（要闻）AI芯片公司地平线融资6亿美元

本篇文章2144字，读完约5分钟

p2p在线借贷平台自诞生以来，就一直备受质疑。随着三次延期申报和劣质问题平台风险的集中爆发，业界不禁要问，p2p平台的发展之路在何方。

随着互联网金融专项整治工作的深入有序开展，一方面，少数平台选择良性退出，另一方面，大部分平台积极配合监管要求，正在加快整改。

从制度的角度来看，你如何看待行业的集中“雷霆爆炸”？如何确保平台安全？这个行业的未来发展在哪里？针对这些问题，人人网创始人之一杨毅夫接受了英国《金融时报》记者的独家采访。

英国《金融时报》记者:你如何看待最近的行业冲击？

杨毅夫:最近，很多平台相继遭遇赎回问题，相当一部分平台所有者纷纷出走，给行业声誉带来了很坏的影响，也影响了投资者的信心。然而，我们需要看到的是，目前运行的这些平台大多是自筹资金平台或纯欺诈平台，大量资金流入平台所有者控制的其他公司。当平台因经济低迷或股市波动等外部因素导致资金短缺时，将无法及时偿还贷款，甚至选择带钱运营，给投资者造成损失。

自筹资金平台的一个明显特点是没有严格规范的银行存管，导致平台可以自由筹集资金，实现自筹资金。从另一个角度来看，我们也可以看到，大部分“迅雷”平台都从事大规模的机构贷款业务，这就需要成本较低的资金、较大的资产规模和丰富的资产类别来对冲不同时点的风险，这就是银行的业务。网上贷款的互联网属性及其与传统金融机构的差异化定位，决定了p2p网上贷款平台不适合这类业务，风险难以把握，也导致一些大价值业务平台转向自我整合或变相自我整合。同时，仍有少数问题平台不具备资产自给能力，严重依赖外部团队，导致基础资产风险不明，也给平台的可持续运行带来巨大挑战。

不过，我们相信，经过这轮冲击后，该行业将迎来更好的发展。

英国《金融时报》记者:由于行业风险事件频发，p2p正遭受社会争议，行业走向成为行业内令人担忧的问题。作为一名从业者，你如何看待网上贷款行业的未来发展？

杨毅夫:在监管下，网上贷款行业正在逐步走向理性化。未来，行业竞争将变得更加有序，同时，在更严格的监管制度下，可以做的事情将透明地进行。在这种情况下，网上贷款平台必须找到自己的商业模式，并设置行业壁垒。最重要的一点是确定自己的地位，不仅是在商业环境中，而且是在中国的整体金融和社会框架中。我们应该是传统金融机构的补充，而不是直接竞争对手。我们提供的服务必须在客户基础和需求方面有所区别，这是传统金融机构难以做到的。这就是网上贷款的优势、使命和价值。

普惠金融已成为p2p行业的“窗口”。目前，国家鼓励金融服务支持实体经济，同时防范金融风险。如果网上借贷的交易模式按照规则运作，专业地服务于小微需求，它实际上可以成为传统金融机构的补充力量，服务于具有正社会外部性的包容性金融需求。

然而，将包容性金融服务付诸实践并不容易。客户特征、政策准入、风险控制能力、业务模式等。所有这些都需要深入研究。

英国《金融时报》记者:事实上，早些时候，央行等五部委联合发布了《关于进一步深化小微企业金融服务的意见》，敦促和引导金融机构加大对小微企业的金融支持。p2p在支持小微企业方面有什么优势？

杨毅夫:一方面，它是一个客户群体。根据我们对借款集团的长期观察，小微企业主的营运资金需求是普遍的。根据监管要求，网上贷款可覆盖的贷款上限为个人单个平台20万元，企业单个平台100万元，符合小微企业经营贷款的一般资金需求。中国约有7300万小微企业，但它们能够充分享受的金融资源非常有限。传统金融机构难以满足20万元以下的小微融资需求，这正是中国实体经济增长的“毛细血管”。网上贷款可以有效地达到这一人群和这一微观配额的需求，并帮助他们更有效地获得闲置的社会资本。

另一方面，它是数据技术。随着移动互联网的迅速普及和数据的快速积累，通过大规模的业务发展和互联网的发展速度，网上贷款等金融技术企业积累了大量差异化的用户数据。通过对大数据的分析，应用人工智能和机器学习技术，以个人信用为切入点和出发点，可以快速判断个人融资需求的可信度和有效性，为识别用户欺诈风险和信用风险提供了一种不同于传统金融机构风险管理方法的新解决方案。

英国《金融时报》记者:根据监管要求，开展合规运营和加强风险防范已成为当前p2p平台的重点。大数据和其他技术也被广泛用于风险管理。如何有效识别和评估风险？

杨毅夫:从商业角度来看，不同额度、不同利率、不同期限的贷款实际上是有很大区别的。对于限额在20万元以下的授信，风险控制以数据为中心。

然而，信贷有其特殊性，这主要表现在风险的时间滞后和空.之间的风险溢出时滞是指信贷资产的风险逐渐积累并持续暴露，完全暴露的时间短至几个月，长至几年。空的溢出效应意味着社会上所有的经济和金融业务都是广泛关联的，金融风险会在相关行业或机构之间传递甚至放大。

无论在理论上还是在实践中，简单的“数据驱动”方法都很难通过用户在应用时的数据来预测用户在一段时间后的风险表现。应结合客户群特征、产品特征和大数据技术，深入探索用户数据与信用资质之间的因果关系，使信用资产在相对较长时间后的风险表现能够满足当时的预测。

数据驱动并非毫无价值。应该说，未来的价值会越来越大，但人类长期积累的“可解释”经验仍然是数据驱动的不可或缺的矫正要素。