吴炯：大数据目前还不能被用来评估信用风险

　　“2016陆家嘴论坛”今日在上海举行，风和投资管理咨询有限公司董事长吴炯在参加“浦江夜话一：互联网金融创新与风险防范”主题讨论时表示，大数据目前还不能被用来评估信用风险。

风和投资董事长吴炯

以下为嘉宾对话实录：

　　主持人：中国传统的金融业针对大量的需求没有提供足够的金融产品服务，所以有了互联网金融这个能做大量事情的巨大空间。这也回到为什么国外没有互联网金融，因为国外的金融已经覆盖了大家的需求，但中国有巨大的空白。吴总，您怎么看待互联网金融的风险？

　　吴炯：我原来在美国雅虎，后来在阿里巴巴做了八年时间，最近两年也在挂号网。

　　因为我想做金融，离开阿里以后创建了自己的风投公司，从2001年到现在，我跟金融行业也沾上了边。我跟刚才几位嘉宾有些不同的意见。实际上在一年半以前，也有一个类似的，以金融互联网为主题的研讨会，当时我就提出一个观点，我说，互联网金融可能会出问题，大批的项目可能在不久的将来会出现问题。我没有想到一年半以后，已经有这么多的P2P公司跑路的跑路、倒闭的倒闭，我当时只是想不远的将来有一大批公司出问题。为什么这么说？我一直说互联网作为一个新的技术，互联网也好、移动互联网也好，拿手好戏是连接和匹配。我以前老东家阿里巴巴做的“买家找卖家、轻松做生意”，腾讯是做人和人的连接。我们做互联网金融，贷款和寻求贷款，互联网是不是可以做这个拿手好戏，做一个匹配，想要融资的，和有闲钱的都可以做这个匹配。

　　但是不要忘记，金融这个行业除了连接和匹配以外，还有第二件非常重要的事情，就是风险管控。连接的匹配，不能忙碌的做，要衡量、评估借贷者有没有还款能力。传统的金融机构怎么解决这个问题？有两个方法。第一个方法是很多人把钱放在一个“铺”里，比如说把钱存在银行，银行作为中介人，银行把钱借给实体企业，不是单独的个体直接借给需要借钱的企业，把钱放在一个大的“铺”里，一个资金池里再借给企业，这个资金池的方法起到风险分享和减少风险的作用。

　　第二个方法，更加简单一些，就是做征信的调查，找担保人，找抵押物，用房产抵押，用地抵押或者用机器设备抵押。这两件事情是所有金融企业做信贷、做投资都必须要做的事情。但是很多的互联网金融企业，一加上“互联网”这三个字，我用“忘乎所以”，认为我只要有一个网站，我要借多少钱，你把你的项目描述一下，那边有闲钱，你找到这个企业觉得可以贷款，因为利息最高，我就给你贷款。这样的情况就相当于一个新生儿，一条腿特别粗，这条腿连接和匹配做得非常好，但另外一条腿非常细，风险控制非常差。过去这么多年倒下的互联网企业，很多这样企业的创业者根本不是做金融出身，没有风险管控的概念，这就是造成大量的企业倒闭，很多企业老板卷了钱走人。

　　今天这个条件还远远不具备，什么时候条件具备了，用创新科技的方法，能够解决我讲的第二条腿的问题，就是风险管控。怎么样解决这个问题，也不是说一点路子都没有，很简单就是通过互联网大数据的技术，很大程度上解决这个问题。但是能不能完全代替传统意义上的抵押，比如说房产抵押，房产是不是被多次质押，用机器设备抵押，这个设备值不值钱，担保人有没有资格。

　　主持人：怎么看待大数据和后数据的区别，目前业界有很大的争论，比如说中国工商银行过去几年积累了大量的数据，这些数据不是大数据念，更多的是结构性的，而且只有几类数据，因此叫做后数据。大数据的概念是指一个人所有的社会相关数据。后数据会比较有限，但评估足够了，而大数据究竟能不能被用来评估信用风险，目前为止还没有结论。传统金融业认为不行，互联网金融业或者新兴金融业认为行，但没有足够的证据来证明。

　　吴炯：首先需要明确的是数据的质量而不是数据的数量。形形色色的大数据，有很多数据跟金融不相关，比如说个人的微信帐号，他有多少个朋友，发了多少个信息，这些数据分析不出金融机构到底该向这个人借多少钱。所以，所谓数据大小没有意义，你刚才说的结构和非结构也不是关键。以前分析数据，如果碰到非结构性的数据，碰到文字的叙述，必须人来读。过去这几年计算机在发展，尤其是随着人工智能的发展，最大的一个进步就是计算机在理解人类自然方面有长足的进步，即使是非结构性的数据，机器也可以很大程度上读懂数据的意义。所以，结构与非结构不是关键性，关键是数据和金融征信有多大的相关性。什么样的数据？比如说我们曾经投资过一家公司叫做房价网，全中国任意给出一个地址，这个地址、这个小区、这套房的市场价格是多少，而且这个小区过去在历史上被买卖转手了几次，交易价格在多少，可以给你这个房产数据。如果这个人住在这个房子里，这套房子值2500万，而且你知道他是房产的所有者。第二个例子，如果你用支付宝，或使用微信支付，这些互联网企业掌握了这个人过去几年里很多的支付数据，这样的数据和他的金融数据有极大的相关性，这才是高质量的数据。

　　主持人：截止目前所得的大数据和分析能力，是不是足以让大数据用来评估信用风险呢？

　　吴炯：我觉得现在还不行。