|
|
|
| Research on Construction of Internet Finance Comprehensive Risk Intelligence System: Perspectives from Financial Intelligence Studies |
| Ding Xiaowei |
| School of Information Management, Nanjing University, Nanjing 210023 |
|
|
|
|
Abstract This paper explores the theoretical construction of a comprehensive risk intelligence system for Internet finance from the perspective of financial intelligence studies and conducts a reflective case study on P2P online lending. The full text is divided into five parts. Part 1 proposes the theoretical basis and framework. Part 2 deduces the external risks of Internet finance enterprises from big data. In Part 3, the internal risks of Internet finance enterprises are analyzed using big data. Part 4 presents a comprehensive risk intelligence system for Internet finance enterprises at the micro level. Part 5 examines the comprehensive risk intelligence system at the meso and macro levels and then applies it to the fields of precise supervision, precise policy implementation, risk resolution, and prevention optimization. The findings contribute to improving financial innovation and regulation, risk control, and supervision theories and methods in the future.
|
|
Received: 06 June 2022
|
|
|
|
1 丁晓蔚. 数字金融时代的金融情报学: 学科状况、学科内涵和研究方向[J]. 情报学报, 2021, 40(11): 1176-1194.
2 吴晓求. 互联网金融: 成长的逻辑[J]. 财贸经济, 2015(2): 5-15.
3 刘力臻. 互联网金融: 机理·特征·监管·趋势[J]. 当代经济研究, 2014(12): 28-34, 97, 2.
4 王海军, 王念. 互联网金融的逻辑推演: 一个理论框架的构建[J]. 首都经济贸易大学学报, 2015, 17(6): 39-45.
5 杨群华. 我国互联网金融的特殊风险及防范研究[J]. 金融科技时代, 2013, 21(7): 100-103.
6 黎来芳, 牛尊. 互联网金融风险分析及监管建议[J]. 宏观经济管理, 2017(1): 52-54, 68.
7 米传民, 钱媛媛. 基于SEIS模型的互联网金融风险传染研究[J]. 南京理工大学学报, 2019, 43(6): 800-806.
8 吴连冠. 基于大数据分析的互联网金融风险预警研究[J]. 时代金融, 2014(35): 54, 58.
9 巴曙松, 侯畅, 唐时达. 大数据风控的现状、问题及优化路径[J]. 金融理论与实践, 2016(2): 23-26.
10 霍伟东, 王明彬. 互联网金融: 平衡监管与创新——基于P2P网贷平台的视角[J]. 西南金融, 2015(7): 42-46.
11 陈碧莹. “监管沙盒”模式对中国互联网金融监管的启示[J]. 科技与金融, 2017(1): 34-36.
12 张钦利, 纪辰. 互联网金融刑法适用问题研究——以P2P网络借贷为例[J]. 法制与社会, 2017(32): 54-55.
13 Huang R H. Online P2P lending and regulatory responses in China: opportunities and challenges[J]. European Business Organization Law Review, 2018, 19(1): 63-92.
14 Liu D, Brass D J, Lu Y, et al. Friendships in online peer-to-peer lending: pipes, prisms, and relational herding[J]. MIS Quarterly, 2015, 39(3): 729-742.
15 Aggarwal R, Goodell J W, Selleck L J. Lending to women in microfinance: role of social trust[J]. International Business Review, 2015, 24(1): 55-65.
16 Wei Z Y, Lin M F. Market mechanisms in online peer-to-peer lending[J]. Management Science, 2017, 63(12): 4236-4257.
17 Jiang C Q, Wang Z, Wang R Y, et al. Loan default prediction by combining soft information extracted from descriptive text in online peer-to-peer lending[J]. Annals of Operations Research, 2018, 266(1): 511-529.
18 Guo Y H, Zhou W J, Luo C Y, et al. Instance-based credit risk assessment for investment decisions in P2P lending[J]. European Journal of Operational Research, 2016, 249(2): 417-426.
19 Serrano-Cinca C, Gutiérrez-Nieto B. The use of profit scoring as an alternative to credit scoring systems in peer-to-peer (P2P) lending[J]. Decision Support Systems, 2016, 89: 113-122.
20 Wan Q Y, Chen D Y, Shi W H. Online peer-to-peer lending decision making: model development and testing[J]. Social Behavior and Personality: an International Journal, 2016, 44(1): 117-130.
21 Emekter R, Tu Y B, Jirasakuldech B, et al. Evaluating credit risk and loan performance in online peer-to-peer (P2P) lending[J]. Applied Economics, 2015, 47(1): 54-70.
22 Zhao H K, Wu L, Liu Q, et al. Investment recommendation in P2P lending: a portfolio perspective with risk management[C]// Proceedings of the 2014 IEEE International Conference on Data Mining. IEEE, 2014: 1109-1114.
23 苏新宁, 朱晓峰, 崔露方. 基于生命周期的应急情报体系理论模型构建[J]. 情报学报, 2017, 36(10): 989-997.
24 马费成, 张瑞, 李志元. 大数据对情报学研究的影响[J]. 图书情报知识, 2018(5): 4-9.
25 周晓英, 刘莎, 冯向梅. 大数据的影响与情报学的应对策略——从BD2K项目分析情报学的大数据应对策略[J]. 图书与情报, 2017(2): 55-62.
26 夏立新, 陈燕方. 大数据时代情报危机的发展演变及其应对策略研究[J]. 情报学报, 2016, 35(1): 12-20.
27 李纲, 王施运, 毛进, 等. 面向态势感知的国家安全事件图谱构建研究[J]. 情报学报, 2021, 40(11): 1164-1175.
28 卢小宾, 翟兴, 王涛. 基于复杂网络的信息分析模型研究[J]. 情报理论与实践, 2020, 43(5): 177-182.
29 毕强, 王传清. 超网络视域下的数字资源深度聚合实证研究[J]. 情报理论与实践, 2015, 38(12): 47-52.
30 苏新宁. 网络环境下竞争情报系统设计[J]. 情报理论与实践, 2010, 33(8): 104-108.
31 包昌火, 李艳, 包琰. 论竞争情报学科的构建[J]. 情报理论与实践, 2012, 35(1): 1-9.
32 刘嘉琪, 齐佳音. 企业微博信息与短期绩效的BP神经网络预测研究——基于信号分析视角[J]. 现代情报, 2018, 38(8): 73-82, 89.
33 王康, 王心妍, 王晓慧. 基于产业竞争情报的产业风险预警体系框架研究[J]. 竞争情报, 2018, 14(4): 26-31.
34 张宇栋, 吕淑然. 基于信息关联的公共安全风险预控情报分析研究[J]. 情报杂志, 2018, 37(9): 148-153.
35 彭靖里, 陆家康. 我国金融情报研究与应用的现状及存在问题分析[J]. 现代情报, 2011, 31(3): 23-26, 31.
36 吴光伟. 金融情报[M]. 上海: 同济大学出版社, 1992.
37 王幸平. 金融情报学[M]. 北京: 金城出版社, 2018.
38 李广建, 江信昱. 论计算型情报分析[J]. 中国图书馆学报, 2018, 44(2): 4-16.
39 丁晓蔚, 苏新宁. 金融情报学: 情报学的重要分支学科[J]. 情报学报, 2020, 39(2): 158-170.
40 原保监会副主席周延礼: 保险业有望成为产业互联网和数字化转型的先锋军[EB/OL]. (2021-11-26) [2022-09-30]. http://news.sohu.com/a/503738563_120869996.
41 丁晓蔚, 苏新宁. 基于区块链可信大数据人工智能的金融安全情报分析[J]. 情报学报, 2019, 38(12): 1297-1309.
42 马费成. 论情报学的基本原理及理论体系构建[J]. 情报学报, 2007, 26(1): 3-13.
43 化柏林, 郑彦宁. 情报转化理论(上)——从数据到信息的转化[J]. 情报理论与实践, 2012, 35(3): 1-4.
44 李荫涛. 论情报学的传递原理[J]. 情报理论与实践, 1991, 14(4): 1-5.
45 文志信, 单洁. 基于数据挖掘思想的情报发现模式初探[J]. 情报杂志, 2009, 28(S2): 55-58.
46 沈固朝. 信号分析: 竞争情报研究的又一重要课题[J]. 图书情报工作, 2009, 53(20): 11-14, 59.
47 零壹财经, 南湖互联网金融学院. e租宝事件分析报告[EB/OL]. (2016-05-04) [2022-09-30]. https://www.sohu.com/a/73293331%5F267332.
48 李超, 周瑛, 周焕, 等. 大数据环境下情报分析方法与情报分析软件探讨[J]. 现代情报, 2017, 37(7): 151-158, 165. |
|
|
|
