登录 注册 | 服务热线:400 886 1266 | ENGLISH | 
 
|
新闻

【数据驱动政府】利用大数据防范非法集资风险的实践和思考

来源:中国工商管理研究  发布时间:2015-11-5 9:56:10  点击数:5250

一、背景及挑战

近年来,以互联网金融为代表的新兴金融业快速崛起,对推动金融创新和全面深化改革发挥了重要作用。但由于行业制度缺失,经营不规范,非法集资风险高发,给人民群众造成巨大的财产损失,加大了社会风险,严重破坏了经济秩序。2014年,北京市非法集资案件共170件,集资款327.3亿,集资人数27.3万人;新发非法集资案89件,同比增长了2.56倍;集资人2.1万人,同比增长了5.65倍;涉案金额172.6亿元,同比增长56.9倍。

国内有涉非风险的已达到十多个领域,如网络借贷、众筹、股权投资、保险代理、担保、投资咨询、电子商务、涉农互助组织等等。其中以P2P、私募股权投资、投资咨询形式从事非法集资较为普遍。随着互联网的普及,非法集资违法呈现作案手段智能化、网络化、隐蔽性、突发性强等特点,对传统的监管手段在应对非法集资案件时面临诸多挑战。

(一)涉非群体面广,传统监管方式所需人力物力巨大

      目前北京市涉及投资业务,可能涉非的企业群体超过17万户,全面进行拉网式排查,将对基层工商所执法人力物力投入产生巨大压力。同时,商事制度改革要求正确处理放开与管好的关系,进一步简政放权、转变职能,做到不代替、不干预本应由市场机制调节、社会自我管理、企业自主经营的事务,如果监管介入过早,会引发投资人及企业对执法部门的不满;介入过晚,投资者利益很难得到保障。

(二)信息发布虚拟化,难以及时监控

随着互联网的普及,非法集资企业开展经营多通过网络渠道发布理财产品、投资项目等信息,以高额回报为诱饵,诱骗群众向指定的个人账户汇入资金。如通过建立网站、博客以及QQUC等聊天工具招收会员,推荐投资项目及相关产品;通过广播、电视等媒体发布广告从事非法投资咨询。工商部门传统执法多以群众投诉、举报作为获取线索的主要渠道,难以覆盖网络、传媒等信息发布渠道,并及时采集监管措施。

(三)经营活动隐蔽性强,违法行为认定难

非法集资活动很多情况是由合法逐渐转为非法。涉案初期,业务人员多在合法掩护下开展业务,经营活动隐蔽性极强。如部分涉案人为银行、保险机构工作人员,利用职务、场所便利获得消费者信任,向消费者推荐投资、理财产品,并承诺高额回报,进行非法集资活动。在资金风险爆发前,投资人不会投诉举报,工商执法人员难以获得有效案件线索,对违法行为进行认定。

二、利用大数据打击非法集资行为的探索

工商部门是市场监管的重要力量,但传统的监管手段在应对非法集资案件时面临诸多挑战。为维护首都市场秩序平稳运行,北京工商积极利用大数据技术, 探索打非创新手段,对非法集资企业进行监控和预警。

如何尽早发现非法集资风险,做到提前监测和预警,实现事前事中监管,对保障投资者的权益至关重要。为维护首都金融秩序稳定,北京市工商局与龙信数据合作,构建企业非法集资风险预测模型,对企业风险进行综合预测判断,并对高风险企业进行实时预警提示。概括来说,对非法集资高风险企业的判别主要分为风险特征规则建立、相关企业内外部数据采集整合、风险特征分析识别和风险综合评估四个步骤。

(一)建立非法集资行为风险特征规则

非法集资行为风险特征的建立一方面整理了非法集资相关的政府文件及文献,对提及的风险特征进行了整理归纳。如《最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释》(法释〔201018号)中认定,非法集资指违反国家金融管理法律规定,向社会公众(包括单位和个人)吸收资金的行为,其犯罪要件包括:未经有关部门依法批准或者借用合法经营的形式吸收资金;通过媒体、推介会、传单、手机短信等途径向社会公开宣传;承诺在一定期限内以货币、实物、股权等方式还本付息或者给付回报;向社会公众即社会不特定对象吸收资金。另外一方面根据北京市金融局提供的查处非法集资行为企业进行了数据分析,发现这些违法企业的行为特征,如这些企业普遍存在虚假宣传、虚增注册资本、大量招聘与经营范围不符合的理财产品推销人员等行为等。综合这两方面的工作构建了一套非法集资行为风险特征规则。

(二)利用大数据整合目标企业全景信息

基于多源渠道,整合包括工商登记基本信息、投诉举报信息、资质荣誉(经营许可、资质认证、体系认证、产品认证、荣获奖项)、交易信息(纳税信息、中标信息、进出口信息、扶持基金、上市公司)、知识产权(专利信息、商标信息、网站信息、软件著作权、作品著作权)、部门处罚(法院诉讼、失信人、部门执法)、网络舆情信息等,构建完整企业全景画像,将企业信息360度全方位展现出来。同时借助知识图谱技术,基于确定的企业关联维度,如投资关系、人事关系、担保关系、集团关系、技术关系等,对已整合的企业数据进行关系数据映射、数据清洗和文本数据挖掘等过程。在所有数据的基础上进行实体与概念识别、实体合并、同义关系抽取、上下位关系学习、关联关系学习,把多源的异构数据转换成为知识图谱的形式,更精准识别企业的非法集资行为。

(三)挖掘企业风险特征规则

风险特征规则的挖掘有两种方式,一种是利用已知信息的关联比对学习,另一种是基于大量数据的异常点探测。前者通过对已知非法集资企业和正常企业进行比对,寻找非法集资企业不同于正常企业的风险特征点;后者则在大量数据的基础上,发现显著不同于其他企业的异常信息点。

(四)构建企业风险综合评估模型

通过企业信息收集、抽取、挖掘,同时利用机器学习等技术手段,从企业群体风险、法规遵从、经营行为、族群关系、负面舆情五个角度,构建企业的多维风险评估模型,对企业进行综合风险评价。

群体风险:企业身份信息能够体现企业对自身经营的定位,一定程度反映企业的经营倾向性。基于企业基本信息,如从事行业类型,经营范围涉及领域,特许经营活动等分析,挖掘该企业是否从事非法集资的潜在可能,根据这些特征及时锁定潜在监管对象,进行重点监管。

法规遵从:企业违法行为记录是企业在经营过程中违法相关法律法规的查处记录,是企业非诚信经营的表现之一。基于企业涉诉、涉案、欠税等法规相关数据的研究,挖掘企业从事非法行为的思维一贯性特点,筛选重点非法集资高危企业对象。

经营行为:基于企业日常经营行为的数据研究,发现涉及非法集资企业的异常经营行为风险点,如大量招聘与合法业务明显不匹配的人员,发布与法律法规相悖的宣传广告等,从企业经营的点点滴滴中挖掘违法的蛛丝马迹。

族群关系:基于企业族群复杂网络的研究可以帮助包括工商局在内的市场监管部门快速定位企业图谱中的核心节点(即企业集团的关键企业和关键自然人),同时也有助于及时发现隐藏的高危族群。

负面舆情:互联网海量信息承载了大量社会公众、新闻媒体对企业的监督结果信息,基于企业网络信息的采集监控,及时发现涉嫌非法集资的负面信息,提前发现涉嫌非法集资的高危企业,并做出预警提示。

以北京XX股权投资管理有限公司为例,该企业行业属于投资与资产管理,业务以股权投资为主,该特征群体被监管部门确定为非法集资高危群体。从经营行为看,该企业频繁变更法人、投资人、高管、注册资本等登记事项,其中注册资本在2年多时间内从10万元多次增资至5000万元,存在经营行为异常的潜在风险;在监管部门投诉记录中,被多次投诉异地经营和涉嫌虚增注册资本;对外发布投资产品年化收益率高达36%,涉嫌承诺超高收益对投资人进行利诱,属于非法集资高风险特征之一。该企业的关联企业涉及科技、商贸、能源、健康、投资等多个产业,均为一个自然人股东群体交叉持股设立,且在宣传资料中多次被提及,涉嫌夸大企业规模、实力,蒙蔽投资人,属于非法集资高风险特征之一。从互联网舆情监测看,已有新闻媒体报道该企业资金运转困难,停止对投资人支付利息和返还本金。通过企业风险综合评估模型发现,该企业风险综合评分较高,属于非法集资高风险企业,相关部门应介入监管。

依托非法集资企业风险评估模型,从17万投资类企业中筛查出2000家高危企业,缩小工商部门抽查范围,对涉嫌非法集资的企业精准定位,不仅大大节约了工商部门的人力物力,也提高了打击非法集资的工作效率和执行的针对性。

三、对利用大数据创新监管方式的几点思考

北京市工商局在利用大数据打击非法集资工作中,有以下几点感受:

(一)利用大数据创新监管方式是可行和有效的

国务院多次发文要求监管部门改革市场监管体系,创新监管方式。北京工商局运用大数据技术对非法集资高危企业进行监管,创新和改革传统监管方式,有效提高市场监管效率,对及时发现、打击非法集资企业起到的关键作用,证明利用大数据创新监管方式是可行和有效的,为今后其他监管领域应用大数据技术起到示范作用,是一次非常有益的监管方式创新与探索。

(二)推动部门间协管共治,共建监管新模式

工商部门通过与金融局等相关部门的数据共享和联合执法,精准查处非法集资行为,使其他准备或是正在进行非法集资的企业起到警示、震慑作用,一部分企业经历抽查后,开始大范围变更企业登记信息。应依托大数据技术的非法集资整治专项行动有效的促进市场自我管理、自我规范和自我净化,有利于形成企业自治、行业自律、社会监督、政府监管社会共治的市场监管新格局。

(三)积极引入外脑,提升工商部门的监管服务能力

在新技术、新手段快速发展的今天,应积极引入外脑来提升工商部门的服务监管能力。外脑们掌握着现代科学方法和先进技术,可以更加快速准确的解决工商部门监管过程中面临的难题。通过引入专业数据分析公司龙信数据在数据来源、数据内涵、建模思路等方面均与传统监管方式有较大不同,其获取的主要信息是主体在各个方面的行为数据,包括日常活动在政府部门留下的监管痕迹,在互联网留下的公开数据脚印等,能够客观、准确反映企业日常经营、管理特点等信息,所构建的风险模型更精确、科学。

 
分享到:
查看更多行业成功案例及解决方案