没账号？一键数据猿账号
已有账号？
已有账号？
不容错过的资讯
大数据学堂
大数据企业推荐
大家都在搜1163人阅读
---互联网金融（25）
作者授权转载
作者：李文哲
摘自：普惠大数据中心
知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融， 知识图谱可以有哪方面的应用呢？
1. 什么是知识图谱？
2. 知识图谱的表示
3. 知识图谱的存储
1. 什么是知识图谱？
知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。
另外，对于稍微复杂的搜索语句比如 ”Who is the wife of Bill Gates“，Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。
上面提到的知识图谱都是属于比较宽泛的范畴，在通用领域里解决搜索引擎优化和问答系统(Question-Answering)等方面的问题。接下来我们看一下特定领域里的 (Domain-Specific) 知识图谱表示方式和应用，这也是工业界比较关心的话题。
2. 知识图谱的表示
假设我们用知识图谱来描述一个事实（Fact） - “张三是李四的父亲”。这里的实体是张三和李四，关系是“父亲”（is_father_of）。当然，张三和李四也可能会跟其他人存在着某种类型的关系（暂时不考虑）。当我们把电话号码也作为节点加入到知识图谱以后（电话号码也是实体），人和电话之间也可以定义一种关系叫 has_phone，就是说某个电话号码是属于某个人。下面的图就展示了这两种不同的关系。
另外，我们可以把时间作为属性（Property）添加到 has_phone 关系里来表示开通电话号码的时间。这种属性不仅可以加到关系里，还可以加到实体当中，当我们把所有这些信息作为关系或者实体的属性添加后，所得到的图谱称之为属性图 （Property Graph）。属性图和传统的RDF格式都可以作为知识图谱的表示和存储方式，但二者还是有区别的，这将在后面章节做简单说明。
3. 知识图谱的存储
知识图谱是基于图的数据结构，它的存储方式主要有两种形式：RDF存储格式和图数据库(Graph Database)。至于它们有哪些区别，请参考【1】。下面的曲线表示各种数据存储类型在最近几年的发展情况。从这里我们可以明显地看到基于图的存储方式在整个数据库存储领域的飞速发展。这幅曲线图来源于 Graph DBMS increased their popularity by 500% within the last 2 years
下面的列表表示的是目前比较流行的基于图存储的数据库排名。从这个排名中可以看出neo4j在整个图存储领域里占据着NO.1的地位，而且在RDF领域里Jena还是目前为止最为流行的存储框架。这部分数据来源于 DB-Engines Ranking
当然，如果需要设计的知识图谱非常简单，而且查询也不会涉及到1度以上的关联查询，我们也可以选择用关系型数据存储格式来保存知识图谱。但对那些稍微复杂的关系网络（现实生活中的实体和关系普遍都比较复杂），知识图谱的优点还是非常明显的。首先，在关联查询的效率上会比传统的存储方式有显著的提高。当我们涉及到2,3度的关联查询，基于知识图谱的查询效率会高出几千倍甚至几百万倍。其次，基于图的存储在设计上会非常灵活，一般只需要局部的改动即可。比如我们有一个新的数据源，我们只需要在已有的图谱上插入就可以。于此相反，关系型存储方式灵活性方面比较差，它所有的Schema都是提前定义好的，如果后续要改变，它的代价是非常高的。最后，把实体和关系存储在图数据结构是一种符合整个故事逻辑的最好的方式。
在本文中，我们主要讨论知识图谱在互联网金融行业中的应用。当然，很多应用场景和想法都可以延伸到其他的各行各业。这里提到的应用场景只是冰山一角， 在很多其他的应用上，知识图谱仍然可以发挥它潜在的价值， 我们在后续的文章中会继续讨论。
反欺诈是风控中非常重要的一道环节。基于大数据的反欺诈的难点在于如何把不同来源的数据（结构化，非结构）整合在一起，并构建反欺诈引擎，从而有效地识别出欺诈案件（比如身份造假，团体欺诈，代办包装等）。而且不少欺诈案件会涉及到复杂的关系网络，这也给欺诈审核带来了新的挑战。 知识图谱，作为关系的直接表示方式，可以很好地解决这两个问题。 首先，知识图谱提供非常便捷的方式来添加新的数据源，这一点在前面提到过。其次，知识图谱本身就是用来表示关系的，这种直观的表示方法可以帮助我们更有效地分析复杂关系中存在的特定的潜在风险。
反欺诈的核心是人，首先需要把与借款人相关的所有的数据源打通，并构建包含多数据源的知识图谱，从而整合成为一台机器可以理解的结构化的知识。在这里，我们不仅可以整合借款人的基本信息（比如申请时填写的信息），还可以把借款人的消费记录、行为记录、网上的浏览记录等整合到整个知识图谱里，从而进行分析和预测。这里的一个难点是很多的数据都是从网络上获取的非结构化数据，需要利用机器学习、自然语言处理技术把这些数据变成结构化的数据。
不一致性验证
不一致性验证可以用来判断一个借款人的欺诈风险，这个跟交叉验证类似。比如借款人张三和借款人李四填写的是同一个公司电话，但张三填写的公司和李四填写的公司完全不一样，这就成了一个风险点，需要审核人员格外的注意。
再比如，借款人说跟张三是朋友关系，跟李四是父子关系。当我们试图把借款人的信息添加到知识图谱里的时候，“一致性验证”引擎会触发。引擎首先会去读取张三和李四的关系，从而去验证这个“三角关系”是否正确。很显然，朋友的朋友不是父子关系，所以存在着明显的不一致性。
不一致性验证涉及到知识的推理。通俗地讲，知识的推理可以理解成“链接预测”，也就是从已有的关系图谱里推导出新的关系或链接。 比如在上面的例子，假设张三和李四是朋友关系，而且张三和借款人也是朋友关系，那我们可以推理出借款人和李四也是朋友关系。
相比虚假身份的识别，组团欺诈的挖掘难度更大。这种组织在非常复杂的关系网络里隐藏着，不容易被发现。当我们只有把其中隐含的关系网络梳理清楚，才有可能去分析并发现其中潜在的风险。知识图谱，作为天然的关系网络的分析工具，可以帮助我们更容易地去识别这种潜在的风险。举一个简单的例子，有些组团欺诈的成员会用虚假的身份去申请贷款，但部分信息是共享的。下面的图大概说明了这种情形。从图中可以看出张三、李四和王五之间没有直接的关系，但通过关系网络我们很容易看出这三者之间都共享着某一部分信息，这就让我们马上联想到欺诈风险。虽然组团欺诈的形式众多，但有一点值得肯定的是知识图谱一定会比其他任何的工具提供更佳便捷的分析手段。
异常分析（Anomaly Detection）
异常分析是数据挖掘研究领域里比较重要的课题。我们可以把它简单理解成从给定的数据中找出“异常”点。在我们的应用中，这些”异常“点可能会关联到欺诈。既然知识图谱可以看做是一个图 （Graph），知识图谱的异常分析也大都是基于图的结构。由于知识图谱里的实体类型、关系类型不同，异常分析也需要把这些额外的信息考虑进去。大多数基于图的异常分析的计算量比较大，可以选择做离线计算。在我们的应用框架中，可以把异常分析分为两大类： 静态分析和动态分析，后面会逐一讲到。
- 静态分析
所谓的静态分析指的是，给定一个图形结构和某个时间点，从中去发现一些异常点（比如有异常的子图）。下图中我们可以很清楚地看到其中五个点的相互紧密度非常强，可能是一个欺诈组织。所以针对这些异常的结构，我们可以做出进一步的分析。
- 动态分析
所谓的动态分析指的是分析其结构随时间变化的趋势。我们的假设是，在短时间内知识图谱结构的变化不会太大，如果它的变化很大，就说明可能存在异常，需要进一步的关注。分析结构随时间的变化会涉及到时序分析技术和图相似性计算技术。有兴趣的读者可以去参考这方面的资料【2】。
失联客户管理
除了贷前的风险控制，知识图谱也可以在贷后发挥其强大的作用。比如在贷后失联客户管理的问题上，知识图谱可以帮助我们挖掘出更多潜在的新的联系人，从而提高催收的成功率。
现实中，不少借款人在借款成功后出现不还款现象，而且玩“捉迷藏”，联系不上本人。即便试图去联系借款人曾经提供过的其他联系人，但还是没有办法联系到本人。这就进入了所谓的“失联”状态，使得催收人员也无从下手。那接下来的问题是，在失联的情况下，我们有没有办法去挖掘跟借款人有关系的新的联系人？ 而且这部分人群并没有以关联联系人的身份出现在我们的知识图谱里。如果我们能够挖掘出更多潜在的新的联系人，就会大大地提高催收成功率。举个例子，在下面的关系图中，借款人跟李四有直接的关系，但我们却联系不上李四。那有没有可能通过2度关系的分析，预测并判断哪些李四的联系人可能会认识借款人。这就涉及到图谱结构的分析。
智能搜索及可视化展示
基于知识图谱，我们也可以提供智能搜索和数据可视化的服务。智能搜索的功能类似于知识图谱在Google, Baidu上的应用。也就是说，对于每一个搜索的关键词，我们可以通过知识图谱来返回更丰富，更全面的信息。比如搜索一个人的身份证号，我们的智能搜索引擎可以返回与这个人相关的所有历史借款记录、联系人信息、行为特征和每一个实体的标签（比如黑名单，同业等）。另外，可视化的好处不言而喻，通过可视化把复杂的信息以非常直观的方式呈现出来， 使得我们对隐藏信息的来龙去脉一目了然。
“A knowledge graph allows you to take core information about your customer—their name, where they reside, how to contact them—and relate it to who else they know, how they interact on the web, and more”-- Michele Goetz, a Principal Analyst at Forrester
一个聪明的企业可以比它的竞争对手以更为有效的方式去挖掘其潜在的客户。在互联网时代，营销手段多种多样，但不管有多少种方式，都离不开一个核心 - 分析用户和理解用户。知识图谱可以结合多种数据源去分析实体之间的关系，从而对用户的行为有更好的理解。比如一个公司的市场经理用知识图谱来分析用户之间的关系，去发现一个组织的共同喜好，从而可以有针对性的对某一类人群制定营销策略。只有我们能更好的、更深入的（Deep understanding）理解用户的需求，我们才能更好地去做营销。
知识图谱在工业界还没有形成大规模的应用。即便有部分企业试图往这个方向发展，但很多仍处于调研阶段。主要的原因是很多企业对知识图谱并不了解，或者理解不深。但有一点可以肯定的是，知识图谱在未来几年内必将成为工业界的热门工具，这也是从目前的趋势中很容易预测到的。当然，知识图谱毕竟是一个比较新的工具，所以在实际应用中一定会涉及到或多或少的挑战。
数据的噪声
首先，数据中存在着很多的噪声。即便是已经存在库里的数据，我们也不能保证它有100%的准确性。在这里主要从两个方面说起。第一，目前积累的数据本身有错误，所以这部分错误数据需要纠正。 最简单的纠正办法就是做离线的不一致性验证，这点在前面提过。第二， 数据的冗余。比如借款人张三填写公司名字为”普惠“，借款人李四填写的名字为”普惠金融“，借款人王五则填写成”普惠金融信息服务有限公司“。虽然这三个人都隶属于一家公司，但由于他们填写的名字不同，计算机则会认为他们三个是来自不同的公司。那接下来的问题是，怎么从海量的数据中找出这些存在歧义的名字并将它们合并成一个名字？
这就涉及到自然语言处理中的”消歧分析”技术。
非结构化数据处理能力
在大数据时代，很多数据都是未经处理过的非结构化数据，比如文本、图片、音频、视频等。特别在互联网金融行业里，我们往往会面对大量的文本数据。怎么从这些非结构化数据里提取出有价值的信息是一件非常有挑战性的任务，这对掌握的机器学习，数据挖掘，自然语言处理能力提出了更高的门槛。
推理能力是人类智能的重要特征，使得我们可以从已有的知识中发现隐含的知识， 一般的推理往往需要一些规则的支持【3】。例如“朋友”的“朋友”，可以推理出“朋友”关系，“父亲”的“父亲”可以推理出“祖父”的关系。再比如张三的朋友很多也是李四的朋友，那我们可以推测张三和李四也很有可能是朋友关系。当然，这里会涉及到概率的问题。当信息量特别多的时候，怎么把这些信息（side information）有效地与推理算法结合在一起才是最关键的。常用的推理算法包括基于逻辑（Logic） 的推理和基于分布式表示方法（Distributed
Representation）的推理。随着深度学习在人工智能领域的地位变得越来越重要，基于分布式表示方法的推理也成为目前研究的热点。如果有兴趣可以参考一下这方面目前的工作进展【4,5,6,7】。
大数据、小样本、构建有效的生态闭环是关键
虽然现在能获取的数据量非常庞大，我们仍然面临着小样本问题，也就是样本数量少。假设我们需要搭建一个基于机器学习的反欺诈评分系统，我们首先需要一些欺诈样本。但实际上，我们能拿到的欺诈样本数量不多，即便有几百万个贷款申请，最后被我们标记为欺诈的样本很可能也就几万个而已。这对机器学习的建模提出了更高的挑战。每一个欺诈样本我们都是以很高昂的“代价”得到的。随着时间的推移，我们必然会收集到更多的样本，但样本的增长空间还是有局限的。这有区别于传统的机器学习系统，比如图像识别，不难拿到好几十万甚至几百万的样本。
在这种小样本条件下，构建有效的生态闭环尤其的重要。所谓的生态闭环，指的是构建有效的自反馈系统使其能够实时地反馈给我们的模型，并使得模型不断地自优化从而提升准确率。为了搭建这种自学习系统，我们不仅要完善已有的数据流系统，而且要深入到各个业务线，并对相应的流程进行优化。这也是整个反欺诈环节必要的过程，我们要知道整个过程都充满着博弈。所以我们需要不断地通过反馈信号来调整我们的策略。
知识图谱在学术界和工业界受到越来越多的关注。除了本文中所提到的应用，知识图谱还可以应用在权限管理，人力资源管理等不同的领域。在后续的文章中会详细地讲到这方面的应用。
【1】De Abreu, D., Flores, A., Palma, G., Pestana, V., Pinero, J., Queipo, J., ... & Vidal, M. E. (2013). Choosing Between Graph Databases and RDF Engines for Consuming and Mining Linked Data. InCOLD.
【2】User Behavior Tutorial
【3】刘知远 知识图谱——机器大脑中的知识库 第二章 知识图谱——机器大脑中的知识库
【4】Nickel, M., Murphy, K., Tresp, V., & Gabrilovich, E. A Review of Relational Machine Learning for Knowledge Graphs.
【5】Socher, R., Chen, D., Manning, C. D., & Ng, A. (2013). Reasoning with neural tensor networks for knowledge base completion. InAdvances in Neural Information Processing Systems (pp. 926-934).
【6】Bordes, A., Usunier, N., Garcia-Duran, A., Weston, J., & Yakhnenko, O. (2013). Translating embeddings for modeling multi-relational data. InAdvances in Neural Information Processing Systems (pp. ).
【7】Jenatton, R., Roux, N. L., Bordes, A., & Obozinski, G. R. (2012). A latent factor model for highly multi-relational data. InAdvances in Neural Information Processing Systems (pp. ).
文章：15篇
阅读：36277
文章：11篇
阅读：6203
文章：23篇
阅读：52593
文章：15篇
阅读：23127
文章：27篇
阅读：22022如何用比特盒子来控制金融系统中可以预料到的风险？_百度知道
如何用比特盒子来控制金融系统中可以预料到的风险？
我有更好的答案
比特盒子是基于区块链的底层技术，也会让这个行业越来越好
采纳率：100%
为您推荐：
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。2,202被浏览100,381分享邀请回答29828 条评论分享收藏感谢收起3017 条评论分享收藏感谢收起互联网金融：现状与展望
　　编者按：随着网络技术和移动通信技术的普及，近年来我国的发展迅猛：新型机构不断涌现，市场规模持续扩大。尤其以第三方支付和P2P发展最为迅猛。
　　互联网金融业在资金需求方与资金供给方之间提供了有别于传统银行业和证券市场的新渠道，提高了资金融通的效率，是现有金融体系的有益补充。互联网金融能大大降低交易成本、分散风险并扩大金融服务的范围，让个体经营户、小微企业和普通民众都受益匪浅。
　　然而，随着P2P风险的频发，使互联网金融风险不断浮出水面。由于互联网金融的虚拟化、无国界化、技术装备水平高的特点又加上相关缺位等问题，使其风险管理更加复杂，这也加大了监管的难度。目前，互联网金融在业务操作方面、技术方面以及相关法律方面都存在一定的风险，这对我国的金融安全防范体系甚至经济安全都有可能造成很大的威胁。
　　互联网金融未来的发展之路将充满挑战，互联网金融与传统金融势力博弈的结局还有很大的不确定性。而互联网金融的未来发展同样令人期待，互联网技术的使用能大大降低金融服务的成本，提高服务效率，促进的发展日益独立化。倒逼银行改变传统的盈利模式，改善服务水平。
　　基于此背景下，本刊特邀请在互联网金融领域的权威专家和从业者，共同探讨一下互联网金融的发展、影响与未来展望等问题。现将发言内容整理成文予以刊登，排版以发言顺序为主，以飨读者。
　　杨涛：理性看待互联网金融的挑战
　　对互联网金融的理解
　　谈到互联网金融，过去的内涵和边界相对来说比较宽泛，每个人的理解、想法都不一样，每个人脑海当中想到的可能是截而不同的东西，缺乏最重要的理论概念和基础。
　　所以我们在探讨思路的时候，有两条线索可依，一条线索借鉴最初提出来的思路，从金融功能入手，金融功能更多体现为支付清算、风险管理、信息管理等。互联网金融实际上就是互联网，进一步对这些传统金融功能的实现产生了不同程度的冲击和影响，这个过程中可能出现一些新的要素，新的产品，新的组织形式。
　　另外一个理解的思路还是回到金融本来概念上，回到金融机构、金融产品、金融市场、金融制度等不同的要素。从此角度谈互联网金融，可以是对中微观层面具体的机构、具体的市场结构产生的影响；也可能是偏中观和宏观的层面，对于监管和市场运行的规则产生了各种各样的影响。
　　我国互联网金融创新对全球的影响：以零售支付为例
　　互联网信息技术对于金融体系的冲击一直在有。在20世纪末、21世纪初达到了高潮，此后却陷入低谷，直到以后，随着ProsPer、lending club等的出现又掀起了一股新的热潮。新一轮热潮受到中国因素影响很大。零售支付的创新近年来风起云涌，我们的零售支付是和第三方支付机构的组织形式联系起来的，而欧美过去不太重视零售支付的风险和效率问题。
　　支付有三大体系：一个是，一个是非银行，一个是证券。欧家在2008年金融危机之后，主要重视证券清算结算体系等金融市场基础设施的稳定性。但是美联储从2014年开始突然关注零售支付，尤其是以网络支付为代表的新型模式。整个新兴的零售支付对于传统的支付体系产生的冲击很大，这个冲击不仅仅是在支付体系本身的安全方面，而且对于清算模式、电子货币的内涵等都产生了深远的冲击，这就使得传统货币政策操作可能在很大程度上被弱化，如对其可控性、可测性都产生了比较深远的冲击和影响。
　　互联网金融的发展线索与逻辑
　　对互联网金融发展过程，应该从需求和供给两个角度来看。
　　从需求角度来看，就是基于金融服务实体经济，当前实体经济的商业模式发生了变化，从需求层面对于新的业态、新的金融支持方式产生了很大程度上的影响，最典型的是网络经济、电子商务的发展。比如说淘宝的存在，不仅仅推动了过去的C2B，甚至是现在的B2C，这个过程中必然带来金融需求相应的变化。来自于支持电子商务发展的这些新兴互联网金融模式的演变，都属于源于需求方面的因素。同样的，过去金融体系中，大家谈的最多的一个短板，就是小微支持不足，而小微的支持不足，也是像P2P等模式风起云涌的主要动因，这些都是制度和技术层面的因素共同作用的结果。
　　从供给方面来看，一些新技术进一步推动了相关市场的发展，也出现了供给创造需求的作用。最为典型的一个例子就是“移动支付”。这个过程中移动支付不仅仅是一个支付手段，更重要的是打造出移动综合金融服务平台，而相关的各种各样的机构，依托综合性的服务平台，可以提供更加混业的、综合性的财富管理，可以提供更加多元化的金融支持。
　　互联网金融的创新思路
　　中国互联网金融创新分两条主线，一个是技术主线，一个是制度主线。在多元化的、多种多样的、令人眼花缭乱的互联网金融业态背后，需要细分一下，哪些是因为技术原因所推动的？哪些是由于制度原因、特殊时期因素所导致的？如果是技术因素所导致的互联网金融创新，它很大程度上是和国际上主流的技术演进吻合的，有可能是中长期具有很大价值的。当然里面肯定也有一些挑战，比如说大数据金融，在很大程度上，大数据分析方法无论是对金融产品的设计的应用层面，还是对市场自由交易结构、市场定价这样一些理论层面，都产生了非常深刻的影响。
　　还有一个来自于制度方面，我们国家现在处于经济转轨期，许多互联网金融模式就是一种特殊的监管套利创新，具有短期化的特征。如果利率进入完全市场化状态，金融市场充分竞争，客观地说很多模式存在空间会进一步缩小，最典型的是货币基金消费支付，欧美货币市场基金的网络化发展轨迹已经证明了这一点。
　　互联网金融的影响
　　关于互联网金融，我们需要回答的一个核心问题，互联网金融究竟改变了什么？没有改变什么？
　　（一） 没有改变什么？
　　互联网金融不是从石头跳出来的，不能断开经济金融的发展逻辑。最典型的例子，就是当前非常热的众筹。美国的自由女神从运过来的时候，安装需要大约十万美元，但当时负责人没有这笔资金，当时就使用了众筹这种方式向大家收集资金，最后就用众筹解决资金难题。实际上，这就是互联网金融理念的萌芽。互联网逐步拓展了资金集聚的网络关系。实际上现在就是在新的情况下延续传统的、朴素的金融思想与理念。
　　（二） 改变了什么？
　　金融的核心就是信息经济学问题，就是解决信息不对称。新技术的发展在很大程度上对于信息不对称起到了巨大的促进作用，由于互联网金融的引进，过去不适合做小微金融服务、效率比较低、成本比较高的业务或机构，现在都能够做了，这个我觉得就是互联网金融带来的改变。
　　P2P与传统银行比较
　　在任何互联网金融创新中，都需分析技术改变和没有改变的要素。例如，真正的互联网金融P2P信息中介，能够通过巨大的网络客户发掘，在很大程度上解决流动性、资金匹配的难题，相比来说银行则是通过资金池来解决问题，有了资金池才能忍受坏账率，而现在许多P2P网贷平台都没有这一点优势。像阿里巴巴拥有非常庞大的客户群，有非常大的网络客户关联，能够利用互联网解决资金匹配难题；另一种如lending club仍然是和银行――Web bank合作，实际上银行体现了分销商的作用。如果说现有某些纯独立的P2P，无论是真正的信息中介平台，还是那些各种各样的“网络”民间融资组织，一方面没有巨大的客户群能实现小额的资金匹配，另一方面没有充分的利用银行端的补充、客户渠道的分担等。
　　许多人认为，互联网金融能够使我国成为真正的金融强国。我认为对于这个问题还是应相对理性地看待。互联网金融对于金融的促进作用，不在于增加多少新的组织、增加多少新的产品，更大程度上在于对现有金融结构的优化，在于存量金融资产的优化。为什么这么说呢？过去我们都强调规模指标，但是规模指标能够表明金融的发达程度和服务能力吗？大家都知道日本的大银行曾经在世界上令人瞩目，1988年曾排名世界前6位的日本第一劝业银行、住友银行、富士银行、三菱银行、三和银行及日本(,)，在国内危机与全球银行业变迁中黯然退场，到2010年排名世界前20位的银行中，日本只剩三菱日联银行勉强居于世界第11位。
　　目前我们国家，从机构和市场指标的规模上来说，金融似乎已经走到了全球前列，但仍然存在“短板”。互联网金融在更大程度上应该是优化现有的金融机构，提高金融的运行效率，如弥补现有金融体系缺乏零售金融机构、缺乏小微金融服务的短版，弥补直接融资发展的严重不足等，这都是在互联网金融的发展和推动中，真正值得我们思考的基础性问题。
　　（杨涛系中国社科院支付清算研究中心主任、博士生导师）
　　：互联网金融的发展与展望
　　当前，业界和学术界对互联网金融尚无明确的、获得广泛认可的定义，但对互联网支付、P2P网贷、众筹融资等典型业态分类有比较统一的认识。一般来说，互联网金融是互联网与金融的结合，是借助互联网和移动通信技术实现资金融通、支付和信息中介功能的新兴金融模式。广义的互联网金融既包括作为非金融机构的互联网企业从事的金融业务，也包括金融机构通过互联网开展的业务。狭义的互联网金融仅指互联网企业开展的、基于互联网技术的金融业务。互联网金融一般主要涉及包括了网络支付、网上小贷、P2P、股权众筹等多种业态，
　　2014年是互联网金融得到迅猛发展的一年。自此，P2P网络借贷平台快速发展，众筹融资平台重装起步，第一家专业网络公司获批，一些银行、也以互联网为依托，对业务模式进行重组改造，加速建设线上创新型平台，互联网金融的发展进入了新的阶段。
　　伴随互联网金融业务的飞快发展，金融机构、非金融机构都面对这来势汹汹互联网金融企业的挑战和业务的蚕食。在有些方面没有得到监管机构的明确规则和监管下，不得不修改和完善自己的业务体系、管理机制和产品开发，以适应客户（消费者）的需求，或者让互联网金融企业培养出来的消费者消费习惯。
　　我们不否认，互联网金融的兴起，使得小微企业的“融资难、融资贵”问题得到缓解。但是，互联网金融的兴起，并没有降低融资的风险。而且，在互联网金融的快速发展下，风险聚集的规模也越来越大。伴随经济发展速度的降低、风险释放的可能性越发增加，在这情况下，监管机构不能让互联网金融发展肆无忌惮，监管是早晚的事情。关键在于，对互联网金融要制定一个与其相适应的风险监管组织，不能用传统机构的监管模式简单套用。应厘清市场主体风险与市场外部性风险的边界，减少不当监管 。
　　互联网金融监管的关键在于监管创新，最为重要迫切的是放宽金融市场准入。国内出现互联网金融热，归根结底是因为存在较为严重的传统金融监管模式，如果不能有效摒弃传统监管模式，不仅互联网金融走不好、也走不远，整个金融业恐怕也难以保持健康发展。
　　提高准入的透明度，放宽市场准入，使符合条件并且有意愿进入金融领域的各类社会资本，都能够顺利进入这个市场，按照统一的市场规则从事相同性质的金融业务，从而使整个市场达到充分竞争。才能最大限度地发挥出和发挥好金融服务于实体经济、服务于民生的目的。否则，部分市场主体从事了某类金融活动，却难以合法身份进入这个市场，游离于市场和监管之外，借创新之名不受必要的市场规则约束，不但有违市场公平，不利于金融市场整体发展，更严重的是破坏了依法守规意识。
　　互联网金融的出现，一定程度上缓解了小微企业金融服务不足的问题，也使大家看到了实现金融普惠的希望。但是如果没有新理念的互联网金融监管，不能提供实现金融市场充分竞争的条件，热闹和喧嚣过后，终究将让互联网金融会蜕变为另一类传统。
　　所以说，金融监管的适时改变，在于金融监管的主动创新。这种被动等待外力推动，期待市场倒逼，不但负作用很大，而且有损监管的严肃性和权威性。
　　因此，在互联网金融监管方面，从以下几个思路出发：
　　一是严守不触犯法律规定的“底线思维”。我国的《刑法》规定了四种非法集资类的犯罪，分别是非法吸收公众存款罪、集资诈骗罪、欺诈发行股票、债券罪和擅自发行股票、公司、企业债券罪。对这些犯罪的构成要件，都有明确规定，一旦触犯，就涉嫌犯罪，与创新无关。
　　二是适度监管。传统的金融监管过多、过严、过细，这是造成创新不足的后果。对处于起步阶段的互联网金融，以及在新技术条件下金融活动表现出来的新特征，如果延续对传统金融业的监管理念、措施和方法，其发展空间肯定极为有限。对新兴互联网金融监管，应当有所包容。但是，要防止在制度、主体、行为等各个层面形成割裂，要构建符合公开、公平、公正原则的金融市场。对互联网金融参与主体，无论是传统金融机构，还是新进入的金融服务提供者，应当一视同仁。各类市场主体从事同一性质的业务活动，应当遵守同样的业务规则和行为规则。甚至于对同一类业务，无论是利用互联网还是以传统方式开展，基本规则和要求也应当大体相同。简而言之，正如从事监管机构的权威人士说的那样：应当以互联网金融监管为突破口，在遵守一致性原则的基础上，适当放松金融监管，改进监管方法，提高监管水平。
　　三是以保护金融消费者为方向的分类监管。互联网金融包括了网络支付、网上小贷、P2P、股权众筹等多种业态，由于各种业态的内容不同、特征不同、风险点不同，在我国目前分业监管的背景下，应当由不同的监管部门有针对性地制定不同的监管措施并实施监管。但是，无论对于哪种业态，监管的共同目的和根本目的之一，是要充分保护消费者的合法权益。为此，一方面必须要求金融服务提供者充分披露产品和服务信息，充分揭示风险，增加透明度。另一方面必须引入结构性保护措施，要求对消费者的资金进行监管和稽查，防止欺诈，以有效控制消费者风险损失。
　　四是以实现功能监管为方向的协同监管或合并监管。长期以来，我国金融监管实行机构监管和分业监管。而互联网金融发展，使得金融产品和金融服务带有明显的跨界特征，对金融监管方式和体制改进提出了挑战。因此建议相关金融监管机构合并或构建一个机制灵活、反应快捷的监管体制，提高监管效率、降低监管成本，这样才能更好地对互联网金融实施功能监管。当然，从目前互联网金融所带来的金融业整体发展趋势看，未来的金融监管真需要实行混业监管机构，才能更好地适应金融发展的需要。
　　这个市场是需要有新理念的互联网金融监管机构监管的！
　　（付强系(,)核心区网贷联盟牵头人）
　　高广春：信用交易市场的
　　缺位是中国互联网金融发展的一个重要短板
　　我想讲的一个重要问题是，在目前的中国互联网金融发展中存在一个重要短板即缺乏一个专业化、规模化的信用交易市场。
　　这个问题之所以重要，其中很简单的一个道理即普通经济学教科书就告诉我们的，信息对称是有效率市场的必要条件。对于互联网金融交易而言，信息对称不仅有助于形成有效的金融资产交易价格，而且还有助于降低交易费用。从西方发达经济体的互联网金融交易平台的实践看，比如Lending Club、Zoper、Prosper等无不借助于发达的信用交易市场获取相关客户的信用信息并以此促成有效率的市场交易。在与这些互联网金融平台的信用交易中，我们均能看到三大著名信用评级公司的影子，分别是伊凡克斯公司（Equifax）、环联公司（Trans Union）和益百利公司（Experian）。也正是有了这些著名信用评级公司的信用信息作参照，上述互联网金融平台的客户数量、交易规模和收益才得以较快增长，特别是Lending Club的交易余额已经高达4万亿美元，成为全球最大的互联网金融交易平台。不仅如此，与传统银行的信用定价相比，互联网金融平台对相同信用水平的贷款产品的定价更低因而更具有比较优势。我有一位师弟现任一家互联网金融平台的CEO，2014年上半年，他去考察包括zoper在内的一些互联网金融平台的运营情况，他的一个重要发现就是，一些贷款产品的利率低于传统商业银行。
　　上述信用评级公司之所以能够为互联网金融交易提供如此重要的信用信息，在于其具有这样几个特点，其一是品牌化，这三大公司均是全球性评级机构，已经形成了可以被高度认同的品牌形象。其二是专业化，三大公司对客户的信用信息均进行了专业化的加工，形成了标准化的信用评级结构，每一档信用均对应明晰的信用级别或信用分值。这就为互联网金融平台提供了高价值的信用参照，如Lending Club依据三大公司的信用评分设置了借款客户的信用门槛分值是660分。
　　就我国而言，我们必须承认，信用交易市场存在缺位问题。很重要的一个原因即缺乏品牌化、专业化的信用评级机构。我们都知道，有一个征信中心，但客观而言该征信平台的可参考价值有待提高，我本人曾先后2次在该中心获取过自己的个人征信记录信息，最近的一次是2014年年底，一共有7页的信用记录，但这么多的信息告诉了我什么？我看不明白。这其中很重要的一个原因就是，该记录仅仅将相关征信通道的基础信用信息罗列在了一起，没有进行专业化的加工，因而就形不成有效的参考价值。
　　当然，必须看到，我们国家的征信环境正在经历一些可喜的变化。比如近两年来央行征信中心增设了个人信用信息获取的网点和设备，为个人获取信用信息增加了便利，而且个人凭身份证即可在指定设备上自助获取个人信用记录清单，不仅便利而且还免费。还有，近两年央行加快了核批商业化征信牌照的速度，持牌的企业征信机构已达近30家，个人征信机构也达到了8家。
　　另一方面，我们也应意识到，征信机构的品牌化和专业化是一个很艰难的历程，特别是在征信机构成长的初期，基于生存、个人私利、利诱、胁迫等诸种因素，有可能会生产并向市场提供失真的信用产品，因而不但起不到促进有效率市场交易的作用，反而会加剧市场失灵。记得，几年前，我关注过国内一家还算是有一定知名度的国字号信用评级机构的一些情况，最深刻的一个印象是，该机构评出的所有公司的信用级别多在AA级以上，看不到负面的信用评级信息。这样的评价结果的参考价值究竟几何，想必大家都懂得的。
　　由此，中国不仅需要一些持有合法牌照的商业性征信机构，还需要这些机构具有品牌化和专业化的目标定位，而政府机制和市场机制的双重作用将会引导并促成一个有效率的信用交易市场。
　　（高广春系本刊副主编）
　　徐建军：P2P去担保化不宜一刀切
　　目前P2P网贷行业存在较高的风险，一方面部分平台本身存在欺诈行为，明目张胆的卷款跑路，另一方面平台对借款人的信用审核能力不足，使得借款的坏账率攀升，都将导致出借人资金严重受损。因此，P2P平台要想获得出借人的信任，就必须设计一套抵抗风险的保障模式来保护出借人的利益。目前，P2P给投资者的保障方式一般有担保、抵押、质押、保险和风险多种模式。其中担保模式受到的争议最大，最受社会关注。
　　担保模式是指P2P平台引入第三方融资性担保机构为借款人作保在平台上融资。一般来说，担保机构的职责是对借款人进行第一道风控，把符合资质的借款人推荐给P2P平台，再由平台进行第二道风控。担保机构对出借人提供100%本息保障，如果借款出现逾期，将对出借人先行代偿。
　　国内的担保模式P2P起步比无担保模式晚，但自2012年来发展迅猛，被各大平台所采用，近年来我国P2P行业的爆发式增长，其功不可没。此种模式的代表便是平安集团旗下“陆金所”的“稳盈-安e贷”，有利网的“月息通”等。P2P平台与担保机构的结合，是我国P2P行业发展的一大特色，但也是P2P行业中争议最大的问题之一。
　　担保模式分类
　　如前所述，平台的担保模式产生晚于无担保模式，但经过近几年的发展，展现了强大的生命力。目前大部分平台都采用了担保模式，但具体来看，各P2P平台的担保模式也存在一些差异。
　　从机构属性来看，担保机构有担保公司和小贷公司两类。根据相关法律，与P2P合作为借贷项目做出担保的必须为融资性担保公司。在O2O模式之下，小贷公司通常作为小额借款项目推荐方，也经常作为担保方，对所推荐项目进行本息保障。不过，只有被地方政府授予融资性担保资格的小贷公司才能进行担保。
　　从担保机构与平台的关系来看，可以分为第三方担保模式、关联机构担保模式。第三方担保模式是指担保机构与P2P平台没有关联关系，纯属商业合作。比如，有利网的担保机构多是项目的推荐方，但与有利网不存在股权上关系。关联担保模式是指担保机构与P2P平台属于关联企业，往往是在同一集团之下的两个公司。比如，陆金所的担保机构――平安融资担保，都是平安集团下的公司；合拍在线的中科智和中兰德担保都属于同一集团。
　　从担保机构的主被动关系来看，可以分为主动担保和被动担保两类。主动担保是指担保机构作为项目的推荐方而主动做出的相应担保。被动担保是指借款人应P2P平台要求而邀请担保机构作保的模式。从实践来看，多数平台采用主动担保的方式，P2P平台依赖担保机构提供项目，因而也可以被看成为担保机构的融资通道。不过，蚂蚁金服招财宝的担保模式可能更多是被动担保，因为一般由债权提供方寻找担保公司承保，且招财宝只承认国内五大融资性担保公司担保。
　　担保机构的作用
　　一是担保机构P2P行业的风险屏障。我国融资性担保机构的发展历史较长，在借贷上积累了很多经验。其参与P2P网贷，将借贷经验和风控能力运用在P2P借贷上，有力地弥补了P2P平台风控能力的不足。在P2P网贷链条中，担保机构作为第一道风控的把关者，承担了借贷风险，既是对投资的保障，也是对P2P平台的保障。
　　二是担保机构是P2P平台的重要的项目来源，提供了优质债权人。对于P2P平台来说，一边要获取出借人，一边要找到借款人，还要承担风控责任，人力物力成本以及经验限制，都使其扩张缓慢。担保机构承担项目推荐人的角色，解决了平台的借款端压力，从而能够专心扩大出借人规模。以有利网为例，不到两年时间累积撮合融资规模超过60亿元，就是得益于担保模式的成功。
　　担保机构对P2P平台的不利影响
　　一是不利于P2P的风控能力形成。P2P平台必须形成自己的核心风控能力才能有更好的发展，但是采用担保模式的平台因为有了担保公司的担保而放松对风控的重视。二是采用担保模式的平台，如果过度依赖担保公司作为项目来源的话，无法形成由自己掌控的稳定的借款项目来源，最终将沦为担保机构的融资通道，并失去议价能力。三是担保机构抬高融资成本。担保机构不可能为P2P平台免费服务，担保过程将收取高额的担保费用，最终承担方肯定是借款人，而平台也会减少收益。
　　去担保化之争
　　正是由于担保机构自身存在的风险，以及与P2P平台结合后可能产生新的问题，业内和监管部门对P2P行业去担保化的呼声甚高。去担保化的理由如下：
　　一是担保只是P2P的一种宣传手段，有些平台甚至存在虚假担保行为。有些平台的合同中并没有出现担保方，即使有担保方也可能是捏造的，投资者无法辨别担保的真假。二是担保模式不可持续。由于P2P平台的上线时间较短，风险还未充分暴露。据相关资料，美国Lending Club的三年的损失率，基本上在10%左右，如果是看5年的风险率，会在5%到10%之间。如果我国P2P行业的真实风险也是这个水平的话，那么仅有10倍杠杆的、操作规范的担保机构是很难满足P2P行业的要求的。三是担保模式让投资者失去风险警惕，投资行为非理性化。四是社会降低融资成本的要求。P2P本来是要免除中介，形成个人对个人的借贷，担保公司成为新的中介，还抬高了融资成本。
　　从现阶段来看，担保模式并未出现严重的问题或者阻碍了P2P的健康发展，讨论去担保化必须客观公正，不管是担保还是去担保化都应该让P2P参与者与风险更好地匹配。
　　多种保障模式或并存
　　从P2P行业的发展历史来看，在较为完善的征信体系下，P2P借贷的魅力就在于出借人与借款人在P2P平台上的直接交易，任何增加交易成本的第三方机构的加入应该都是多余的。同时，按照国际主流P2P平台的模式，在信用系统健全的情形下，借贷关系的建立也不需要任何资产的支撑。
　　P2P平台采用何种担保模式与其业务定位相关，也和其比较优势有关。对于专注小微借贷的平台来说，其线下相对发达，能够对借款人进行充分的调查，其总体风险损失率较为确定，因此担保就没有用武之地。对于专做大额借款的平台来说，尽管有独立的风控体系，但单笔借款的违约影响太大，引入合格的担保机构进行风险对冲将是十分必要。
　　鉴于此，P2P平台去担保化不宜搞“一刀切”的模式，不宜强制要求去担保化。去担保化将是一个渐进的过程，否则可能导致投资者流失，在刚性兑付的惯性下，没有了担保的平台其经营风险会上升。
　　P2P行业才刚刚起步，无论其规模还是影响力都比较弱小，监管要允许其在不损害投资者利益的情况下试验各种模式，要允许多种多种保障模式并存，这样P2P才能在缓解中小企业“融资难、融资贵”问题上发挥更加积极的作用。
　　(徐建军系中证金牛金融研究中心副总经理)
　　李博：“噪音”不可怕，千万别静音
　　大家谈到了互联网金融包括很多，如支付、众筹、网贷，还有其他相应的变化，而变化伴随着不确定性。我更多是从互联网金融的其他形式来谈谈我的看法。
　　互联网金融是否具有颠覆性？
　　“互联网金融”这个词自2013年开始变得比较时髦。感觉互联网公司如果“不占金”，金融企业如果“不触网”，就不与时俱进，就不“高大上”。有一个相似的概念――电子银行，这个概念其实在2000年左右就已是一个讨论比较激烈或者争议较大的领域。但是2001年之后，该领域突然在国际学术界和监管部门热情戛然而止。
　　如果说“电子金融”也像互联网金融一样，有颠覆性创新理论，那么这一“鼠标换砖头”的伪命题随着美国商业银行分支网点的不降反升而遭到批判，美国银行的网点1990年大概有4万多，1996年6万多，而在全球金融危机爆发的2008年美国金融网点为8万个，这是一个增加的过程。所以现在我们高呼“互联网金融颠覆传统金融”，这样的预言是否应验，我觉得是需要商榷的。
　　互联网金融需要阳光化
　　不管是以前的电子金融，还是现在谈到的互联网金融，我希望它能最终落到实处，而不仅仅只是一个宣传口径、一个时髦的概念。它应该是我们利用互联网技术真正做到了对金融效率的提升、服务的便捷以及成本的集约。我觉得现在互联网金融企业引入互联网信息技是消除金融里面的信息不对称，是解决逆向选择问题，而不能把云计算和大数据作为一个黑盒子。现在成立的P2P网络信贷公司就已经超过了2000家，号称利用互联网技术、云计算、大数据的比比皆是。这就是一个问题，哪些是真真实实的，哪些是“挂羊头卖狗肉”。市场和监管最终要会把这个行业阳光化，互联网金融也只有阳光化才能发展壮大。
　　关于互联网金融模式的类型及其风险点
　　互联网金融大致可以分为三类：电子商务企业过渡到金融业务、互联网平台从事金融活动以及网上金融超市。第一种最为典型的是阿里从电子商务过渡到电子支付，从资金沉淀衍生出金融产品(货币基金余额宝)，从而形成更为复杂的金融业务――小贷、征信、网上银行等，最近又和lending Club签署了合作协议。第二类模式以P2P网络信贷和众筹最为典型，如人人贷、天使汇等。第三类是所谓的互联网企业开设网站销售金融产品和服务。从以上三种模式来看，最后一种风险最小，但模式最为脆弱。因为首先金融产品不是自己的，其次它直接面对消费者。第二类模式问题在于如何利用互联网技术来规避金融的道德风险和逆向选择问题，同时还存在交易中介监督融资方的搭便车问题。而对于第一类模式，更多的是因势而变，是需求直接推动企业形成跨界，具有金融机构演变的基础条件，因此他们面临的问题更多是转型过程中的金融管制和监管的力度偏大。
　　众筹的发展前途
　　当前的众筹领域体量不大，但前途还是光明的。今年中央经济工作会议提到了“营造有利于创业、市场主体创新的政策环境和制度环境??”，股权众筹应该是应景之地。那么就目前形势来看，众筹还需要解决一些关键问题。首先是众筹的定位问题，到底是还是公募，如何界定？后续该如何监管？等等。
　　众筹其实属于股权众筹，如果众筹的回报是产品或者服务的话，那么它的风险比较小，同时这种模式是从公益角度考虑的。因为股权众筹已经有比较成形的一些企业和实体，但是目前的体量不大，前途会有很强的发展，特别是2015年，天使投资进入创业已经风声水起。另外2014年年底美国也出台Jobs法案，这对于我们监管政策有很强的指导和影响力，虽然具体细节没有出来，但是这也是监管当局比较关心的问题，毕竟对于众筹化也是党的十二五规划里提到过的，希望在中国的层面上尽量去扩大多方面的融资层次，特别是直接融资渠道，所以众筹发展在我们现在倡导下会有很强的发展潜力。
　　如果众筹得到这样一种发展的话，那么将来众筹肯定也会如雨后春笋一样，但最终会被几个大的众筹平台所垄断，而一旦被几个大的众筹平台垄断的话,他们有可能就成为四板、五板市场，那么这就涉及到一个问题，其与现在的证券公司该如何相处？监管和准入也肯定会和现在不一样。所以这些对于从业者和监管者而言都是一个不得不去面对问题。
　　关于互联网金融的未来展望
　　对于互联网金融未来的发展，基于国家包容的态度，我觉得互联网金融是大势所趋，它的出现带来了一种倒逼机制，倒逼传统银行的业务下沉，服务领域下沉。同时不管是从政府角度或者从监管角度来看，金融最后是为实体经济服务，是提供资源匹配的，如果金融满足不了实体经济的需要，或者说互联网金融的应用进入不到实体，那是对我们当前金融建设或者说政策制定是一个极大的讽刺。
　　而说到展望，可能有人说互联网金融是草根金融，其实银行在产生之时也是“草根”：银行最早来源于语“bench”，就是号称“坐在板凳上”的行当，现在确实经济的核心。所以不管未来如何发展？互联网金融既然已经上路了，我希望它能够走得更阳光化，走得更健康。我想到了有段话是这样评价华尔街的：我们说华尔街伟大，是因为华尔街，它在经营风险，通过资本增加、现代化生产以及抵押、担保、保险、证券化、债券化等各种手段，分散风险，同时能够为风险定价，从效能的反面发现价格。虽然互联网金融目前还存在着些许问题，有了“噪音”，但是“噪音”不可怕，因为我们已经听到了他们的声音，在路上，互联网金融的伟大终将离我们不远。
　　(李博系中国人民银行研究局市场处副研究员)
　　华 猛：全面拥抱新金融时代的到来
　　新金融的概念，是随着人们金融活动方式的变化及金融要素组织方式而随之变化的。其中，金融业分工和专业被大大淡化，逐步被互联网进相关技术所替代，企业普遍都可以通过网络进行各种金融交易。在这点上，我认为这个大时代是刚处在起点上的，大概需要30年的时间才可初见雏形。我们用“全面”这个词，新金融时代形成本身将会带来金融体系的巨大变革，同时也将会与社会形成全满深刻的交互影响，这要求我们以完全的心态对待新事物。
　　我来演绎一下新金融的六大支柱：
　　第一大支柱是新技术应用。从金融行业来看最重要的是解决信息不对称。信息的数字化，为大数据在金融中的应用创造了条件。计算能力不断提升，云计算、量子计算、生物计算将会突破集成电路的物理边界；网络通信的发展，互联网、移动网络、电话网络、广播电视网络、高速WIFI；新金融的信息处理与传统金融中介和市场的最大区别，核心在于大数据补充甚至替代传统风险管理和风险定价。
　　第二个支柱是账户以及支付体系。个人金融账户将不再属于传统的金融机构，一段时间内账户提供主体将会呈现多元化态势。未来的账户将是一个综合类账户，能够集成个人所有业务和所有资产负债，这个账户将成为个人金融活动，乃至日常生活的出发点和归属点。支付与账户紧密相连，商业银行、第三方支付、移动支付以及创新支付方式将使个人账户与中央银行的交互清算方式发生变化。
　　第三个支柱是基于大数据的新型风险管理体系，即分别围绕人、企业、产品建立风险评估体系。这三种类型概括了未来新金融的管理体系。这个风险管理体系应该是和传统金融机构有很大不同。传统的机构更大的是行业经验、金融专家金融，现在有各种各样的数据来源可以推测、预测，这也是一些比较成熟的做法。
　　第四个支柱则是投融资新规划。投融资新规则的核心思路是充分披露信息，进而形成层次丰富的差异的风险定价，分散投资，组合投资。
　　第五个支柱是风险补偿机制，即将投资者的风险敞口通过制度创新进行补偿。
　　第六个支柱是监管体系。淡化审慎监管、强化金融消费保护，这样才有可能把一个新兴的金融体系孵化出来。
　　(华猛系钱来网董事长)
（责任编辑：HN025）
03/11 11:4203/11 05:3903/11 05:3003/11 01:0803/10 16:4903/10 11:3603/10 09:4103/10 09:37
互联网金融精品推荐
每日要闻推荐
社区精华推荐
精彩专题图鉴
　　【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。