□ P2P在風險管理上要面臨缺乏央行征信、信貸數據有限，以及政策不確定性的挑戰
□ 目前已有包括積木盒子、拍拍貸、好貸網等在內的網貸平臺正式發布基于大數據的風控模型
一邊是監管政策落地預期的逐漸增強，一邊是行業競爭的壓力日益增大，在這樣的背景下，P2P網貸平臺是否擁有足夠的風險控制能力來應對？
網貸之家發布最新統計情況顯示，2015年3月共曝出56家問題平臺，環比上月降低28%。問題平臺發生率雖然下降到3.40%，但仍然遠超去年同期水平（0.84%）。這些問題平臺呈現地域性集中分布，多位于山東、廣東、北京、四川和浙江。
從運營時間上看，問題平臺的平均運營時間達到7.51個月，較上個月有所縮短，絕大多數都是1年以內的新平臺。銳忻投資、盛泰投資、安貸創投和歐億投資等新平臺上線不到一個月即跑路。
“在關注平臺詐騙、跑路同時，P2P網貸平臺運營風險也不容忽視。”網貸之家有關人士表示，3月多家平臺曝出壞賬消息或者合作機構出現問題，機構間風險傳遞問題也值得多加留意，與此同時也暴露出部分平臺薄弱的風險控制能力。
可以看出，傳統金融結構的風控模式對于P2P網貸平臺來說較難適用，目前已有多家P2P網貸平臺積極與征信機構合作，構建新的風控模式。業內人士認為，未來隨著行業監管的出臺和征信體系的日益完善，基于大數據下的P2P網貸平臺的風控能力或將有所提升，P2P網貸蓬勃發展仍然可待。
據《經濟日報》記者了解，目前已有包括積木盒子、拍拍貸、好貸網等在內的網貸平臺正式發布基于大數據的風控模型。“相較于傳統金融，互聯網金融P2P在風險管理上雖然要面臨缺乏央行征信、信貸數據有限，以及政策不確定性的挑戰，但互聯網更大的機遇在于數據、技術，和它們的可拓展性。”拍拍貸風險總監顧鳴表示，通過互聯網，我們可以接觸龐大的用戶群，能夠收集海量的碎片化數據。這樣的數據非常適合對P2P風險進行進一步分析。
以拍拍貸推出的魔鏡系統為例，該系統的核心是大數據，其中大數據模型是拍拍貸歷經8年、依托600萬在線用戶、積累近40億條數據而成。基于該模型，魔鏡可以做到針對每一筆借款給出一個相應的風險評級，以反映對逾期率的預測。最后系統再依據風險評級形成風險定價，來保證收益和風險相匹配。
“傳統的風控模式，無論是銀行還是中小信貸機構，都更多關注靜態的風險，是對風險的預判，而大數據更多關注的是動態的風險，是對動態風險的把握。”好貸網大數據事業部總經理吳昊表示，如好貸云風控平臺除了強調對事前風險的把握之外，還會對數據庫的風險因子變化提供即時的反饋，如果一個人在第一家信貸借款之后，頻繁向其他信貸機構申請貸款，我們會第一時間通知第一家機構，防止潛在風險發生。
京公網安備 11010502049343號