杭州2017年10月16日電 /美通社/ -- 隨著互聯網金融監管政策的整改的推進，網貸行業在不斷深化改革中，也轉入了下半場。“合規”逐漸成為P2P網貸的發展主題，大標整改、監管備案、上線銀行存管、規范運營細節，各平臺都在積極調整自身業務，貫徹網貸新政。但同時行業內也不斷暴露出種種投資風險以及監管不足、信用缺失、逾期等問題。合規是決定P2P平臺能否生存的通行證，而安全風控則是保障用戶利益的根本防線。作為互聯網金融行業領先的信息服務平臺，央金所在不斷擁抱監管，合規運營的同時，加強金融風險管控，為投資用戶打造一個安全穩健的金融平臺。
個人征信體系缺失 個人貸風控手段亟待完善
眾所周知，P2P平臺在借貸過程中需要借款人的信用數據作為風險評估支撐，尤其是個人貸領域。然而國內個人征信體系不夠健全，大數據風控模型尚未完善，大部分金融公司的模型尚未完善，不夠精準。眾多P2P平臺只能利用線上和線下結合的傳統方式進行風險評估，成本高昂且效率低下。更有部分平臺直接與第三方征信公司合作，只參考借款人在其他網貸平臺數據，致使逾期率及壞賬率居高不下。
P2P平臺的便捷普惠及收益讓很多人心向往之，但其風險也讓很多投資人頭疼不已。P2P平臺只有在風險管理方面嚴格要求自己，切實對投資用戶負責，打造先進完備的風控體系，保障投資用戶的收益安全，才能贏得投資用戶的信任。而央金所一直以來緊跟政策步伐，洞察市場大勢，利用大數據，建立完善的風控系統，使平臺更全面地了解借款人的信用狀況，從源頭杜絕金融風險隱患。
構建神經網絡模型 央金所強力管控金融風險
央金所作為互聯網金融信息服務平臺，始終把安全作為平臺發展的基礎，通過采取完善的管理控制措施和技術手段保障系統安全穩健運行，將風險隱患排除在外，避免給用戶造成資金損失。尤其在個金貸領域，央金所不斷汲取國內外互聯網金融的先進風控經驗，構建神經網絡模型，強力管控金融風險，保障最廣大投資者的利益。
央金所個金貸的風控核心方法在于，通過研究分析不同個人特征數據（即大數據分析）相對應的違約率，根據建模數據樣本用四種BP、ELMAN、mlp、rbf神經網絡模型分別進行建模，測試樣本后選出精確度較高的模型。再用建模數據樣本進行WOE方法邏輯回歸建模，并用測試數據進行精準度測試。最后是，將神經網絡模型與邏輯回歸聯合運用，計算違約概率。
在BP神經建模過程中，央金所根據客戶分類及變量模塊開發信用評分模型。央金所風控團隊憑借十多年銀行信貸風控經驗，從家庭因素、個人模塊、從業年限、利潤情況、總資產、總負債、還款能力金額等方面，篩選出最顯著變量模塊。通過對用戶的基本信息、行為特征、資產狀況等關鍵信息的深度挖掘與分析，清晰地判別每一項資產的風險所在。
對于P2P網貸企業來說，風險控制是平臺運營體系構建的核心內容。只有風控體系健全的平臺才能成為行業的領跑者。今后，無論是供應鏈金融還是個人貸，央金所將持續加強風控能力，用互聯網技術強力管控金融風險，在資金端和資產端的對接上實現風險最小化，利益較大化。
