风控与数权，大数据时代的监管原则
在互联网时代下，大数据交易产业中数据产权问题急需重视。数据产权是一种人格权和财产权的交集，金融数据除了具有数据的共性外，还具有敏感性、安全性和隐私性。明确金融数据所有权和使用权，是共享的基础。金融领域的数据共享应该以严格的风险管理和授权许可为基础，同时需建立完善的审计跟踪记录，并接受法规和风险管理原则的约束。基于此，光之树科技发布了报告《大数据风权与数权交易体系》，中国人民大学金融科技研究所（微信ID：ruc_fintech）对此报告进行了整理。
作者丨余婉婉（建投中信金融资产管理有限公司）
来源丨光之树科技
一、数据产权与数据共享
进入互联网时代，由于摩尔定律（处理器的性能每隔18个月就会翻番）的作用，产生了海量的数据。大数据指不用随机分析法（抽样调查），而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
产权是经济所有制关系的法律表现形式。它包括财产的所有权、占有权、支配权、使用权、收益权和处置权。产权具有资本的基本属性，包含财产所有权、占有权、支配权、经营权、收益权及处置权，可以给所有者带来收入或利润。
数据产权是一种人格权和财产权的交集，它区别于物权等产权的本质是共享。金融数据除了具有数据的共性外，还具有敏感性、安全性和隐私性。明确金融数据所有权和使用权，是共享的基础。银行一直以保护和监管客户数据为己任。因此金融领域的数据共享应该以严格的风险管理和授权许可为基础，同时需建立完善的审计跟踪记录，并接受法规和风险管理原则的约束。
二、大数据风控：规模化潜力与应用场景
1. 规模化潜力
改革开放以来，中国银行业经历了商业化、专业化和市场化的转型浪潮。一方面，人民银行逐渐裂变成各类专业银行，商业银行逐步完成了股改上市，银行业迎来了繁荣的发展期。从2003-2013年，中国银行业资产规模增长了4.5倍，利润增长了54倍；不良贷款率从17.9%降至1.80%，加权平均资本充足率从-2.98%提升至12.19%，资产质量和资本充足率均显著改善。另一方面，自2013年以来，随着实体经济的下行趋势和金融供给侧改革的持续推进，银行业的不良周期开启；截至2018年底，商业银行不良贷款余额高达2万亿元，不良资产率达1.89%，为近十年来新高。实体经济的结构性矛盾和金融监管的趋严导向，助推中资银行的业务模式和经营策略发生变化，银行业从依托存贷息差和规模导向的发展模式，转向强调技术驱动、风险管理和合规经营的内涵式增长之路。
大数据技术在风险控制领域的应用非常广泛。大数据风控在金融领域的应用，根据风险类型的不同会有所差异，如申请欺诈风险、交易欺诈风险、支付欺诈风险、信用风险、合规风险、市场风险、套现风险和洗钱风险等。反欺诈风险管理主要是通过身份核验、黑名单排查来解决数据真实性和还款意愿问题，信用风险管理则是对客户还款能力和还款意愿的一种判断。
图1 近十年来我国商业银行资产规模增长趋势一览
用户身份验证与信用评分是银行最常见的业务环节之一。无论是存款前的权益定级，还是借款前或反洗钱合规的风险评估，都需要确认用户的身份真实，以及通过消费、收入、学历、犯罪记录等相关数据确定信用额度与偿付风险。由于用户数据缺失、不实，银行难以迅速完成用户身份验证与信用评分，从而导致业务效率低下，更导致大量潜在用户无法享受贷款服务。
2、应用场景
在反欺诈风险管理方面，银行应基于客户的360度精准画像进行反欺诈实时监控。首先，银行应采取线上结合线下的方式对客户的身份进行交叉检验。其次，反欺诈平台应充分利用数据挖掘、机器学习等技术，从消费历史数据库的欺诈消费记录中，提取出具备相同特征的欺诈模式，对下一次新的消费行为进行预测和分析。每当发现新的欺诈行为后，系统会立即进行匹配检测，判断欺诈类型是交易欺诈、支付欺诈亦或是其他类型的欺诈，若与系统原有欺诈模式不同，则将此全新的欺诈行为记录到反欺诈模型中。
在信用风险管理方面，银行应重点考察客户的还款能力和还款意愿。银行应利用logistic回归修正模型来预测借款者的还款能力，对客户的资产、负债、未来收入和成本的现金流等特征进行量化价值评估，对客户还款意愿强弱的考察主要是基于客户的事件信息和相似客户行为来进行分析。
三、构建有中国特色的数权交易体系
随着信息技术的快速发展和传统产业数字化的转型，特别是产业互联网时代数字资产化的趋势到来，数据量呈现几何级增长，2025年将达到163ZB，但各方数据互不联通，孤岛效应成为数据应用难题。数据共享手段可以从数据源装载到数据集成，再到细分场景应用来打通互不信任的数据孤岛，从而解决因数据量高速增长而导致的孤岛效应。多方安全计算、区块链技术等数据共享手段对于数据可用不可见、使用权与所有权分离的实现具有重大意义。
与此同时，从宏观制度设计上，需要构建稳定、合规、有效的数据生态源，通过数据协作协议实现多方数据源参与、高安全性的协同计算应用，让更多用户获得更低成本、更高质量的金融与生活服务。因此，大数据在银行业的规模化应用和推广，亟需构建一个健全而完善的数权交易制度体系。
1. 我国产权交易体系的特点
党的十六届三中全会通过的《中共中央关于完善社会主义市场经济体制若干问题的决定》中提出：产权是所有制核心和主要内容，包括物权、债权、股权和知识产权等各类财产权。产权交易是指，当产权所有者将该产权的所有权与经营权，以及与之相关的收益权及其他权利与他人进行交易时。这也是以专业市场来承担产权交易、资产转让、知识产权交易为主要工作内容的法制起步阶段。
我国的产权体系设计具有独特性——所有权、使用权、处分权、收益权等效能，并没有进行有效的界定和激励，也就只是使用权的部分让渡，在所有权上并没有完成“有恒产者有恒心”的现代产权制度设计。即使是后期的国有企业改革、《物权法》等法律体系的相继出台，依然没有完全解决所有权问题。这是在公有制为主体条件下建立市场经济机制，在产权界定不明晰的基础上鼓励产权市场化交易的开拓性改革实践。
我国的产权交易从企业国有产权转让开始的，与西方国家的企业并购有着很大的区别：一是产权交易地点必须是法律规定的机构场所，且应公开进行；二是必须遵照我国法律法规履行内部决策、行为批准、信息公告、净价交易等规范程序；三是必须保护职工合法权益和保障国有资产保值增值；四是必须公开征集投资人并保护投资人合法权益；五是必须接受国资监督部门和社会的监督。
2.构建具有中国特色的数权交易体系
大数据交易产业链包括大数据确权、大数据资产评估、大数据撮合、大数据融资、大数据指数等。数据确权是大数据交易产业链的首要核心环节。
图2 目前的非政府数据确权主体
目前数据产权界定中存在的问题，主要在于企业、政府间数据权属（财产权）界定不清引发数据滥用，企业对数据中个人信息权属（人格权）的界定不清引发信任危机、多方安全技术等数据共享技术的行业标准与监管标准仍不成熟难以规模化、商业化应用等。
2017年12月8日，中共中央政治局就实施国家大数据战略进行第二次集体学习再次强调：“要制定数据资源确权、开放、流通、交易相关制度，完善数据产权保护制度。”这一表述体现了“清楚的产权界定是市场交易的前提”的科斯洞见，数据高效流通和活跃交易的症结在于缺乏清晰的数据确权。
在数权立法上，美国和欧洲开展了很多有益的实践探索。总体来说，美国法更注重个人信息利用，以提升数据产业的优势地位；欧洲法更注重个人信息保护。但在数据的开发、共享中，它们都很重视对个人信息权利的保护。我国民法典应妥善平衡个人信息的经济效用和个人信息权利，不能因过度保护个人信息等权利而限制了数据产业发展，也不能为发展数据产业而不考虑个人信息等权利的保护。
综上所述，基于数据资产化的市场交易趋势，应该承认数据的财产属性，明确相关主体的数据所有权、责任和义务，明确企业和政府数据采集应用的范围和方式；完善我国个人信息（人格权）授权制度，做到保护与发展并重；在用户个人数据基础上分析挖掘形成大数据应用，支持科技企业对部分数据自主使用、共享、开放和交易，同时要求企业采取措施防止脱敏后的数据追溯到用户或者被复原；加强多方安全计算、区块链技术等数据共享技术在大数据确权中的试点、创新和应用，鼓励大数据交易所参与数据的交易运营，形成科技创新引领产业发展的示范效应。
……
获取完整报告
请后台回复“大数据风控”
获取下载链接
END
编辑/罗妤
责编/张谦 齐庆武
【延伸阅读】
关于我们
中国人民大学金融科技研究所（以下简称 “研究所”），英文名“FinTech Institute of Renmin University of China”，简称“RUC FinTech Institute” ，是专注于金融科技理论、应用与政策的新型智库和研究机构，也是人民大学金融科技学科“双一流”建设的延伸科研平台。研究所充分利用中国人民大学在金融、经济、管理、统计、法律以及计算机科学等方面的跨学科优势，打破学科壁垒，加强交叉融合，不断推进金融科技的前沿研究。研究所坚持理论联系实际，注重应用成果转化，不断加强学界、业界和政策部门的良性互动，重点打造一个“产学研政”四位一体的多元化平台，为推动金融科技行业健康可持续发展提供决策参考。
加入群聊
为了增进与粉丝们的互动，研究所建立了金融科技微信交流群，欢迎大家进群参与。
入群方法：后台回复“加群”，加小助手为微信好友,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。
中国人民大学金融科技研究所
扫码关注我们
Research portal for all FinTech trends and policies.