文 | 徐远 唐涯 陆佳仪

 

香帅如是说

 

2013年开始的“互联网金融”的狂飙式发展是中国经济的一大现象级事件。以余额宝和微信红包的成功为标志，多种形态的互联网金融（如第三方支付、P2P贷款平台、众筹、网上理财等）受到了市场的狂热追捧，引起了多方的高度关注，甚至写入了政府部门的权威报告。

 

在宽松的监管环境中，中国互联网金融进入了黄金和泥沙俱下的混沌年代。在经历了2014年到2015年P2P平台的崩塌，众筹和网上理财传销化，庞氏化的乱象之后，监管层对这个行业可能累积的系统性风险开始引起警觉，陆续出台监管意见和细则，“互联网金融”一词从高调飞驰转入低调发展的时期。

 

经过一段时间的沉淀和行业的去芜存菁之后，2016年开始，以技术创新（e.g, 区块链，数字货币，人工智能）为核心的“数字金融”和“科技金融”又逐渐开始成为热词。和每次汹涌而至的浪潮一样，真实的改变和浮躁的跟风一起闯入—并没有理解信用和货币本质的“去中心货币论”，利率高达100%的“现金贷”换件“科技”的马甲蜂拥而来，叫人容易迷失在精美的名词包装里。

 

所有的人大概都意识到，我们正在经历一个互联网技术深刻地改变人类生活的时代。毋庸置疑，金融的数字化，技术化是不可阻挡的趋势。不管名字是“科技金融”还是“数字金融”，或者“互联网金融”，其本质都一样 —— 因为互联网信息技术的赋能，金融行业将从“富人的游戏”飞入寻常百姓家，“金融赋能增长”将逐渐变成现实。然而，纷繁芜杂的新名词新概念容易让人浮躁，在快速变化的世界中，我们更需要穿透本质去理解和“互联网”“数字化”“智能化”这些词语叠加的金融。

 

今天我们要推送一篇长达11100字的文章——我们从中国“互联网金融”的概念形成开始回溯，分析“互联网金融”在中国获得成功的背景原因，比较基于互联网技术的新金融与传统金融的关系，讨论“大数据”技术的优势和挑战。在对这几年中国互联网金融的本质，发展，和优劣势系统分析的基础上，对未来“新”金融行业的发展进行展望。

 

首先，互联网金融在中国的快速发展得益于三方面的基本因素。其一，互联网金融是长期以来中国金融抑制的产物，因为企业和家户的金融服务需求未得到传统金融部门的有效满足，互联网企业填补了这个空白 。其二，信息技术的发展降低了金融服务的成本，扩大了金融服务的覆盖面，创造了新的商业模式，这是互联网金融发展的重要根基。其三，初期监管的包容是互联网金融业在中国飞速发展和风险积累的重要原因。

 

然而，信息、数据、算法等科技进步改变金融的形态和业务模式，但并不改变金融的本质。信息不对称和道德风险依然是金融的核心问题，风险控制仍然是金融的核心技术。此外，金融科技在带来便利的同时也带来了大量虚假和无用信息，传统金融机构和风控技术不是会被取代，反是需要进一步升级来过滤无用信息，筛选有效信息。在这个层面上，金融中介会得到进一步加强，而不是被替代。

 

综合经验观察与理论分析，本文认为未来互联网金融前景良好，其中大型互联网公司和大型传统金融机构将有机会成为这一行业的主导者，他们具备数据、资金、信息技术、金融技术、人才等多维竞争优势。而小型互联网企业和新进入者要求得发展，必须在自己的细分领域嬴得竞争力，并寻求与其他企业的合作，否则将失去机会，被市场逐渐淘汰。在未来，金融技术、信息技术、数据积累，将共同决定互联网金融企业的竞争优势。

 

（多余的话）坦白说，这是一篇写于2015年的论文，当时正是“互联网金融颠覆金融”的论调被热炒的时候——两年多过去了，互联网金融换了好几次衣裳，其间被打入冷宫，又换个马甲再出山，来来回回也好几拨，回头看这篇文章的简单逻辑却一点没有改变，反而很多预测被印证 —— 大型互联网公司和大型金融机构的合作已经成为现实，而很多小型互联网企业开始找到小切口，和其他企业(行业)深度合作 —— 逻辑的力量是强大的，就像名词的幻觉是令人目眩的一样。 唯有简单才可能正确，唯有简单才可能保持冷静和独立思考。

---

 

1 引言

 

2013年是中国互联网金融元年。2013年后，互联网金融行业的高速发展成为中国经济的一大现象级事件，多种形态的互联网金融（如第三方支付、P2P贷款平台、众筹、网上理财等）受到了市场的热烈追捧，引起了多方的高度关注，甚至写入了政府部门的权威报告。在学术领域，有关互联网金融的研究也在不断增加，尤其是随着P2P行业的快速发展和风险爆发，有一支文献专门聚焦于这一新兴行业。

 

目前P2P网络借贷实证研究主要集中于两个方面：其一是针对借款人的信息识别研究。根据借款人提供的信息，研究借款项目能否成功、是否发生违约以及哪些信息有利于提高借款人的借款成功率，是否有利于提高出借人的真实收益率。这支文献比较一致的结论是：凡是信息都是有价值的，无论是财务信息、个人特征或者社会关系有助于评估借款人的信用，那些需要高成本认证的信息价值更高（Herzenstein, Andrews, and Dholakia (2008), Herzenstein, Sonenshein, and Dholakia (2011), Lin, Nagpurnanand, and Viswanathan (2013)）。其二是针对出借人的行为研究。P2P网络借贷平台的出借人大部分是个人投资者，这些个人投资者的行为是否存在偏差，这些偏差是否是理性的以及能否提高出借人的收益，都是值得研究的重要问题。关于出借人是否具有信息识别能力，目前的研究结论并不一致（Iyer, Khwaja, Luttmer and Shue (2016), Emekter, Tu, Jirasakuldech and Lu (2014)）。此外，在出借行为中也检验出本地偏好、羊群行为、学习能力和风险厌恶等传统金融市场上发现的投资者行为（Lin and Viswanathan (2016), Herzenstein, Dholakia, and Andrews (2011), 廖理, 李梦然, 王正位(2014), 李悦雷, 郭阳, 张维(2013)）。

 

随着互联网金融行业在中国快速发展，中国学者也贡献了大量的观察和研究，对互联网金融革命及其商业模式进行了细致的描述和深入分析（陈静 (2015)；谢平，邹传伟和刘海二(2014)；万建华 (2013)；黄益平，王海明，沈艳和黄卓(2016)）。其中不同学者对互联网金融持有大相径庭的观点：有人认为互联网金融是完全不同于传统金融的“新金融”，有的则认为互联网金融只是披着“新金融”外衣的传统金融。在激烈的争论中，如何客观地评价互联网金融成为了一个难题。本文将从互联网金融的概念形成、发展历程、互联网金融在中国获得成功的背景原因、互联网金融与传统金融的关系以及“大数据”技术的优势与挑战等多个角度出发，对互联网金融的本质、发展背景以及优劣势进行系统分析，并在此基础上对互联网金融业的未来发展进行展望。

 

通过分析，本文认为互联网金融在中国的快速发展得益于三方面的基本因素。其一，中国互联网金融的大发展是中国金融抑制的产物，因为企业和家户的金融服务需求未得到传统金融部门的有效满足。其二，信息技术的发展降低了金融服务的成本，扩大了金融服务的覆盖面，创造了新的商业模式，这是互联网金融发展的重要根基。其三，初期监管的包容是互联网金融业过快发展和风险积累的重要原因。

 

然而，互联网和大数据仅仅改变了金融的形态，并未改变金融的本质，信息不对称和道德风险依然是金融的核心问题，风险控制仍然是金融的核心技术，信息、数据、算法等科技进步改变金融的形态和业务模式，但是并不改变金融的本质。而且，金融科技在带来便利的同时也带来了大量虚假和无用信息，传统金融机构和风控技术不仅不会被取代，反而需要进一步升级来过滤无用信息，筛选有效信息，金融中介会得到进一步加强，而不是被替代。

 

综合经验观察与理论分析，本文认为未来互联网金融前景良好，其中大型互联网公司和大型传统金融机构将有机会成为这一行业的主导者，他们具备数据、资金、信息技术、金融技术、人才等多维竞争优势。而小型互联网企业和新进入者要求得发展，必须在自己的细分领域嬴得竞争力，并寻求与其他企业的合作，否则将失去机会，被市场逐渐淘汰。

 

本文组织如下。第二部分将描述分析中国互联网金融概念的形成和行业的发展历程。第三部分将比较中国和其他国家互联网金融行业的发展差异，并从三大背景出发解释互联网金融在中国蓬勃发展的原因。第四部分着重分析互联网金融与传统金融部门的关系以及大数据技术的正反面，纠正人们对互联网金融的常见误区。第五部分对互联网金融在中国的前景进行展望。

 

2 中国互联网金融：基本概念与发展历程

 

在中国，“互联网金融”的概念最早是在2012年4月的“金融四十人年会”上，由时任中投公司副总经理的谢平公开提出的。[1]此后它迅速成为热门词汇，受到了学术界、业界和政府的广泛关注。到了2013年，互联网思维在金融业全面渗透，如同一场当代的文艺复兴，影响并改变着传统金融业的生态与格局：不仅以阿里巴巴和腾讯为代表的互联网企业开始在金融领域发力并快速扩张业务版图，银行、券商等传统金融业机构也在积极求变。因此，2013年也被称为中国的“互联网金融元年”。

 

但在“互联网金融”概念形成之初，它的边界是很模糊的。人们用它来指代一切与互联网有关的金融服务，其中包括以“支付宝”为代表的第三方线上支付平台，以“余额宝”为典型的货币市场基金，以及如雨后春笋不断涌现的各类P2P贷款平台、网上众筹、网上银行、网上保险和网上券商等。为将问题简化，我们按照金融服务提供者的属性，将“互联网金融”大致分为两类：第一种是由电子商务和信息技术公司提供的金融服务，第二种则是银行等传统金融机构业务在信息技术进步下的衍生产物。

 

这两类金融服务的区别是显而易见的——两者的数据来源不同。第一类互联网金融企业包括了大家熟知的电商巨头——阿里巴巴和京东。例如，阿里巴巴向其电商平台下的小微型商户提供小额贷款业务，京东也向在其网上商城的消费者提供一定额度的消费贷。此类小额贷款业务的盈利模式是基于电商平台对交易数据的监测和有效利用，并在此基础上对商户和消费者进行信用分析。以更低的成本可持续地获得大量交易数据，它们跨过了“信息不对称”这道坎，占据了竞争优势。第二类服务的提供者是传统金融机构，它们不具备第一类企业的数据优势。因此除了技术升级并开展互联网和移动端的金融业务以外，部分机构也选择进军电子商务领域，通过电子商务平台为互联网金融业务反向沉淀消费者数据。其中较为成功的例子是中国工商银行，它旗下的电子商务平台——“融e购”在2014年年初正式上线，至今已发展成为仅次于阿里巴巴的中国第二大电商平台。

 

本文将焦点锁定在第一类互联网金融企业。2012年互联网金融概念首次提出后，互联网金融行业便以惊人的扩张速度不断刷新着各项纪录，尤其是第三方支付、网上理财和P2P贷款平台的业务规模增长迅速，成绩斐然。在第三方支付方面，2012年，全国范围内第三方线上支付的规模只有3.66万亿元，到了2015年这一数字已经增加到了11.9万亿元；据估计2016年第三方支付体量达到了2015年的近三倍，高达33.3万亿元。其中，支付宝和微信钱包分别以42.9%和19.2%的市场份额（截至2016年四季度），稳坐中国第三方支付行业的前两把交椅。在网上理财方面，以代表产品“余额宝”为例，2013年诞生之初其规模仅1853亿元，2015年上升到了6207亿元，增长了2.35倍。尤其值得一提的是P2P贷款平台数量和资金体量的爆炸式增长：从2013年的814家P2P平台和共计976亿元资金体量，发展到了2015年的2595家和8302亿元。这意味着在2013至2015年两年之间，P2P平台的资金体量增长了近十倍。

面对如此飞速增长的互联网金融行业，我们仍然需要明确的是：其一，P2P贷款平台的数据可能并不完全准确。上文采用的Wind数据显示截至2015年11月，P2P平台数量为2595家，然而根据另一来源（黄益平，沈艳，王靖一, 2016）在手动采集了多方数据并加入了许多小规模P2P平台后，认为这一数字应为3769家，尽管两方在交易规模总量上数据非常接近。事实上，由于P2P行业近年来发展速度很快而信息又较为分散，很难采集到精确的数据。

 

其二，尽管互联网金融行业各项增速惊人，但不能因此高估它在整个中国金融业中的占比。截至2015年，全国商业贷款总额为138.3万亿元，但P2P平台贷款仍不足8000亿元。因此，P2P贷款平台只是对正规金融系统的一种补充，而非替代。类似的，2015年互联网金融公司第三方支付体量达到11.9万亿元，同年整个金融系统的支付总额为4383万亿元，是它的368倍。第三方支付对于整个系统而言只是九牛一毛，仍然局限于小型商户交易和个人消费用途之上。

 

互联网金融行业激进的发展势头在2015年后有所收敛。随着互联网金融风险逐渐暴露，尤其是部分P2P平台涉嫌欺诈、卷钱跑路事件的曝光，行业热度迅速降温。冰冻三尺非一日之寒，互联网金融行业的隐患在飞速发展期间早已埋下。从2012到2015年，P2P平台数量从200家快速增长到3769家，贷款规模也从230亿上升到8300亿元。在繁荣的同时，许多P2P平台也在遭遇着坏账率不断走高等各种问题。据统计在2015年，每3个P2P平台中就有1个出现问题，其中部分平台直接宣布破产，将成百上千万的坏账留给了投资者。

 

［1］另一种说法是这一概念由中国人民银行金融科技司原司长陈静在1998年提出，参见陈静主编《历史的脚步——互联网金融服务及其在我国的发展（1998-2001）》。

 

3 为何互联网金融在中国这么火？

 

虽然近年来互联网金融在中国大热，但中国并不是它的原产地，而是一件舶来品。有意思的是，在中国大热的“互联网金融”，在其发源地且一直不温不火。这带来了一个问题：为何是中国见证了互联网金融行业的大发展？

 

以P2P贷款商业模式为例。2005年，全球第一家P2P平台Zopa在英国诞生，其全新的商业模式立刻受到了媒体和学术界的关注。2006年，美国第一家P2P贷款平台“Prosper”公司正式成立。2007年，如今美国第一大P2P贷款公司Lending Club成立，至今已经占有了美国P2P行业80%的市场份额。然而在经历了整整七年的发展之后，这个行业巨头的年贷款总量也仅在百万美元的数量级上浮动。2015年，Lending Club发放了800万美元的贷款，是2014年的两倍，这是企业发展史上的一大突破，然而这主要归功于2014年公司在纽交所的成功上市，而并非整个行业的兴起。事实上，Lending Club上市后的表现令人堪忧：2015年，Lending club亏损了500万美元，2016年这个数字上升到了1.46亿美元，2017年一季度业绩下降趋势仍在延续。

 

反观中国的P2P行业：2015年中国P2P贷款规模已经达到了约1300亿美元的量级，比美国高出了15倍。此外，目前全球最大的互联网信贷公司是2006年在北京成立的宜信：2012年，宜信推出了旗下的P2P网贷平台——宜人贷，将目标群体锁定于中国城市白领人群，并为客户提供信用借款以及理财咨询服务；2015年，宜人贷紧跟Lending Club的步伐在美国纽交所成功上市，成为中国互联网金融海外上市第一股。与Lending Club形成鲜明对比的是，宜人贷在上市后发展势头喜人：在2017年一季度公布的最新财报中，宜人贷季度净收入达到10.22亿人民币，较2016年同期增长84%；净利润为3.51亿人民币（5，098万美元），较2016年同期增长166%。

 

互联网金融在中国的流行主要与三大因素有关：其一，我国金融市场的密集管制下传统金融部门金融服务的供给不足，为互联网金融的发展留下了空间。其二，信息技术的进步降低了金融服务的成本，创造出了新的商业模式。其三，金融监管层在互联网金融行业成长初期并未加以严厉管制，而是采取了相对宽容的政策态度，包容了互联网金融的发展。

 

首先来看中国传统金融部分金融抑制对互联网金融发展的影响。中国的金融抑制主要体现在两方面：一是在资金需求侧，小企业融资贵、融资难现象严重；二是在资金供给侧，家户的投资渠道十分有限。在中国，商业银行明显偏好信用评级高、营业绩效好的大企业（尤其是大型国有企业），对小微企业严重惜贷，银行在贷款时对小企业抵押品和外部担保的要求很高，利率也远高于大型企业。小企业在发展初期融资渠道受限，资金供给不足成为企业发展的主要障碍。图1显示了我国金融机构各类贷款的占比，其中小企业贷款和消费贷款的占比很低，多数资金流向了大中型企业。尽管金融机构偏好大型企业是常态，但该情况在四大国有银行主导下的中国尤为严重。阿里小贷的发展就依托于这一背景。在美国则正好相反，由于大量区域银行、社区银行的存在，小商户和小家户的贷款需求都得到了较好的满足。再比如说支付宝，因为传统的银行支付手续繁琐，用户体验不佳，为支付宝这种第三方支付平台的发展提供了土壤。在美国，大部分消费者的网上支付都可以通过信用卡，第三方支付的市场很小。

另一方面，在资金供给侧，家户日益增长的投资需求因为缺少有效渠道而没有得到满足。在过去的二十年，高速发展的经济带来了较高的收入增速，在较高的储蓄率下中国人积累了大量的财富，也产生了巨大的财富管理需求。然而传统金融体系压抑了这部分需求，互联网金融为投资者带来了新的选择。以余额宝为例：余额宝的快速发展，是我国利率管制下的产物。在2014年，金融机构一年期贷款基准利率只有6%，而同期货币市场利率经常高于6％，其中存在巨大的套利空间。只要能把钱从活期存款搬到货币基金就能从中获利，而余额宝完成了这项工作，因此受到了市场的热捧，其规模从2013年诞生之初的1853亿元快速上升到了2015年的6207亿元，短短两年增长了2.35倍。

 

与中国不同，美国、日本、德国等发达国家，互联网金融虽然早有发展，但是远不如在国内火热，主要原因在于他们的传统金融比较发达，没有给新的金融企业留下太多市场空间。新的金融形式，包括P2P贷款，众筹，第三方支付等等，无法对已有金融体系产生冲击，只能在传统金融留下的狭小空间里寻求发展。

 

接着来看信息技术进步对互联网金融行业发展的影响。其中最具代表性的要属大数据采集与分析技术的进步，为小微贷款的商业模式创造了新的可能性。为了改善中小企业贷款难的问题，在地方政府的支持和补贴下小额贷款公司作为对正规银行体系的补充曾快速发展起来。然而小额贷款公司仍然无法绕开传统机构面临的信息不对称问题，在运营过程中出现了大量因贷前审查不严、担保手续不完善、超范围经营和高息放贷等不规范问题导致的坏账风险。

 

大数据技术的进步打破了传统的桎梏。阿里的不同之处在于它通过阿里巴巴、淘宝、天猫、支付宝等一系列平台，阿里金融可以低成本地源源不断地获取卖家会员的商品交易量、真实性、商铺活跃度、用户满意度、库存、现金流、甚至水电缴纳等信用数据，这相当于拥有了一套自己的征信系统。通过分析这些信息可以甄别贷款申请者的资质和信用水平，从而进行可靠的贷款决策。但大数据中也存在着大量的噪音，因此大数据分析技术也需要不断演进来克服这些问题。

 

此外，智能手机的不断升级和推广使在移动端的支付贷款和理财投资变得更加便利。阿里巴巴近年来的发展趋势应证了这一点：财报显示，阿里巴巴集团旗下中国零售平台移动端2017财年一季度收入达到了175.14亿元，年增幅高达119%，占中国零售平台总收入的比例增至75%，而去年同期这一比例仅为51%。移动端已成为大势所趋，增势非常显著。而阿里巴巴等高科技互联网公司在线上支付和理财投资方面有天然的技术优势，通过产品研发将不同的业务打通。这也是为什么从支付宝起步，余额宝能够在短短时间内成长为规模高达7000亿的世界第二大基金。

 

最后，互联网金融的爆炸式增长也是行业发展初期金融监管政策过度宽松造成的。事实上在2012-2015年间，政府和金融监管机构对于互联网金融几乎没有任何实际的监管和规范措施出台，这也直接酿成了2015年互联网金融行业风险大规模爆发的苦果。对互联网金融的疏于监管可能出于两种群体性心态：其一是人们对于“互联网金融”寄望过高，认为它能够有效补充传统金融体系的漏洞，甚至“倒逼”金融体系改革。其二是对“高科技”行业过度迷信，移动互联网、大数据分析等新技术、新概念的横空出世，制造出了互联网信息技术可以替代金融风控技术的幻象。

 

然而许多高科技公司名不副实。以P2P行业为例，行业中出现了大量以P2P名义成立的骗子公司，或假借P2P为自己集资的伪P2P公司，甚至许多互联网金融公司只是披着“高科技”的外衣，在背地里玩着“庞氏骗局”——以赌徒的心态投资高风险项目，并不断通过以新债还旧债的方式续命，直到骗局揭穿、游戏结束而投资人为大笔损失买单。监管层的宽容让“庞氏游戏”大行其道，直到2015年P2P行业迎来了风险的大爆发：2014年全年跑路P2P平台共122家，到了2015年跑路平台数量骤增，达1302家。此时，社会才意识到缺乏必要的监管大大助长了投机者的气焰，积累了局部性的金融风险。此后监管层才开始有所作为：2015年7月18日，央行联合十部委正式发布了《关于促进互联网金融健康发展的指导意见》，将P2P纳入监管范围，为P2P网贷行业发展指明方向的同时也明确了监管取向，为后续的监管细则落地铺平了道路。

 

4 关于互联网金融的两大误区

 

随着社会对互联网金融关注度的不断攀升，对互联网金融的讨论常常走入两大误区：其一是过度强调、错误理解大数据的作用，认为它可以完美地弥补现有金融体系的漏洞而忽略了大数据可能带来的问题。其二是认为随着互联网金融行业的崛起，互联网本身可以充当借贷双方的信息媒介，社会将不再需要传统金融机构，互联网将替代传统的金融机构。本文将对这两大误区做出针对性的解读。

 

首先来看人们对大数据技术的常见误区。虽然“大数据”的概念已经广为人知，深入人心，但并不是所有人都对这一概念有深入理解，大家的理解也可能很不相同。与过去的数据采集分析技术相比，“大数据”究竟新在哪里？仅仅是样本量更“大”吗？其一，“大数据”技术最本质的不同在于它的信息采集方式。传统的数据采集工作由人为因素有意识地主导着。例如，证券交易所会要求所有上市公司按季度公开财务报表，而财务报表是经过精心设计且具有统一规范的格式的；同样的，分析财务报表的工作也需要大量的专业化的人力资本投入。大数据无论从信息采集到信息分析都更加的“自动化”，它的数据采集过程只是对人们日常生活（包括购物、支付、上网浏览信息以及其他活动）的无差别记录和数字化存储。正因为它将日常生活事无巨细地收集存储下来，它的数据量也非常庞大。

 

其二，“大数据”并不完美，“大数据”数据采集的特点也决定了数据中存在着大量的噪音。此外，大数据还有许多“先天不足”，例如缺少控制组等等。因此分析这部分数据需要格外谨慎，除了提升硬件运算能力以外，也需要综合运用多种分析技术。另一方面，由于大数据中存在大量噪音，持续稳定的现象规律很难通过数据体现出来，一旦出现则说明这一规律的普遍性可能很强，往往会指向非常重要的发现，值得研究者密切关注。

除了以上两点之外，对于大数据理解的典型误区还包括：其一，认为大数据等同于全样本。事实上，由于大数据的采集过程往往并不涉及任何事前的研究问题和研究假设，全样本是无法被清晰界定的。其二，认为大数据分析不研究因果关系，只研究相关关系。事实上，任何数据统计分析都不可能指向因果关系，在这一点上大数据与传统数据分析方法并没有本质区别。因果关系是研究者通过理论推导和实证证据得出的。

 

接着来探讨互联网金融与传统金融部门间的关系。部分观点认为互联网金融完全取代传统金融将是一个必然的均衡结果（谢平, 邹传伟, 刘海二, 2015, 2016 etc.），这一观点也为P2P平台的繁荣发展提供了理论支持。人们相信，互联网金融的发展便利了信息的传播和交易的进行，削弱了传统金融机构和金融市场的作用。甚至有观点称，互联网金融和传统金融的本质区别，就在于借用互联网的强大信息交换功能，让资金的出让者，也就是储蓄者，直接面对资金的使用者。因此互联网金融可以完全拜托传统的金融中介和金融市场。

 

这一观点的错误之处在于它只看到了硬币的一面，忽略了互联网在提供便利的同时也带来的大量虚假和无关信息。事实上，沟通成本的下降也为人们提供了更多说谎的机会，在缺少有效的信息过滤机制的情况下，投资者面对鱼龙混杂的投资项目，很难做出正确的判断。此外通过上文对大数据的分析我们也了解到，技术进步在提供便利的同时，也带来了大量无用信息，对数据统计分析技术也提出了更高的要求。同时，由于投资项目越来越专业化，投资者收集分析并识别好项目的成本，将随着信息量的爆炸越来越高。这些都对金融部门和金融机构的信息过滤和风险控制技术提出了更高的要求。

 

以P2P行业为例。有许多小型P2P平台在快速扩张贷款业务并为贷款提供隐性担保的同时，却并不具备风险识别和风险管理的技术和能力。事实上，互联网金融虽然“热闹”，但真正能在技术上实现对陌生客户快速授信的并不多，除了基于电商大数据的芝麻信用等外，还有基于社交大数据授信的玖富闪银。除此之外，许多民营草根系P2P平台鱼龙混杂，为竞争资金市场以高利率吸引投资者，进而投资高风险项目，导致跑路事件高发。

 

因此，金融机构的价值无法简单地被互联网信息技术替代。这一点从历史的演变和理论分析上都能获得证明。从历史上来看，传统金融部门的演化史也是一部人类不断寻找方法克服信息不对称、激励不相容问题的历史。传统银行的重要业务就是吸收存款和发放贷款，吸收存款的关键在于信任。在初期，只有富人才有资格开班银行，以个人财产作为抵押品增信。当银行的资本金足够大时，金融机构才有动机在放贷时控制风险，储户才能放心储蓄。从理论上来看，金融机构是为了降低交易成本存在的（Coase, 1936），只要交易成本存在，金融机构就需要继续存在。互联网在降低信息获取成本的同时，也带来了更多的虚假信息，增加了信息过滤的成本。因此，互联网不仅无法取代金融机构，相反对金融机构的信息识别和风险控制技术提出了更高的要求。这不是冰冷的机器和互联网可以做到的，需要更为专业化的金融机构和金融市场去实现这些功能。

 

5 互联网金融未来展望

 

随着2015年互联网金融风险的大规模爆发以及2016年更为严格的监管政策出台，互联网金融行业正在向一个更为健康可持续的发展阶段过渡。从目前的几大发展趋势来看，随着可持续的商业模式的不断巩固，互联网金融行业的前景较为乐观。

 

首先，以阿里巴巴、腾讯、百度和京东为代表的互联网巨头占据着发展互联网金融业的有利条件，具备数据、资金、技术和人才等多维优势。此外，它们也获得了各类金融牌照。它们在互联网金融行业中的竞争优势正不断提升，难以撼动。新兴的小规模互联网公司也仍然有生存空间和发展机会，只要他们能够面向特定的细分市场推出拳头产品并形成核心竞争力。此外，小公司也可以选择与阿里巴巴、腾讯等巨头进行战略合作，利用他们的数据开展互联网金融业务。

其次，以大型商业银行为代表的传统金融机构不仅掌握了成熟的风险控制技术，也积累了大量的有效数据。借助信息技术平台的升级，他们可以将这一优势为更多的客户提供优质服务。此外他们也可以收购新的互联网金融公司，用信息和风控技术为其赋能。事实上，欧美发达国家的正规金融机构的信息化已经较为成熟，为中国的金融机构提供了发展的可能性：它们利用互联网设计新产品，改进服务，从而更好地满足了市场需求。随着2015年后利率市场化改革的完成以及债券市场的大发展，传统金融机构面临着不进则退的巨大压力，因此也有更强的动机去寻找新的商业机会。举例来说，传统金融机构在中小企业贷款业务上有很大的发展空间。一方面，信息技术发展有利于降低服务成本；另一方面，行业内部的竞争也会促使传统机构在管理和风控上不断创新进步。凭借着先天优势，它们有机会在未来的互联网金融行业扮演与大型互联网公司同样重要的角色。

 

总而言之，未来的互联网金融业非常有可能是大型公司的天下，几家大型互联网公司和大型金融机构将成为行业的绝对主导者，他们具备数据、资金和技术等多维竞争优势。而小型互联网企业和新进入者要求得发展，必须在自己的细分领域嬴得竞争力，并寻求与其他企业的合作，否则将失去机会，被市场逐渐淘汰。

 

初稿于北京，2015年9月

二稿于北京，2017年3月

 

参考文献

1. 陈静，2015，《历史的脚步[专著] : 互联网金融服务及其在我国的发展(1998-2001)》， 中国金融出版社2015年10月第一版

2. 黄益平，王海明，沈艳和黄卓，2016，《互联网金融12讲》 ，中国人民大学出版社2016年8月第一版

3. 万建华，2013，《金融e时代》，中信出版社2013年5月第一版

4. 谢平，邹传伟和刘海二，《互联网金融手册》，中国人民大学出版社2014年4月第一版

5. 黄益平，沈艳和王靖一，2016，《个人网络借贷及其监管框架的分析与思考》，《比较》2016年第2期150-175页

6. 李悦雷，郭阳和张维，2013，《中国P2P小额贷款市场借贷成功率影响因素分析》，《金融研究》2013年第7期126-138页

7. 廖理，李梦然和王正位，2014，《聪明的投资者:非完全市场化利率与风险识别——来自P2P网络借贷的证据》，《经济研究》2014年第7期125-137.页

8. 谢平，邹传伟和刘海二，2015，《互联网金融的基础理论》，《金融研究》2015年第8期1-12页

9. 工信部，国家统计局，国家发改委和财政部，2011，《工信部联企业[2011]300号 关于印发中小企业划型标准规定的通知》

10. 银监会，工信部和公安部，2016，《互联网金融风险专项整治工作实施方案》， CLI.4.278756.

11.  中国人民银行，2015，《中国人民银行公告[2015]第43号——非银行支付机构网络支付业务管理办法》， CLI.4.261833.

12 . Coase, Ronald H., 1937, The Nature of the firm, Economica, 4 (16): 386—405.

13.  Emekter, Riza, Yanbin Tu, Benjamas Jirasakuldech, and Min Lu, 2014, Evaluating credit risk and loan performance in online peer-to-peer lending, Applied Economics, 47(1): 54-70．

14.  Herzenstein, Michal, Rick L. Andrews, and Utpal M. Dholakia, 2008, The Democratization of personal consumer loans? determinants of success in online peer-to-peer lending communities, Bulletin of the University of Delaware, 15(3): 274-277.

15.  Herzenstein, Michal, Scott Sonenshein, and Utpal M. Dholakia, 2011, Tell me a good story and I may lend you money: the role of narratives in peer-to-peer lending decisions, Journal of Marketing Research, 48: 138-149.

16.  Herzenstein, Michal, Utpal M. Dholakia, and Rick L. Andrews, 2011, Strategic herding behavior in peer-to-peer loan auctions, Journal of Interactive Marketing, 25 (1): 27-36．

17.  Iyer, Rajkamal, Asim I. Khwaja, Erzo F.P. Luttmer, and Kelly Shue, 2016, Screening peers softly: inferring the quality of small borrowers, Management Science, 62(2): 1554-1577.

18.  Kindleberger, Charles P., 1984, A financial history of Western Europe, Routledge, Taylor and Francis Group, London and New York. 

19.  Lin, Mingfeng, Nagpurnanand R. Prabhala, and Siva Viswanathan, 2013, Judging borrowers by the company they keep: friendship networks and information asymmetry in online peer-to-peer lending, Management Science, 59 (1): 17-35．

20.  Lin, Mingfeng, and Siva Viswanathan, 2016, Home bias in online investments: an empirical study of an online crowd funding market, Management Science, 62(5): 1393-1414．

21.  Xie, Ping, Chuanwei Zou, and Haier Liu, 2016, The fundamentals of internet finance and its policy implications in China, China Economic Journal, 9 (3): 240-252.