冒烟指数：大数据监测互联网金融风险

doi:10.11959/j.issn.2096-0271.2018042

大数据 ›› 2018, Vol. 4 ›› Issue (4): 76-84.doi: 10.11959/j.issn.2096-0271.2018042

冒烟指数：大数据监测互联网金融风险

李崇纲,许会泉

北京金信网银金融信息服务有限公司，北京 100101

出版日期:2018-07-15 发布日期:2018-08-08
作者简介:李崇纲（1978－），男，北京金信网银金融信息服务有限公司总经理，中国计算机学会大数据专家委员会委员，中国互联网金融协会信用建设专业委员会委员，北京互联网金融行业协会合规专业委员，中国首席数据官联盟专家组成员，中关村大数据产业联盟专家组成员。目前主持开发大数据防控金融风险与智能决策支持系统，长期致力于推进大数据金融监管科技，主要研究方向为监管科技、人工智能、大数据、云计算。|许会泉（1978－），男，北京金信网银金融信息服务有限公司副总经理、研发总监，具有多年一线开发经验及团队管理经验，研发设计全国第一款大数据监测预警金融风险产品，建设、搭建监管科技产品生态体系，应用于全国各省市金融监管机构。主要研究方向为监管科技、人工智能、大数据、云计算。

Smoke index:big data technologies monitor Internet financial risks

Chonggang LI,Huiquan XU

Beijing Jinxinwangyin Financial Information Service Company,Beijing 100101,China

Online:2018-07-15 Published:2018-08-08

摘要/Abstract

摘要：

提出以冒烟指数为核心技术的大数据监测预警系统。基于大数据金融监管的理念和方法，利用大数据、云计算、人工智能等技术实时监测整合互联网金融多元异构风险信息，并构建以“人、资金、业务”为主线的风险评测指标。该平台可提升并优化互联网金融风险日常监管的手段和效率，为监管机构的决策提供事实依据和数据参考。

关键词: 大数据技术, 多元异构信息, 冒烟指数, 互联网金融, 风险监测

Abstract:

Based on the big data concept and techniques in the financial regulation,smoke index was taken as the core technology to the Internet financial risk monitoring system,and the real-time monitoring and integration of multi-heterogeneous risk information were carried out and a set of “people”,“capital” and “business” risk assessment indexes by using technologies such as big data,cloud computing and artificial intelligence were built.The means and efficiency of routine supervision of Internet financial risks were enhanced and optimized,and factual basis and data reference for the regulatory agencies’ decision-making was provided.

Key words: big data technology, multivariate heterogeneous information, smoke index, Internet finance, risk monitoring

中图分类号:

李崇纲, 许会泉. 冒烟指数：大数据监测互联网金融风险[J]. 大数据, 2018, 4(4): 76-84.

Chonggang LI, Huiquan XU. Smoke index:big data technologies monitor Internet financial risks[J]. Big Data Research, 2018, 4(4): 76-84.

图/表 3

图1

表1

图2

参考文献 16

[1]	陈志武, 黄益平, 巴曙松 . 中国金融改革,未来会怎样[M]. 杭州: 浙江大学出版社, 2017.
	CHEN Z W , HUANG Y P , BA S S . The future of financial reform[M]. Hangzhou: Zhejiang University PressPress, 2017.
[2]	YANG H , YI D H , XIAO H W . Study on large Internet financial risk early warning based on data analysis[J]. Modern Management Science, 2014(4): 3-5.
[3]	MARKL V . Breaking the chains:on declarative data analysis and data independence in the big data era[J]. Proceedings of the VLDB Endowment, 2014,7(13): 1730-1733.
[4]	KSHETRI N . Big data's role in expanding access to financial services in China[J]. International Journal of Information Management, 2016(36): 297-308.
[5]	“企业风险防范预警管理有关问题研究”课题组.基于大数据的企业风险防范预警路径探究[J]. 中国市场监管研究, 2017(7): 63-66.
	Enterprise Risk Prevention Early Warning Management Related Issues Research Group. Based on big data enterprise risk prevention warning path[J]. China Market Regulatory Research, 2017(7): 63-66.
[6]	杨扬, 周一懋, 周宗放 . 基于文本大数据的企业信用风险评估[J]. 大数据, 2017(6): 44-50.
	YANG Y , ZHOU Y M , ZHOU Z F . Credit risk evaluation with text big data from text[J]. Big Data Research, 2017(6): 44-50.
[7]	王达 . 宏观审慎监管的大数据方法：背景、原理及美国的实践[J]. 国际金融研究, 2015(4): 55-65.
	WANG D . Big data methods of macro prudential supervision:background,principle and American practice[J]. International Finance Research, 2015(4): 55-65.
[8]	杨东 . 互联网金融治理新思维[J]. 中国金融, 2016(23): 43-45.
	YANG D . New thinking on Internet financial governance[J]. China Finance, 2016(23): 43-45.
[9]	李涛, 曾春秋, 周武柏 ,等. 大数据时代的数据挖掘——从应用的角度看大数据挖掘[J]. 大数据, 2015(4): 1-24.
	LI T , ZENG C Q , ZHOU W B ,et al. Data mining in big data era-big data mining from an application perspective[J]. Big Data, 2015(4): 1-24.
[10]	施水才, 王丽 . 探索与发展:大数据驱动的互联网金融风险监测预警研究[J]. 当代金融家, 2017(6): 45-47.
	SHI S C , WANG L . Exploration and development:the big data driven risk monitoring and warning system for Internet finance[J]. Modern Bankers, 2017(6): 45-47.
[11]	尹海员, 王盼盼 . 我国互联网金融监管现状及体系构建[J]. 财经科学, 2015(9): 12-24.
	YIN H Y , WANG P P . The current supervisory situation and system formation of China’s Internet finance[J]. Finance ＆ Economics, 2015(9): 12-24.
[12]	霍学文 . 关于云金融的思考[J]. 经济学动态, 2013(6): 33-38.
	HUO X W . Reflections on cloud finance[J]. New Economics, 2013(6): 33-38.
[13]	杨东 . 互联网金融监管体系探析[J]. 互联网金融创新与监管, 2014(8): 45-46.
	YANG D . Internet financial supervision system[J]. Internet Finance Innovation and Regulation, 2014(8): 45-46.
[14]	刘新海 . 基于企业关联关系的信用风险分析新思路[J]. 征信, 2016(3): 16-20.
	LIU X H . A new idea of credit risk analysis based on enterprise relationship[J]. Credit Research, 2016(3): 16-20.
[15]	FCA.Call for input on supporting the development and adopters of RegTech[R]. 2016.
[16]	Deloitte.RegTech is the new FinTech How agile regulatory technology is helping firms better understand and manage their risks[R]. 2016.

冒烟指数分值	风险区划分	差异性处置策略	风险特征备注
80,100]	取缔类	移交线索	经营模式不合规、非法集资行为明显；存在大量负面新闻报道及网络投诉，易导致投资人群体性上访事件等，非法集资风险极高、不可控
60，80)	重点关注类	约谈整改	经营模式不合规，存在大量负面新闻报道及网络投诉行为；非法集资风险很高且有可能上升，处于高风险预警区
40，60)	重点监测类	规劝改正	非法集资风险较高，经营模式存在一定的不合规行为；媒体负面信息报道较少，网络投诉较多；风险较大但具有可控性
20，40)	可疑类	持续监控	存在非法集资的可能性，经营模式有某些不合规行为，但危害程度较小，存在一些网络投诉信息，但不涉及公司经营的根本问题
0，20)	正常类	—	没有明显非法行为，经营模式和宣传方式较为合规，收益率处于业内正常范围，网络投诉很少，鲜有负面新闻报道

冒烟指数：大数据监测互联网金融风险

Smoke index:big data technologies monitor Internet financial risks

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 16

相关文章 6

Metrics

推荐阅读 0

[1]	梅宏, 杜小勇, 金海, 程学旗, 柴云鹏, 石宣化, 靳小龙, 王亚沙, 刘驰. 大数据技术前瞻[J]. 大数据, 2023, 9(1): 1-20.
[2]	夏大文, 王林, 张乾, 魏嘉银, 冯夫健, 李华青. 大数据应用技术课程教学改革与实践[J]. 大数据, 2020, 6(4): 115-124.
[3]	李望月, 刘瑾, 陈娜. 大数据技术在乡村画像中的应用研究[J]. 大数据, 2020, 6(1): 99-118.
[4]	姜春宇,魏凯. 大数据平台的基础能力和性能测试[J]. 大数据, 2017, 3(4): 37-45.
[5]	李友元, 寇纲. 我国大数据征信的挑战及对策[J]. 大数据, 2017, 3(1): 27-34.
[6]	林春雨, 李崇纲, 许方圆, 许会泉, 石磊, 卢祥虎. 基于大数据技术的P2P网贷平台风险预警模型[J]. 大数据, 2015, 1(4): 18-28.