论文部分内容阅读
我国金融市场发展较发达国家落后，风控能力差，加之互联网金融浪潮迅速掀起，本就不稳的根基更需正确的保护方法。本文认为，我国需要适应我国当前金融形势的风险防控模型：外部利用数字新技术完善补充，内部加强内控这个薄弱环节。外部各因素、内部各因素、以及内外部之间因素的关系有待用统计计量的方法深入研究。
普惠金融 征信体系 数字技术
风控模型 内部控制
如今到星巴克买一杯咖啡，你会发现收银台上有一则广告：扫描二维码下载星巴克APP，可直接支付。类似的现象随处可见，无论什么行业都要和互联网金融扯上关系，一夜之间它渗透到人们生活的方方面面，一个新概念应运而生——普惠金融。随着网络技术的普及，互联网金融在我国大规模爆发，普惠金融成为大势所趋。毫无疑问，这给金融领域带来了诸多机遇。与此同时，对于金融业发展并不健全的我国市场，监管者应更多关注它给市场带来的风险和挑战。
风险防控始终都是金融的核心。新巴塞尔协议指出金融市场的风险分为信用风险、市场风险和操作风险。从外部和内部两个维度分析风险：1、外部控制，即对市场潜在的风险的分析解读，和对服务对象的风险防控；2、内部控制，即对自身产品、服务，内部管理运作流程的潜在风险的控制。要防止风险扩大酿成灾祸，首先应识别风险。要判断哪些是潜在的外部风险，最基本的就是了解被评估对象的全面信息。要控制内部风险的升高，则应加强内部控制，注重内控合规流程建设和实施。对于一个金融机构而言，风险的外部控制和内部控制应摆在同等重要的地位。
外部风控的有力补充——数字技术
传统金融模式在我国大部分偏远地区发展困难，当前新兴的互联网金融模式在这些地区迅速扩张，是我国的特点。现阶段我国的征信体系不断完善，但不能忽视现有征信报告的不充分性。其覆盖面相对较小，且不便于小型金融机构获取。新兴的互联网金融企业在金融业不发达地区难寻外部风险防控的依据，征信体系中的空白部分，形成了信用风险的巨大隐患。这就造成了这些企业面对的外部风险远远超出大型国有银行，成为普惠金融形势下高风险的载体。基于这样的国情，有效利用大量数据，从数据中挖掘需要的信息，用这些信息解读个体信用水平，评估风险，是外部风险防控的有效方法，是对我国征信体系的有力补充。这样的计算机信息处理技术能够提高现有的风险计量模型的准确率，扩大其适用范围，增加一般适用型。也就是说，金融机构外部风险控制应以传统的统计计量工具为基础、有效融合数字技术。
金融市场的风险中，信用风险是关键。金融机构致力于研发信用风险计量模型，从上市公司的财务报告中可以计算出一系列反应企业风险状况的比率，进而用这些比率做变量计算其违约的概率。以商业银行为例，客户分散、特点各异，影响其产生信用违约的因素繁多、分布没有规律、且很难和“违约”呈线性关系，因此在我国，传统金融业常用的信用风险评估模型是Logistic回归模型。Logistic回归模型：
（j=0，1，2….k=1，2，…）
其图像呈S型分布，如：
KMV模型是将期权定价理论应用于贷款和债券估值而开发出的信用监控模型，它要求可用数据样本足够多，且客户未来资产变化呈正态分布，通过对上市公司股价波动的分析，来预测股权公开交易公司发生违约的可能性。需要计算资产市场价值（Market Value）的标准差、违约距离（Distance to Default）、期望违约频率（Expected Default Frequency）、恢复率（Recovery Rate）、违约后损失率（Loss Given Default）、期望损失额（Expected Loss）以及风险暴露额（Risk Exposure）。计算过程较复杂，前提条件局限性强。
Z-Score模型通过设置反应一个资产不同指标的变量，计算出Z值，得出该资产是处在破产区、灰色区还是安全区。这种模型无法多组合资产的风险进行评估，且不同行业的计算公式也不尽相同。Z-Score变量：
短期偿债能力：X1 =（流动资产— 流动负债） / 总资产
经营能力：X2 = 留存收益 / 总资产
资产利用率：X3 =（利润总额+财务费用） / 总资产
财务结构：X4 =（股票市值 * 股票总数） / 总负债
增加销售额的能力：X5 = 销售额 / 总资产
世界范围内应用比较广泛的是美国J.P.Morgan公司的Credit Metrics模型：度量一种或一组信贷资产的在险价值（VaR）。首先要通过大量可靠的评级数据计算一种或一组信贷从一个级别转移到另一个级别的概率——转移矩阵；然后将信贷贴现，计算出其当前市场价值；再计算信用转移后资产组合价值的变化是如何分布的；最后得出一定置信度下的VaR。该模型一经研发在全世界范围内被广泛应用，但是在我国的应用存在一定的局限性：像穆迪这样成规模的第三方信用评级机构在我国是缺乏的。目前我国市场信息还并不透明，做不到真正意义上的信息披露，金融机构很难得到权威数据作为计量依据。
除此之外，还有较为主观的专家分析法，瑞士信贷银行提出的用精算方法将度量风险的精确度的Credit Risk+模型，统计不同等级债券边际死亡率和累计死亡率的死亡率模型等等。这些模型各有优缺点和适用范围，金融机构根据自己的实际情况选择较适合自己的风险计量工具来量化风险、分散风险，同时受各种各样局限性的制约。
而在新兴的互联网金融行业中，用来控制风险的工具，为了弥补传统金融行业的空白迅速兴起。新型金融模式的风控模型改进空间巨大，因为以互联网银行为例，其投放信贷的收益较传统银行高，风险也更高：贷款净损失率、损失覆盖率和贷款拨倍率均高于传统银行，这就对其承受风险的能力提出了更高的要求。在以大数定理为依据的风险计量管理工具基础上，如果融合先进的数字技术，则能使风险计量更加准确。通过对人们受教育程度、生活习惯、工作环境、过往行为举止等信息的观察收集，可以一定程度上分析出人的守信度。例如一位驾龄很高的驾驶员，没有过违章记录，那么这位驾驶员“不违约”的几率一定程度上高于“违约”的几率。所有有关被评估对象的分散的信息，都可能透露着其信用水平，因为这些信息是被评估对象本身发出的最真实的数据，某些时候甚至比其在专业信用评估过程中的刻意表现，可信程度更高。由此可见，大数据也是识别风险的重要入口。 假设通过已有模型的计算，我们得出被评估对象的违约率是5%；然后将通过数字技术获得的信息汇总分类，有可能使违约率升高的信息（负面信息）为一组，其余信息一组；从定量的角度，计算负面信息占信息总量的比重；从定性的角度，找出负面信息中性质最恶劣的信息，按已有的不利因素等级进行评级，方法借鉴传统的信用评级方法；不同等级的负面信息按不同权重使原有违约概率增加等等。还可以研究计算是否存在这样一个系数，可以关联个体的财务比率和生活习惯行为方式？换句话说，这中间是否存在某种关系？从这个例子中可以看出，如果能够将已有计量工具整合，加之大数据的有力补充，个体的违约率将会越来越精确，即对金融机构造成风险的概率会越来越低。
这种复合模型需要统计大量样本，长期观察，精确计算，从基本的一元多元线性回归模型开始，逐渐增加因变量、增加因变量分布种类、增加被研究信贷个数、由简到繁。此外，海量的互联网数据如果经过挖掘和整合，实现信息披露、数据共享，使企业更新服务模式、挖掘市场机会，会实现巨大的商业价值，也是风险控制模型的必要数据源。数据的存储、数据库中各实体间的关联设计、高效率的信息获取等都是数字技术的要点，目前数据挖掘技术还并不成熟，实现信息高效共享并不容易。基于这种现状，衡量信用风险的过程中，应仍然以央行的征信报告为主，运用数字技术的大数据信息为辅，二者相辅相成共同在风险量化中发挥作用。
金融市场中的各行业都有自己的特点，因此风险防控模型必须分行业探索。由于“人”这个变量必不可少，且存在内生性，任何外生变量的变动都有可能引起这个变量的变动，因此不可能存在一套风控模型适用所有情况，行业内风控模型应多元化。
当然，监管单位可以利用职能优势率先将更多数据收集、整合、挖掘，效仿西方的风险计量模型，将传统的信用评级方法进行改进优化，指导行业风控工作，把握行业方向。监管单位也可以用量化的方法衡量自身的工作成果。例如2015年12月28日我国央行颁布了《非银行支付机构网络支付业务管理办法》（以下简称《办法》）。我们可以尝试统计《办法》颁布前，互联网支付企业内部员工违规操作的概率，由此导致的行业损失，“一人一户”规定颁布前虚假账户存在的比例，由此导致的违法行为的金额等数据，建立多元线性回归模型，通过偏相关分析（在控制其他变量的线性影响的条件下分析两变量间的线性相关性，控制变量个数为1时，偏相关系数称为一阶偏相关系数，控制变量个数为2时，偏相关系数称为二阶相关系数，控制变量个数为0时，偏相关系数称为相关系数）进行计量估计：央行《办法》的颁布，对互联网支付行业的规范中，哪些条款与降低损失金额相关系数更大，找出应从哪些维度加大管制力度，另一些则要做出相应调整。这种量化的方法可以为监管单位紧跟实时变幻的市场机制，制定灵活有效的行业政策，提供客观依据，再利用大数据将有过违法行为的机构信息汇总，挖掘出共同点，反观计量模型或政策制定是否存在漏洞，将其优化升级。这样能更好的执行行业监管职能，帮助行业内金融机构防范风险，保护金融企业和整个行业健康有序运行。
现阶段，金融的电子化其实是金融的信息化，所以监管单位实现各金融领域以征信体系为基础、高效运用大数据的风险防控模型，才是真正的将本国金融“电子化”。
内部控制应得到重视和普及
金融领域内，银行业的内部控制流程在全球范围内日趋完善。著名的美国COSO委员会（The Committee of Sponsoring Organizations of the Treadway Commission）提出内部控制框架包括控制环境（Control environment）、风险评估（Risk Assessment）、控制活动（Control activities）、信息与交流（Information and communication）和监测（Monitoring）五大要素，并在此基础上不断扩充完善。相关监管机构、行业组织也随之完善有关的法律法规及行业制度。《巴塞尔协议》（以下简称《协议》）提出了“资本充足率”的概念，以保证银行承担风险的能力：
资本充足率=（核心资产+附属资产）/加权风险资产
《协议》要求商业银行核心资本充足率应大于8%。我国央行2002年4月颁布了《商业银行内部控制指引》，对内部控制做了详细阐述并提出了要求。2011年银监会公布了资本充足率、杠杆率、流动性及贷款损失准备为四大监管工具，要求正常条件下系统重要性银行的资本充足率不得低于11.5%，非系统重要性银行不得低于10.5%。一系列规范和指标使银行业风险控制得到了一定程度的保障。
相比之下，其他金融机构的内部控制机制就相形见绌。有关的规章制度远不及对银行业内控的要求完善。在相当一部分企业中，内控合规也没有得到足够的重视。这就导致金融机构内部风险增高的可能性。以互联网的第三方支付行业为例，在资金结算层面，其履行了和银行一样的支付职能，资金安全不容小觑，因此支付企业应有和银行一样严格的内控机制，并有专人监管。
我国央行近期颁布了诸多“办法”、“指引”，但是关于内部风险控制流程的要求较少，如支付机构员工应进行培训达以到相关标准，企业应有内审机制、定期修改内审流程并同年度监管报告一同提交报告等等。金融市场中的各行业要根据自身特点，有相应的内控机制，监管单位要做的是根据不同行业要求制定不同的内控标准和监管流程。美国国会早在2002年7月就通过萨班斯-奥克斯利法案（Sarbanes-Oxley Act of 2002），明确要求赴美上市公司必须建立有效内部控制体系，管理层对其有效性作出声明，并要求外部审计师对公司内部控制有效性作出鉴证。另一方面，金融机构要认识到执行监管组织的监管流程是内控的必要过程：1、根据自身提供的服务和产品、服务的对象、管理流程、以及各监管机制的综合要求，分析出风险领域；2、提供出合适的风险分析方法和报告机制，包括使用科技软件、不断更新培训内容和内部制度及流程、以及记录报告落实这些重大变更的过程。最终，监管单位按照规定对整个流程中发现的问题做出相应处理。
综上所述，基于我国现状，一个较完善的风险防控体系中，新兴数字技术应快速应用到风险计量模型中，监管单位为行业信息披露、数据共享提供帮助；同时金融机构应重视自身内部控制水平，提高员工风险意识，内外风险同时把控。
互联网金融的迅速兴起并未对美国形成大的冲击，因为其金融市场机制较我国完善，根基牢固。中国金融市场发展本不健全，发展水平较发达国家滞后，因此每一次冲击都是一次考验，都有可能成为动摇根本的导火索，影响整个国民经济运行。在这次波澜中，还有很多亟待解决的事项：P2P信贷如何保护消费者权益？众筹平台涉及哪些法律问题？……互联网金融的兴起警示我们完善金融体制迫在眉睫，第一步是建立健全适合我国国情的风险防控体系。这是一个巨大的工程，需要一行三会共同努力，分工明确，分散治理，开发新技术，才能从容迎接普惠金融。
参考文献
【1】廖理、张伟强、王正位、赵岑等.互联网银行.北京.清华大学出版社.2015年.148-156.
【2】中国人民银行. www.pbc.gov.cn
普惠金融 征信体系 数字技术
风控模型 内部控制
如今到星巴克买一杯咖啡，你会发现收银台上有一则广告：扫描二维码下载星巴克APP，可直接支付。类似的现象随处可见，无论什么行业都要和互联网金融扯上关系，一夜之间它渗透到人们生活的方方面面，一个新概念应运而生——普惠金融。随着网络技术的普及，互联网金融在我国大规模爆发，普惠金融成为大势所趋。毫无疑问，这给金融领域带来了诸多机遇。与此同时，对于金融业发展并不健全的我国市场，监管者应更多关注它给市场带来的风险和挑战。
风险防控始终都是金融的核心。新巴塞尔协议指出金融市场的风险分为信用风险、市场风险和操作风险。从外部和内部两个维度分析风险：1、外部控制，即对市场潜在的风险的分析解读，和对服务对象的风险防控；2、内部控制，即对自身产品、服务，内部管理运作流程的潜在风险的控制。要防止风险扩大酿成灾祸，首先应识别风险。要判断哪些是潜在的外部风险，最基本的就是了解被评估对象的全面信息。要控制内部风险的升高，则应加强内部控制，注重内控合规流程建设和实施。对于一个金融机构而言，风险的外部控制和内部控制应摆在同等重要的地位。
外部风控的有力补充——数字技术
传统金融模式在我国大部分偏远地区发展困难，当前新兴的互联网金融模式在这些地区迅速扩张，是我国的特点。现阶段我国的征信体系不断完善，但不能忽视现有征信报告的不充分性。其覆盖面相对较小，且不便于小型金融机构获取。新兴的互联网金融企业在金融业不发达地区难寻外部风险防控的依据，征信体系中的空白部分，形成了信用风险的巨大隐患。这就造成了这些企业面对的外部风险远远超出大型国有银行，成为普惠金融形势下高风险的载体。基于这样的国情，有效利用大量数据，从数据中挖掘需要的信息，用这些信息解读个体信用水平，评估风险，是外部风险防控的有效方法，是对我国征信体系的有力补充。这样的计算机信息处理技术能够提高现有的风险计量模型的准确率，扩大其适用范围，增加一般适用型。也就是说，金融机构外部风险控制应以传统的统计计量工具为基础、有效融合数字技术。
金融市场的风险中，信用风险是关键。金融机构致力于研发信用风险计量模型，从上市公司的财务报告中可以计算出一系列反应企业风险状况的比率，进而用这些比率做变量计算其违约的概率。以商业银行为例，客户分散、特点各异，影响其产生信用违约的因素繁多、分布没有规律、且很难和“违约”呈线性关系，因此在我国，传统金融业常用的信用风险评估模型是Logistic回归模型。Logistic回归模型：
（j=0，1，2….k=1，2，…）
其图像呈S型分布，如：
KMV模型是将期权定价理论应用于贷款和债券估值而开发出的信用监控模型，它要求可用数据样本足够多，且客户未来资产变化呈正态分布，通过对上市公司股价波动的分析，来预测股权公开交易公司发生违约的可能性。需要计算资产市场价值（Market Value）的标准差、违约距离（Distance to Default）、期望违约频率（Expected Default Frequency）、恢复率（Recovery Rate）、违约后损失率（Loss Given Default）、期望损失额（Expected Loss）以及风险暴露额（Risk Exposure）。计算过程较复杂，前提条件局限性强。
Z-Score模型通过设置反应一个资产不同指标的变量，计算出Z值，得出该资产是处在破产区、灰色区还是安全区。这种模型无法多组合资产的风险进行评估，且不同行业的计算公式也不尽相同。Z-Score变量：
短期偿债能力：X1 =（流动资产— 流动负债） / 总资产
经营能力：X2 = 留存收益 / 总资产
资产利用率：X3 =（利润总额+财务费用） / 总资产
财务结构：X4 =（股票市值 * 股票总数） / 总负债
增加销售额的能力：X5 = 销售额 / 总资产
世界范围内应用比较广泛的是美国J.P.Morgan公司的Credit Metrics模型：度量一种或一组信贷资产的在险价值（VaR）。首先要通过大量可靠的评级数据计算一种或一组信贷从一个级别转移到另一个级别的概率——转移矩阵；然后将信贷贴现，计算出其当前市场价值；再计算信用转移后资产组合价值的变化是如何分布的；最后得出一定置信度下的VaR。该模型一经研发在全世界范围内被广泛应用，但是在我国的应用存在一定的局限性：像穆迪这样成规模的第三方信用评级机构在我国是缺乏的。目前我国市场信息还并不透明，做不到真正意义上的信息披露，金融机构很难得到权威数据作为计量依据。
除此之外，还有较为主观的专家分析法，瑞士信贷银行提出的用精算方法将度量风险的精确度的Credit Risk+模型，统计不同等级债券边际死亡率和累计死亡率的死亡率模型等等。这些模型各有优缺点和适用范围，金融机构根据自己的实际情况选择较适合自己的风险计量工具来量化风险、分散风险，同时受各种各样局限性的制约。
而在新兴的互联网金融行业中，用来控制风险的工具，为了弥补传统金融行业的空白迅速兴起。新型金融模式的风控模型改进空间巨大，因为以互联网银行为例，其投放信贷的收益较传统银行高，风险也更高：贷款净损失率、损失覆盖率和贷款拨倍率均高于传统银行，这就对其承受风险的能力提出了更高的要求。在以大数定理为依据的风险计量管理工具基础上，如果融合先进的数字技术，则能使风险计量更加准确。通过对人们受教育程度、生活习惯、工作环境、过往行为举止等信息的观察收集，可以一定程度上分析出人的守信度。例如一位驾龄很高的驾驶员，没有过违章记录，那么这位驾驶员“不违约”的几率一定程度上高于“违约”的几率。所有有关被评估对象的分散的信息，都可能透露着其信用水平，因为这些信息是被评估对象本身发出的最真实的数据，某些时候甚至比其在专业信用评估过程中的刻意表现，可信程度更高。由此可见，大数据也是识别风险的重要入口。 假设通过已有模型的计算，我们得出被评估对象的违约率是5%；然后将通过数字技术获得的信息汇总分类，有可能使违约率升高的信息（负面信息）为一组，其余信息一组；从定量的角度，计算负面信息占信息总量的比重；从定性的角度，找出负面信息中性质最恶劣的信息，按已有的不利因素等级进行评级，方法借鉴传统的信用评级方法；不同等级的负面信息按不同权重使原有违约概率增加等等。还可以研究计算是否存在这样一个系数，可以关联个体的财务比率和生活习惯行为方式？换句话说，这中间是否存在某种关系？从这个例子中可以看出，如果能够将已有计量工具整合，加之大数据的有力补充，个体的违约率将会越来越精确，即对金融机构造成风险的概率会越来越低。
这种复合模型需要统计大量样本，长期观察，精确计算，从基本的一元多元线性回归模型开始，逐渐增加因变量、增加因变量分布种类、增加被研究信贷个数、由简到繁。此外，海量的互联网数据如果经过挖掘和整合，实现信息披露、数据共享，使企业更新服务模式、挖掘市场机会，会实现巨大的商业价值，也是风险控制模型的必要数据源。数据的存储、数据库中各实体间的关联设计、高效率的信息获取等都是数字技术的要点，目前数据挖掘技术还并不成熟，实现信息高效共享并不容易。基于这种现状，衡量信用风险的过程中，应仍然以央行的征信报告为主，运用数字技术的大数据信息为辅，二者相辅相成共同在风险量化中发挥作用。
金融市场中的各行业都有自己的特点，因此风险防控模型必须分行业探索。由于“人”这个变量必不可少，且存在内生性，任何外生变量的变动都有可能引起这个变量的变动，因此不可能存在一套风控模型适用所有情况，行业内风控模型应多元化。
当然，监管单位可以利用职能优势率先将更多数据收集、整合、挖掘，效仿西方的风险计量模型，将传统的信用评级方法进行改进优化，指导行业风控工作，把握行业方向。监管单位也可以用量化的方法衡量自身的工作成果。例如2015年12月28日我国央行颁布了《非银行支付机构网络支付业务管理办法》（以下简称《办法》）。我们可以尝试统计《办法》颁布前，互联网支付企业内部员工违规操作的概率，由此导致的行业损失，“一人一户”规定颁布前虚假账户存在的比例，由此导致的违法行为的金额等数据，建立多元线性回归模型，通过偏相关分析（在控制其他变量的线性影响的条件下分析两变量间的线性相关性，控制变量个数为1时，偏相关系数称为一阶偏相关系数，控制变量个数为2时，偏相关系数称为二阶相关系数，控制变量个数为0时，偏相关系数称为相关系数）进行计量估计：央行《办法》的颁布，对互联网支付行业的规范中，哪些条款与降低损失金额相关系数更大，找出应从哪些维度加大管制力度，另一些则要做出相应调整。这种量化的方法可以为监管单位紧跟实时变幻的市场机制，制定灵活有效的行业政策，提供客观依据，再利用大数据将有过违法行为的机构信息汇总，挖掘出共同点，反观计量模型或政策制定是否存在漏洞，将其优化升级。这样能更好的执行行业监管职能，帮助行业内金融机构防范风险，保护金融企业和整个行业健康有序运行。
现阶段，金融的电子化其实是金融的信息化，所以监管单位实现各金融领域以征信体系为基础、高效运用大数据的风险防控模型，才是真正的将本国金融“电子化”。
内部控制应得到重视和普及
金融领域内，银行业的内部控制流程在全球范围内日趋完善。著名的美国COSO委员会（The Committee of Sponsoring Organizations of the Treadway Commission）提出内部控制框架包括控制环境（Control environment）、风险评估（Risk Assessment）、控制活动（Control activities）、信息与交流（Information and communication）和监测（Monitoring）五大要素，并在此基础上不断扩充完善。相关监管机构、行业组织也随之完善有关的法律法规及行业制度。《巴塞尔协议》（以下简称《协议》）提出了“资本充足率”的概念，以保证银行承担风险的能力：
资本充足率=（核心资产+附属资产）/加权风险资产
《协议》要求商业银行核心资本充足率应大于8%。我国央行2002年4月颁布了《商业银行内部控制指引》，对内部控制做了详细阐述并提出了要求。2011年银监会公布了资本充足率、杠杆率、流动性及贷款损失准备为四大监管工具，要求正常条件下系统重要性银行的资本充足率不得低于11.5%，非系统重要性银行不得低于10.5%。一系列规范和指标使银行业风险控制得到了一定程度的保障。
相比之下，其他金融机构的内部控制机制就相形见绌。有关的规章制度远不及对银行业内控的要求完善。在相当一部分企业中，内控合规也没有得到足够的重视。这就导致金融机构内部风险增高的可能性。以互联网的第三方支付行业为例，在资金结算层面，其履行了和银行一样的支付职能，资金安全不容小觑，因此支付企业应有和银行一样严格的内控机制，并有专人监管。
我国央行近期颁布了诸多“办法”、“指引”，但是关于内部风险控制流程的要求较少，如支付机构员工应进行培训达以到相关标准，企业应有内审机制、定期修改内审流程并同年度监管报告一同提交报告等等。金融市场中的各行业要根据自身特点，有相应的内控机制，监管单位要做的是根据不同行业要求制定不同的内控标准和监管流程。美国国会早在2002年7月就通过萨班斯-奥克斯利法案（Sarbanes-Oxley Act of 2002），明确要求赴美上市公司必须建立有效内部控制体系，管理层对其有效性作出声明，并要求外部审计师对公司内部控制有效性作出鉴证。另一方面，金融机构要认识到执行监管组织的监管流程是内控的必要过程：1、根据自身提供的服务和产品、服务的对象、管理流程、以及各监管机制的综合要求，分析出风险领域；2、提供出合适的风险分析方法和报告机制，包括使用科技软件、不断更新培训内容和内部制度及流程、以及记录报告落实这些重大变更的过程。最终，监管单位按照规定对整个流程中发现的问题做出相应处理。
综上所述，基于我国现状，一个较完善的风险防控体系中，新兴数字技术应快速应用到风险计量模型中，监管单位为行业信息披露、数据共享提供帮助；同时金融机构应重视自身内部控制水平，提高员工风险意识，内外风险同时把控。
互联网金融的迅速兴起并未对美国形成大的冲击，因为其金融市场机制较我国完善，根基牢固。中国金融市场发展本不健全，发展水平较发达国家滞后，因此每一次冲击都是一次考验，都有可能成为动摇根本的导火索，影响整个国民经济运行。在这次波澜中，还有很多亟待解决的事项：P2P信贷如何保护消费者权益？众筹平台涉及哪些法律问题？……互联网金融的兴起警示我们完善金融体制迫在眉睫，第一步是建立健全适合我国国情的风险防控体系。这是一个巨大的工程，需要一行三会共同努力，分工明确，分散治理，开发新技术，才能从容迎接普惠金融。
参考文献
【1】廖理、张伟强、王正位、赵岑等.互联网银行.北京.清华大学出版社.2015年.148-156.
【2】中国人民银行. www.pbc.gov.cn