自诞生以来，P2P网贷平台一直在质疑声中成长。随着备案的三度延期以及劣质问题平台风险的集中爆发，业内不禁忐忑P2P平台未来的发展之路在哪里？

　　随着互联网金融专项整治工作的深入有序开展，一方面少数平台选择良性退出，另一方面大部分平台积极配合监管要求正加速整改。

　　从机构角度来看，如何看待行业的集中“爆雷”？如何保障平台安全？行业未来发展路在何方？针对这些问题，人人贷联合创始人杨一夫接受了《金融时报》记者的专访。

　　《金融时报》记者：近期行业震荡，您怎么看？

　　杨一夫：近期很多平台陆续出现了兑付问题，其中相当一部分平台老板跑路，给行业声誉带来了很不好的影响，也影响到了投资人的信心。但是我们需要看到的是，目前跑路的这些平台大部分是自融平台或者是纯粹的欺诈平台，资金大量流入平台老板控制的其他公司，当平台因为经济下行或是股市波动等外部因素出现资金紧张时，便不能及时还款，更有甚者选择卷款跑路，给投资人造成了损失。

　　自融平台的一个明显特征是并没有上线严格、规范的银行存管，导致平台可以随意调动资金，实施自融。从另一个角度上讲，我们也看到大部分“爆雷”平台都在经营大额机构贷款业务，经营大额贷款业务需要更低成本的资金、更大的资产规模和丰富的资产类别对冲不同时间点上的风险，这本是银行的业务。网贷的互联网属性以及与传统金融机构差异化的定位决定了P2P网贷平台不太适合做这类业务，风险较难把握，这也导致部分大额业务平台转向自融或是变相自融。同时，还有少量出现问题的平台不具备资产自营能力，大量依靠外部团队，导致基础资产风险不明，这也给这类平台的持续经营带来了很大挑战。

　　不过，我们相信这一轮的震荡过去之后，行业会迎来更好的发展。

　　《金融时报》记者：因行业频繁出现的风险事件，P2P在饱受社会争议，行业将走向何方成为业内忧虑的问题。作为从业者，您如何看待网贷行业未来的发展？

　　杨一夫：在监管的作用之下，网贷行业正逐渐趋于理性。未来，行业竞争会变得更加有序，同时，能做的事情也会在更为严格的监管体系下，阳光透明地运行。在这种情况下，网贷平台一定要找对自己的商业模式，建立行业壁垒，其中很重要的一点就是要明确自身的定位，不仅仅是在商业环境中的定位，更重要的是在中国整体金融框架、社会框架下的定位，我们应该成为传统金融机构的补充，而非直接竞争者。我们提供的服务无论在客群上，还是需求上，一定是差异化的，是传统金融机构很难服务的部分，这才是网贷的优势、使命和价值。

　　普惠金融成为了P2P行业的“风口”。国家目前在防范金融风险的同时，鼓励支持实体经济的金融服务。网贷这一交易模式如果合规经营，专业服务小微需求，其实能够很好地成为传统金融机构的补充力量，去服务具有社会正外部性的普惠金融需求。

　　但是普惠金融业务真正实践起来并不容易。客群特性、政策准入、风控能力、商业模式等都需要做深入的研究。

　　《金融时报》记者：事实上，早前央行等五部委联合出台了《关于进一步深化小微企业金融服务的意见》，督促与引导金融机构加大对于小微企业的金融支持力度。P2P在支持小微企业方面的优势在哪里？

　　杨一夫：一方面是客群，根据我们对借款客群的长期观察，小微企业主的经营性资金需求是广泛存在的。按照监管的要求，网贷所能够覆盖的借款上限是个人单一平台20万元、企业单一平台100万元，这符合小微企业经营性借款的普遍资金需求。中国约有7300万小型和微小型企业，但是他们能够充分享受到的金融资源是非常有限的。传统金融机构较难覆盖20万元以下的小微型融资需求，而这恰恰是中国实体经济成长的“毛细血管”。网贷可以有效触达这一人群和这一微型额度需求，帮助他们更高效地获取社会闲置资本。

　　另一方面是数据技术。通过移动互联网的快速普及以及随之带来的数据快速积累，网贷等金融科技企业通过规模化的业务拓展方式和互联网化的发展速度，积累了大量差异化的用户数据，通过大数据的分析和人工智能、机器学习技术的应用，以个人信用为切入点和出发点，能够快速判断个体融资需求的可信性和有效性，对于识别用户欺诈风险和信用风险都提供了区别于传统金融机构风险管理方式的新的解决思路。

　　《金融时报》记者：根据监管要求，开展合规经营，加强风险防范成为当前P2P平台的重心，大数据等技术也被广泛用于风险管理中，如何有效识别与评估风险？

　　杨一夫：从业务上来讲，不同额度、不同利率、不同期限的信贷，其实本质上差异很大。对于20万元以内额度的信贷，在风控上是依托以数据为核心的方式。

　　然而，信贷有其特殊性，其主要表现是风险在时间上的滞后性和空间上的外溢性。时间上的滞后性是指信贷资产的风险逐渐累积并持续暴露，风险充分暴露的时间短则数个月，长则几年。空间上的外溢性是指现在社会各个经济金融业务之间都是广泛联系的，金融风险会在相关行业或者机构间进行传导甚至放大。

　　无论从理论上还是实践上，单纯的“数据驱动”方法很难通过用户在申请时点上的数据去预测用户一定时间之后的风险表现，应充分结合客群特征、产品特性，再结合大数据技术深刻探究用户数据和信用资质间的因果关系，使得信贷资产在相对较长时间后的风险表现能够符合当时的预测。

　　数据驱动不是没有价值，应该说未来的价值会越来越大，但人类长期积累下来的“可解释性”经验依然是数据驱动下不可或缺的矫正要素。