摘 要：从互联网金融以高收益获得追捧，到平台纷纷跑路引发大面积恐慌，再到E租宝700亿血本无归，投资者纷纷疑 问：“互联网金融还值得再进行投资吗?”
从互联网金融以高收益获得追捧，到平台纷纷跑路引发大面积恐慌，再到E租宝700亿血本无归，投资者纷纷疑 问：“互联网金融还值得再进行投资吗?”
答案是肯定的，P2P的融资模式依然可以是高效的、良性可循环的投融资模式。特别是在相关规定开始出台的后互联网金融时代，合理的风险定价和有效的智能风控能够实现互联网金融合规的要求，为行业注入新的活力。
传统风控：兴也经验、败也经验
互联网金融脱胎于传统金融，最早在其金融借贷产品设计中出现的风险定价策略是来自以银行为代表的传统信贷机构。关于风险定价最早的应用记录始见于20世纪30年代，主要依照有经验的风险分析师，设计信用判断条件，使授信质量一致。但基本上停留在以经验选择并设定权重，因而无法考虑因变量之间的关系。
进入互联网的时代，虽然由于大数据分析的介入，风险定价正在逐渐成为银行等金融机构极为倚重的风险评量工具，但这条路走的并不那么轻松。正是因为人为经验介入借贷的审批领域，使得近年来，银行高管因渎职或腐败而涉嫌职务犯罪的案件比比皆是。事实上，在传统金融机构，部分高管的道德与腐败风险已经成为一个不可回避的问题。
同样“兴也经验、败也经验”传统风控痼疾也现身于互联网金融的江湖。今年3月底红岭创投曝出一则消息，因其高管腐败，一笔一亿多元的贷款无法收回形成坏账。对此，董事长周世平的解释是，放款额度太高，该高管与企业方联系紧密，互相有利益往来，进而出现坏账。虽然红岭创投声称已有证据并移交经侦部门处理，但不可否认的是3%的坏账率，只能由平台自己垫付。
对此，多位一线的互联网金融人士观点一致，当前的解决之道就是做好风控、加强资产端产品的风险定价设计。
智能风控：基于大数据的全口径风险定价
AlphaGo机器人战胜世界围棋冠军之后，再不会有人质疑人工智能数据分析能力和学习能力的强大。而能否通过互联网技术避免传统风控技术中因人为因素造成的巨大损失，也成为业内讨论渐多的声音。
准确而言，风险定价并非一个新词儿。但你会从互联网金融的业者口中听到“全口径风险定价”，这却并不是简单的叠加一个定语，而是意味着从业者们已经意识到整个风险管理的精准度。不管是申贷时或核拨后，每位借款客户在不同阶段都有不同的潜在风险，这些风险征兆可能存在于各种容易令人忽略的细节中，一旦错失实时发现的先机，将造成难以弥补的损失。因此，全口径风险定价的提出，体现的更多是一种“过程”的智慧。
如上所述，传统的风控模式下人是主导，无论是在风险定价环节，还是后续的风险控制程序，多依靠经验来确定。且不说部分网贷平台风险审核随意性的问题，单讨论平台运作贷款的经验是否能指导每一笔投资，我们都要为传统的风控打上一个问号。
2016年随着监管细则“落地”、“信息中介”身份的明确，中国的网络借贷行业进入了全新阶段。然而，信用平台单纯“一刀切”似的风险定价，似乎并不适合目前的中国国情。为切实保证投资人的利益，网贷业者必须在风险定价与风控管理上找到创新路径。
来自深圳的钱来网的做法是，致力于建立国内房产抵押借贷定价标准。它的主要业务模式非信用贷而是流动性较好的红本抵押贷款，一旦出现了违约情况，只需要通过延长兑付时间对不良资产进行处置就可以“完成刚兑”。 在掀起这场通过风险定价合理降低利息的战役中，钱来网的底气来自于通过风险定价“打破刚兑”，但又“完成刚兑”。这种业务模式使得钱来网与同行业公司之间有了明显的区分。
因为依靠大数据，而非个人判断，钱来网倡导的智能风控，使得风险定价更加“科学、中立、全面、务实”。所谓“科学”指一切以真实的数据来和风险要素逻辑回归建模定型;“中立”是数据统计不需要任何加工，保证客观中立;数据全口径统计，渠道多样化，线上线下结合，可以阐释清其“全面”的特点;而“务实”则是指运用各类风险对冲手段优化调整其风险维度而言。
钱来网的联合创始人与CEO华猛表示，钱来网的数据审核体系是以大数据为基础，运用人工智能的学习能力和数据处理能力，为数百个评分指标打分，给每一个借款人画出精准的“画像”，进而才能测算出每一笔贷款的风险。
路漫漫其修远，在智能风控PK传统风控的道路上，也许还要更多的创新与实践，但如果春天来了,冬天还会远吗?
