因此是C的函数，即。

（4）金融机构根据消费者提供的消费数据利用贝叶斯先验法则对消费者类型进行判断，其概率为：

，

并且有：

（5）金融机构的贷款金额为M，利率为t，金融机构在发出贷款之后，H

型消费者利用贷款获得的产品和服务效用为，而L型消费者获得的产品和服

务效用为。

（6）消费者在互联网进行消费的交易数据会被互联网记录，并且该记录是对所有金融机构公开的，当消费者无法偿还贷款时，该消费记录会立即被所有金融机构所共享，并进行相关的信用降级等惩罚操作，消费者由此获得的负效用为（-X）。

（7）我们认为可以通过一定方式来控制，使得金融机构的所有资金都流向了H型消费者，则博弈进入还款阶段。该阶段消费者根据自身的道德水平来决定是否还款，根据消费者是否还款，将其分为Y型消费者（决定还款）和N型消费者（不决定还款）。一般情况下，该阶段不会一次结束，而会进行重复博弈。

（8）对消费者的评级用其还款概率来表示，i表示第i次贷款时的信用评级，评级越高其额度越高。金融机构采取如下的评级策略：若第i次博弈消费者还款，则提高其信用评级，若第i次博弈消费者违约，则立即封禁该用户的贷款权限，并通过互联网将违约信息分享给其他金融机构，使得该消费者无法获得任何贷款，即退出博弈。假设互联息共享度为G。

5.2.2.贷款阶段

在贷款阶段，金融机构和消费者在金融机构决定贷款和不贷款的情况下，双方的收益可用以下支付矩阵表示：

表5.1 贷款阶段支付矩阵

，

博弈结果可分为混同均衡和分离均衡来讨论。

（1）混同均衡

混同均衡指不同的企业都释放相同的信号，即高定价信号，在本例中，即表示H型消费者和L型消费者都释放出自己是H型消费者的信号，金融机构对H型消费者和L型消费者都做出发放贷款的决策。满足混同均衡的条件为博弈双方都获得了最大利益，没有理由偏离均衡，此时，由于L型消费者也放出了

的信号，因此金融机构无法判断消费者类型，只能根据贝叶斯概率进行判断，令该判断的正确率为p，从而保证金融机构是获利的，即：

，从而推出。

对于H型消费者，其收益与金融机构的识别概率有关，其收益期望为：

。

这是显然成立的，因此H型消费者没有理由偏离均衡状态。

对于L型消费者，其期望收益为：

。

在混同均衡的条件下，金融机构可以通过贷款利率获得利润，但是由于信息不对称造成的逆向选择，使得资金在流向H型消费者的同时也流向了L型消费者，金融机构从利率中赚取的利润一部分用来填补L型消费者造成的损失。极端条件下，信息不对称使得H型消费者和L型消费者释放完全相同的消费信号，这时贝叶斯识别概率p会较小，同时互联网消费金融商品价格决定了其贷款利率不可能很高，因此，贷款企业将无法获得利润，该市场将逐渐萎缩甚至消失。

因此混同均衡并不是金融企业的最优决策，可以通过提高L型消费者满足混同均衡的约束条件来降低金融机构的损失。从上面的分析可以看出，除了提高贝叶斯识别率p，还可以通过增加X和C的方式来L型消费者，即增加违约惩罚和伪装成本。

（2）分离均衡

分离均衡指由于约束条件的，拥有信息的一方通过发布其掌握的信息，从不同类中分离出来，以获得更多利益。在本例中，如果消费者能够根据自身的付款能力释放与之对应的消费数据，金融机构就能够根据消费数据正确判断消费者类型，从而决定是否贷款。

事实上，分离均衡的约束条件是很容易得到的，只要令L型消费者的贷款收益低于其违约收益即可，即：

推出：

在上述条件的情况下，若消费者是理性的消费，则H型消费者会选择贷款，而L型消费者会选择释放真实的消费数据，从而实现各自的效用最大化。

此时金融机构对应的收益为Mt，此时的资源分配是帕累托最优的。当然这在现实市场中是无法实现的。

5.2.3.还款阶段

假设贷款阶段的博弈达到了分离均衡，即资源分配达到了帕累托最优，那么金融机构的资金全部流向了H型消费者手中。根据假设，在还款阶段，H型消费者根据自身的道德水平来决策是否还款，分为Y型消费者和N型消费者，其决策结果导致的自身效用如下表的支付矩阵所示：

兰州大学硕士研究生论文互联网消费金融的风险研究 ——以“京东白条”为例

表5.2 还款阶段支付矩阵

，-M

对于Y型消费者，无论何种情况，都会按时交付贷款和利息，其模型较为简单。

对于N型消费者，根据金融机构的评级策略，第一次博弈就拒绝付款可能不会获得较大的收益，因此会进行重复博弈，即在开始的几次博弈中，N型消费者会伪装成Y型消费者按时还款，从而通过提升信用评级来获得更高的信贷额度。因此N型消费者从伪装Y型消费者转变为N型消费者的过程发生在其最后一次博弈的过程中。

令消费者的单次博弈收益为经过k次博弈之后的总收益为：

其中N型消费者在转变之前，单次收益为，最后一次博弈的收益为，因此总收益可表示为：

相对的，金融机构的总收益为：

因此对于金融机构来说，增加贷款金额和利率可以增加其博弈收益，但是提高贷款金额和利率会同时减少用户数量，增加违约风险，不是一种可取的方式。增加博弈次数k也可以增加金融机构的收益，但是博弈次数k是由消费者决定，因此通过贷款参数的设置增加博弈次数是提升收益同时又不破坏市场的关键。

当时，N型消费者会为了实现自身效用最大化而选择伪装成Y型消费者继续还款，直到其累计收益大于0。从上式可以看出，当GX越大时，

达到需要的k越大，即需要的伪装时间越长，重复博弈的时间越长；

同时，当越小时，其达到的条件需要的k越大，因此通过加强信息共享和违约惩罚，同时减少单次贷款数额和降低利率可以增加重复博弈