网络企业吸引风险投资论文范文第1篇

摘要：薪资待遇是企业吸引人才、留住人才的一种重要手段，因此，对于企业来说，做好其内部的薪酬管理，在保证企业内部收益平衡以及公平管理的前提下，尽可能的给予员工满意的薪资是促进企业市场地位提升，吸引更多优秀人才的有效方式，对企业的长足发展有着重要作用。针对这一命题，本文作出详细论述，从薪酬管理的含义谈起，着重分析了当前企业薪酬管理所存在的问题，并提出几点浅薄的应对和改进策略。

关键词：企业；薪酬管理；人力资源；问题；应对策略

薪酬管理是企业管理工作中的一项核心内容，更是企业人力资源管理的重点。对于企业来说，薪酬管理的实质是维持企业运营，提高企业市场地位，为企业拉拢和留住更多的优秀人才。同时，薪酬管理作为企业创造价值的一种手段，其管理制度设计得是否合理，管理质量是否优质将直接影响企业的人力资源价值，进而对企业的发展产生影响。因此，基于企业长期发展的理想，企业经营者务必要对薪酬管理加以重视，设计出完善、合理的企业薪酬管理体制，并将其贯彻、落实到实际管理工作中，促进企业的长足发展。

一、薪酬管理

薪酬管理是建立在企业人力资源管理的基础上的，是人力资源管理中的一个重要分支。企业的薪酬管理，实际上是指企业领导者或管理者对企业在职、临时、外聘等所有员工的报酬支付，且在实际支付时，要按照相关的支付标准、薪资发放水平以及要素结构等进行客观的分析，经确定之后再坚持公平性原则对员工薪资进行分配、调整和发放。

二、当前国内企业薪酬管理所存在的问题

自改革以来，我国相继出台了多种关于企业薪酬管理的制度，在一步步改进和完善的过程中，国内企业薪酬管理逐渐变得成熟。现行的企业薪酬管理制度是国企收入分配制度，从总体上讲，这种薪酬管理制度与我国当前国情是有所符合的，但在某些细微方面，国企收入分配制度仍然存在着较多的问题。主要如下：

1.政府对企业薪酬管理的干预过多

就目前来说，由于国内企业在薪酬管理上还尚未真正的掌握到主体分配地位，企业对员工薪酬的分配与管理仅仅只能在企业内部执行，薪酬分配的主导者仍然是国家政府，主体分配管理权也仍然掌握在政府手中。简单来说就是，由于我国社会主义经济体系的限定，导致目前国内大多数企业薪资总额的决定权掌握在了政府手里，企业所拥有的员工的薪酬管理和薪酬分配权利仅限于企业内部，这种分配是隶属于政府对企业薪资总额的掌控之下的，是由政府来决定与控制的。比较常见的有：某些地方性政府往往会通过行政手段介入企业的经营管理活动，对企业实行工资总额包干手法，严格控制企业的薪资总额；还有部分地方政府不仅会利用行政手段对企业的薪资总额实行控制，还会深入企业内部，对企业内部员工的工资比例等作具体的管理。政府介入企业内部薪酬管理，所得到的结果往往是事倍功半的，政府的行政介入使得企业自身的薪酬管理权无法落实，从而严重影响到企业内部的薪酬分配与人才管理。

2.没有建立明确的工作分析岗位鉴定制度

现阶段，国内大部分企业内部都没有建立明确的，关于工作岗位的鉴定制度。这一方面体现在劳动差别缺乏定量的依据，即对劳动技能、劳动强度、劳动责任、劳动条件等四要素没有进行较规范的评价，致使生产一线、二线、三线工作，以及艰苦、技术要求高的岗位与一般岗位的工资差别不能合理拉开；另一方面体现在对劳动者本身所具备的技术、业务能力水平和实际劳动贡献的考核指标较少，使得考核工作流于形式，没有与具体报酬相挂钩。

3.激励和约束机制不健全

知识经济时代下，人力资源是货币资源的创造者，所以企业在管理活动中，应该将工作重点放在人力资源的的储备以及培养上，以期通过对企业内部人力资源的充分利用，为企业创造出更大的经济价值和物质价值。然而，现实是，我国国内企业在对待人力资源管理这个问题上，并没有引起足够的重视。部分企业内部所建立的相关激励机制和约束机制不健全，没有充分、彻底的体现出企业人力资源的价值。具体表现在：國内大部分企业向员工所发放的薪酬偏低，给出的福利待遇不优厚，进而导致企业无法吸引人才、留住人才。这一现象在早期，九十年代之前表现得尤为突出。九十年代之后，尽管国内企业的薪酬结构体系在一定程度上有了适当的改进和改革，但这些改革仅被限制在企业员工基本工资的加成上，这种薪资激励方式是一种短期激励，难以立足于企业的长期发展。此外，由于目前国内现有的薪酬激励方式比较单一，企业经营者在提升员工薪资福利时，常用的激励方法大多是基本工资加奖金，或者年终奖金等，奖励机制的缺乏和不健全也是国内企业薪酬管理中所存在的一大主要问题。

三、关于加强国内企业薪酬管理的对策

1.减少政府的行政干预，增加政策供给

国家政府可适当减小对企业薪酬管理的干预力度，并针对企业内部薪酬管理所存在的问题给予一定的政策支持，尽量少用或不用行政手段对企业薪酬管理进行干预，摒除政府附着在企业身上的政治功能，使企业能够真正占领薪酬管理的主导权。政府应该给与企业薪酬管理、人力资源管理等多方面的自主决策权，以保证企业能够根据市场竞争情况来全面、自主的决定其内部的薪酬结构和薪酬水平。

2.对企业经营管理者给与适当的薪酬激励

国有企业可在内部要建立一套完善的经营者选拔机制，充分利用市场竞争来选出高素质的经营者，淘汰低素质的经营者，保证国有企业经营者的经营意识、薪酬理念与市场接轨。

3.建立科学的考核体系，完善健全的增资机制

增资机制是指企业内部所建立的，关于员工薪酬水平的增长和管理制度，在具体制定时要讲究操作的规范性和科学性。一般来说，企业在建立增资机制时，首先要做的工作是薪资调查，了解相关行业或其他企业的薪酬结构和薪酬水平；然后实行全面考核，考核内容包括职工能力、技术水平和工作贡献等；最后是决策阶段，决策要以考核结果为依据，且决策前需要征求全体职工的意见。

四、结束语

本文通过探讨我国企业薪酬管理存在的一系列问题，提出了改革和完善我国企业薪酬管理的观点和看法，希望能为推动我国企业薪酬管理的进一步发展做出有益的贡献。（作者单位：哈尔滨商业大学MBA、MPA中心）

参考文献

[1]郑晓明， 现代人力资源管理导论[M].北京：机械工业出版社，2002.

[2]王长城等， 薪酬构架原理与技术[M].北京：中国经济出版社，2003.

网络企业吸引风险投资论文范文第2篇

商业计划书的目的

一般有两个：创业融资：在创业前或创业中期利用商业计划书向外部投资者寻找投资。商业计划书是融资过程中不可缺少的一部分;发展规划：很多人错误地认为只有创业者在融资时才需要一份商业计划书;实际上公司发展的每个阶段都需要一份相应的商业计划书，它不仅有助于诸如向外部融资等企业的资本运作，而且有助于企业整理、思考并确定其中长期的发展战略和规划。

商业计划书应多长

这没有一个固定的答案。商业计划书可长可短，但总的来说取决于计划书的用途;创业内容。假如你是要用商业计划书去说服种子基金(seeding VC)来帮助你向风险较大的创业项目投资，那么你的商业计划书可能需要相当的篇幅来介绍你所将创立的业务，并要让投资者相信，他/她所冒的风险是值得的。假如你的计划书只是用于企业内部治理，那往往只需一个简短的篇幅。假如你所将创立的是一个全新行业，那商业计划书往往需要很长的篇幅。但这并不是固定不变的。Amazon.com的创立人JeffBezos当年就用一块餐巾纸向投资者描述了创立Amazon.com的计划，并成功地得到了宝贵的20万美元的种子投资。如今，Amazon.com已发展成为市值140亿美元的公司了。遗憾的是，绝大部分创业者没有JeffBezos那样的好运。

如何写商业计划书

首先，你应做“回家作业”。请闭上眼好好想象一下5年后你所创立的企业会在干什么?会有多大规模?增长速度会有多快?在有了目标后，接下来你就要想想采取何种方式和通过何种途径来达到这个目标。最后，你只要把你的所有想法汇总到纸上，你的商业计划书就成型了。

商业计划书的形式

WORD型，就是一大篇文章，以文字阐述为主。这种形式的优点是内容完整，结构严谨，能较好地反映公司的全貌;但缺点是往往篇幅较长，阅读费时费力，读者难以把握重点;PPT型，以幻灯片方式表现。这种形式的优点是生动活泼，重点突出，易于为人理解;但缺点是不够严谨和完整，难以全面细致地反映公司全貌。在现实中取哪种形式要视目的、对象等具体情况而定。不过，PPT型受到越来越多的青睐也是不争的事实。

商业计划书主要部分总结(Executive Summary)

总结部分告诉读者，你是干什么的?需要什么?所需东西有何用处?总结部分可包括以下内容：简短地介绍所创企业的股东结构、商业模式、产品和市场，直截了当地告诉读者你将生产的产品是什么、谁是你的顾客和为什么企业会有竞争力;直截了当地勾画出公司今后的财务情况，包括销售规模、利润等。清楚明了地指出需要多少资金达到预期目标，以及所需资金的主要用途;总结部分应该简短，起到画龙点睛的作用，篇幅一般不超过两页。

行业背景

在这部分，应详尽全面地介绍企业的产品或技术和企业所处的行业背景。行业背景一般包括行业现状、规模和将来的发展方向。如果行业中有几个市场区分，应逐一介绍。并对公司所对应的市场区分以及任何将会影响或改变这个行业市场区分的新产品，做出重点分析。

接下来应该介绍你所创立企业的商业模式、市场定位、所生产的产品或可提供的服务。重要的是突出你的企业如何形成可持续的竞争力，突出你的产品和服务的特殊性和与众不同的地方。要注意的是，在引用外部资料时，应注明资料来源，这对外部投资者来讲是非常重要的。

市场竞争

在这个部分里，应详细地介绍企业所面对的市场环境及竞争的状况。首先创业者应清楚地分析公司产品或服务所面对的市场区分的规模、潜力和增长率并指出谁是主要的竞争对手。竞争对手包括现在已存在的和今后潜在的竞争对手。在清楚地认识竞争对手后，应说明竞争者的策略，并对他们的优势和弱点做出分析。典型的分析包括SWOT分析(S：优势，W：劣势，O：潜在机会，T：威胁)。

发展计划与风险评估

在这部分应向读者介绍产品研发、生产和市场销售的计划，并做出一个相应财务计划来说明在每个阶段需要多少资金来完成目标。对产品发展过程中的每个阶段都必须要设立一个大致的时间表，并建立一个可估算的发展计划。

同时在这个部分中，应对企业做出一个客观的风险评估。包括技术风险评估、市场开发风险评估，以及财务风险、政策风险、法律风险评估等等。通过风险评估，应使读者对企业经营的主要风险有所了解。

组织架构和管理团队

在这部分里，应向读者介绍公司的组织架构及高层管理团队各成员的背景、阅历，他们的分工，以及他们在公司中所承担的责任。公司管理层和公司组织架构介绍应尽可能详细，因为一个好的管理团队和组织架构是企业发展成功的必要条件。

财务简介

财务一般是放在商业计划书的结尾部。但这并不说明它不重要，有经验的投资者会很仔细地检查每个财务数据。应客观地对公司财务做出介绍和分析，并对主要假设做出详细的说明。

三个比较常见的财务报表是现金 流 量 表 (Cash Flow Statement)、损益表(Income Statement)和资产负债表(Balance Sheet)。一般来说，最近一年的财务报表还需提供每个月的财务情况。

融资需求

在这部分，应将融资金融、资金用途及融资的大致时间表逐一介绍并做相应分析。如果公司对自身有一个初步的估值，也最好在这里进行披露。也可将公司对投资人的要求、愿意出让多少股权、愿意给予多少优先权利等做详细说明。

网络企业吸引风险投资论文范文第3篇

一、引言

风险投资是偏好高风险高回报的投资者的重要投资风向, 它的持续火热对于拥有高新技术却缺乏资本与管理资源的创业企业有着重要意义。

一方面, 创业企业具有高回报、高风险、企业规模小等特点, 其生产和经营具有非常大的不确定性, 很难在常态融资市场上筹集所需资金。

而风险投资机构筛选其认为最具潜力的创业企业进行投资, 能够成功解决创业企业融资难的问题。

另一方面, 由于创业企业受规模小、管理能力有限的限制, 后期管理不到位导致企业经营不善的现象时有发生。而风险投资机构在为创业企业提供资金支持的基础上, 还会积极地参与创业企业的经营管理, 帮助其快速发展[1]。

因此, 风险投资机构应建立系统全面评估创业企业投资风险, 有效控制风险水平;同时正确评估投后服务效果, 决定是否为创业企业提供增值服务。

为此本文针对初创期的创业企业, 构建BP神经网络, 通过风投机构提供的数据案例训练网络, 获得创业企业的投资风险评估模型, 为风险控制打下基础。

二、创业企业投资风险分析

在创业团队的初创期, 往往是天使投资人提供最初的启动资金。

由于企业尚无稳定的现金流, 所以天使投资人和风投机构都有巨大的投资风险。对初创的公司而言, 由于自身管理经验和运营能力有限, 所以许多风投机构提供投后服务, 以对企业的管理和运营进行协助和监管[2]。

因此, 风投机构会首先使用自己的模型对创业企业进行评估, 并对模型显示管理有问题的企业进行深度介入。

本文采用来自一个风投机构提供的643个原始案例。

案例中的初创公司均已达到起步阶段, 获得过首笔天使投资 (或自筹资金) , 有明确的产品或服务计划, 并已拿出产品样品, 但均未大规模推向市场。案例数据中包括风投机构对企业的调查结果, 是否执行该项投后服务, 以及28个月内的跟踪结果。

以企业在28个月内形成稳定收入, 或得到后续投资, 或风投机构达到预定的成功退出条件为成功。

根据这些数据, 本文采用神经网络的方法建立风险评估模型。

三、样本选取与数据筛选

在本文采用的原始数据中, 提供了每个公司三十多项指标的数据。由于存在数据缺失的现象, 为了保证BP神经网络训练实例的数量, 同时避免重要指标被忽略。

首先对原始数据的指标项进行筛选, 去除数据缺失严重、且与本问题关系不大的变量, 如失败经验人次等;其次, 对余下进行样本选取, 去除部分数据缺失的公司实例样本, 针对其余数据缺失的样本, 则根据实际情况进行数据补充, 如关键人员的专长和技术和制度化管理能力是风投机构对创业团队的管理能力的评估, 这两个字段记录的是在经验模型中的失分情况, 若数据中这两个字段为空白, 则视为管理不成熟 (该字段值为0) 。

根据本文采用的样本选取与数据筛选的方法, 我们获得包括:市场需求强度、技术入股 (以10%为界) 、初期外部障碍、团队职位空缺、发展路线图的详细度等23个主要影响因素, 以及共计498个创业企业实例样本。

根据所供数据, 我们将所有企业暂且分为四类 (0、1、2、3) 结局, 其中, 0为企业未突破样品阶段或正式产品未成功投放市场, 投资失败;1为投资成功;2为企业的正式产品已投放市场, 经营至28个月时未获得稳定收益, 也未获得进一步投资, 本次投资失败;3为企业的正式产品已投放市场, 但经营未及28个月即中止, 投资失败。

由这四种结局代表的公司, 以及公司成功地主要影响因素, 我们做出如下分析与分类:

A类公司 (成熟型公司) :市场需求强度, 管理类别, 管理成熟度, 发展路线的详细度这几个指标排在第一位。其余各项指标均没有出现排在最后的现象。

对于这类公司, 风投公司在进行风险投资后, 建议不进行深度介入, 由于其基本具备较完善成熟的管理体系。

B类公司 (风险型公司) :市场需求强度、发展路线详细度、目前收入可持续发展程度、初期发展障碍这几项指标均排在末位。其余指标没有明显占优的情况。

对于这类创业公司, 它们的不足往往是由于市场需求较小, 发展路线模糊而缺少可持续发展性。

对于这些由比较难改变的外部因素影响的企业, 风投公司在进行风险评估后, 可考虑是否对其进行投资。建议不进行深度介入。

C类公司 (强技术弱管理型公司) :这类创业公司有很高的技术入股, 并且在关键人员的专长和技术上占优。它的主要劣势在于管理能力。 (根据管理类别和管理不成熟度指标)

因此, 深度介入这类企业时, 需注意加强管理水平。

D类公司 (可持续弱技术型公司) :这类公司的跟投数量和目前可持续发展度很高。面临的问题主要也是管理。风投公司可在深度介入后考虑增加其技术入股。

四、BP神经网络原理

BP网络又称反向传播神经网络, 通过样本数据的训练, 不断修正网络权值和阈值使误差函数沿负梯度方向下降, 逼近期望输出。

它是一种应用较为广泛的神经网络模型, 多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。

BP网络由输入层、隐层和输出层组成, 隐层可以有一层或多层[3]。

图1是三层BP网络模型。网络模型中输入层有n个神经元, 输出层j个神经元。多层BP神经网络是一个高度非线性映射模型, 可以在任意希望的精度上逼近任一函数。

BP神经网络基本思想由两部分组成:输入样本前向传播并输出结果以及误差的反向传播更新网络权值。

样本数据前向传播时, 输入样本由输入层传入, 经隐含层处理后传到输出层, 若输出层的实际输出与期望输出不符, 则进入误差反向传播更新网络权值阶段。

误差的反向传播是将输出误差以某种形式通过隐含层向输入层逐层反转, 并将误差分配给各层神经元各个神经单元。

以矩阵形式表示, 样本集合为{p, t};网络的输入为p;计算输出为a;在第m层中, 输出为am, 传输函数为fm, 网络权值为Wm, 偏置值为bm;描述网络性能的均方误差为;均方误差的近似值为对m层的输入元素变化的敏感性为, 其中, ;雅可比矩阵为, 其中, F (5) m (nm) 为传输函数的导数组成的对角矩阵;学习速率为α。

BP神经网络算法的基本步骤为[4]:

通过网络将输入向前传播:

通过网络将敏感性反向传播:

更新权值与偏置值:

网络不断调节权值和偏置值, 使均方误差函数F达到极小。

BP网络具有高度非线性和较强的泛化能力, 但也存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点。可采用Levenberg-Marquardt非线性优化算法对BP神经网络进行训练, 获得最优的网络权值与偏置值, 从而达到网络均方误差最小的目的[5]。

五、基于BP神经网络的风险评估模型

本文使用BP神经网络, 根据筛选出的498例创业企业初创期的各项指标数据, 对创业企业的投资风险进行评估, 其目的是确定创业企业的最终结局与其创业期各项数据指标的关系, 为风投机构的投资策略提供良好的指引, 避免风投机构在投资期间遭受重大损失。

(一) BP神经网络构建

(1) 构建网络训练样本。我们对风投机构提供的643个初创公司的案例进行样本选取与数据筛选, 产生498个样本, 随机分为150个网络验证样本与248个训练样本。

(2) 输入层设计。经过数据筛选, 产生了包括:市场需求强度、技术入股 (以10%为界) 、初期外部障碍、团队职位空缺、发展路线图的详细度等23个主要影响因素, 将其作为输入, 即网络的输入神经元个数为23。

(3) 输出层设计。根据样本数据, 创业企业结局可分为0、1、2、3四类, 设计网络输出神经元个数为1, 其值为0、1、2、3, 代表各企业不同的结局。选择线性函数 (purelin) 作为输出层传输函数。

(4) 隐藏层设计。由于一个三层的BP神经网络可以完成任意映射, 故本采用一层隐藏层的设计, 但隐藏层的神经元数目的确定却十分复杂。

通常, 隐藏层神经元数目越多, 网络越健壮, 但也会带来学习时间过长、网络复杂度增加的缺点;故而确定一个合适的隐藏层神经元数目显得尤为重要。根据[6]可初步判断本网络的隐藏层神经元数目在[6, 20]之间, 以下将通过对比实验, 设计最优的隐藏层神经元数目。由于输出的创业企业结局为非负整数, 故选择隐藏层的传输函数为对数-S型函数 (logsig) 。

三、BP神经网络实验与分析

本文借助Matlab神经网络工具箱, 构建BP神经网络模型, 如图2所示。

由 (3) 式可以看出, 学习速度是网络的权值与偏置值改变的步长, 其直接影响网络的收敛速度[7]。

大的学习速率可以降低网络的迭代次数, 但却可能使网络无法收敛或降低网络精度。为了确定隐藏层的神经元数目与合适的学习速率, 我们通过固定的网络权值与偏置值的初值, 完成了不同隐藏层神经元数目、不同学习速率下模型训练的收敛速度实验, 测量了在设定的99.90%准确度下的训练迭代次数 (最高迭代次数为2000) , 并测试了在固定2000次迭代次数下, 网络基于150个验证样本的不同精确度, 结果如表1与表2所示。

由表1与表2可以看出, 隐藏层神经元数目为20、学习速率为0.05时, 网络模型性能最佳。选定准确度=99.9%、迭代次数=2000时, 模型的收敛性与仿真结果分别如图3、图4所示。

从上述实验结果可以看出:网络模型在343次迭代后准确度达到了99.90%, 在150个验证样本测试下, 其仿真结果与目标差距甚微;网络模型在2000次迭代后准确度达到了99.95%, 在150个验证样本测试下, 其仿真结果与目标几乎完全一致。由此说明, 本文所设计的BP神经网络对创业企业的风险评估十分准确, 能为风投机构的投资提供有效的参考, 达到降低投资风险的目的。

四、结论

(一) 本文分析了风投机构在对创业企业投资的风险, 对643个创业企业初创期原始数据, 进行数据筛选与样本选择, 最终获得与本研究相关的498个创业企业样本, 并根据企业创业结局, 将初创期企业公司分为:成熟型公司、风险型公司、强技术弱管理型公司、可持续弱技术型公司四类。

(二) 为了对创业企业投资风险进行有效评估, 本文分析并设计了23个输入层神经元、20个隐藏层神经元、1个输出神经元的三层BP神经网络, 利用248个创业企业样本对网络进行训练。

实验结果表明, 在2000次迭代训练获得的模型在150个验证样本的仿真中, 能够在99.95%的准确度下对创业企业投资风险进行评估, 满足风投机构的风险评估需求。

(三) 本文所设计的三层BP神经网络准确度高, 收敛速度快, 具有良好的应用价值。由于样本对数据的完整性要求较高 (缺失数据的样本无法直接使用) , 故在模型在鲁棒性上有所欠缺;在解释能力上, 网络的权值、偏置值与输入数据的重要性难以获得。故在构造网络结构时, 可以采用神经网络与遗传算法结合的方式[8], 或应用误差函数的偏导数, 如Logistic回归, 来解释输入变量相关性的问题[9]。

摘要：随着互联网金融的蓬勃发展, 中国风险投资进入快速发展阶段。而互联网金融外部环境多变、信息不对称加剧、信息碎片化严重、前景难以预测。建立风险评估模型, 有利于风险投资者有效评估创业企业可持续发展的能力, 更有利于创业企业融资与后期发展。

关键词：BP神经,创业,风险评估

参考文献

[1] 刘婧泓.风险投资与创业板企业成长能力的关系探究[J].商场现代化, 2017 (4) :230-232.

[2] 范秀岩, 李延喜.风险投资后续管理的内涵[J].工业技术经济, 2005, 24 (1) :126-129.

[3] MartinT.Hagan, HowardB.Demuth, MarkBeale.Neural Network Design[M].机械工业出版社, 2002.

[4] Liu X, Ma X, Liu X, et al.Based on BPNeural Network Stock Prediction[J].Journal of Curriculum&Teaching, 2012, 1 (1) .

[5] Kermani B G, Schiffman S S, Nagle HT.Performance of the Levenberg-Marquardt neural network training method in electronic nose applications[J].Sensors&Actuators BChemical, 2005, 110 (1) :13-22.

[6] 吴永兴.基于BP算法的神经网络信用风险度量实证研究[J].印度洋经济体研究, 2010, 25 (3) :50-52.

[7] 吴凌云.BP神经网络学习算法的改进及其应用[J].信息技术, 2003, 27 (7) :42-44.

[8] Yang H, Yang Y.An Improved Probabilistic Neural Network with GAOptimization[C].Fifth International Conference on Intelligent Computation Technology and Automation.IEEE, 2012:76-79.

网络企业吸引风险投资论文范文第4篇

一、4G网络工程项目风险管理概述

4G网络工程项目风险管理是项目管理的构成部分, 包括项目风险规划、风险识别、风险评估、风险评价、风险应对、风险监控等环节和过程, 具体包括以下方面的特征:

(1) 客观存在特性。项目风险客观存在于项目之中, 表现出不同的内容、形式和载体, 为此要从观念和意识上主动及时地发现、识别和分析, 实现对风险的有效管理和控制。

(2) 不确定性。4G网络工程项目风险存在突然性、不确定性, 难以准确预测风险未来发展的走向、程度, 因而要对项目风险进行实时、动态、随机的管理和控制, 做好项目风险的有效识别、预警和防范。

(3) 相对性。项目企业会具有一定的承受能力, 根据其收益、投入、资本等情况, 可以判定风险发生的可能性和影响程度, 通过增强企业自身抗风险能力的方式, 实现对项目风险的有效管控。

(4) 多变性。4G网络工程项目风险并非是单一种类和形式的, 可以利用系统理论、概率理论、模糊方法, 定性和定量分析项目风险, 实现对项目风险的识别、控制、处置、规避和管理。

二、LT企业4G网络工程项目风险识别与评价分析

(一) 4G网络工程项目风险识别

1. 项目风险识别依据

LT企业4G网络工程项目风险因素的识别依据主要包括以下内容: (1) 工程项目计划。4G网络工程项目风险与LT企业工程项目计划有直接的关联, 要结合企业发展战略和现有网络建设, 进行4G网络工程的总体性部署和安排, 并通过对工程项目计划各阶段建设目标的分析, 获悉和掌握工程项目的不确定性风险。 (2) 同行业或类似项目的资料。国内外相关行业及项目的资料对于4G网络工程项目风险识别有参考和借鉴作用, 如:3G/4G网络建设项目;案例中的风险发生原因、过程及影响结果研究等。 (3) LT企业财务报表。LT企业财务报表真实准确地反映企业财务收支、经营生产状况等, 成为4G网络工程项目建设的有力支撑。 (4) 4G网络工程项目建议书、可行性研究报告、合同及招投标文件。 (5) 实地调研和现场勘察。

2. 项目风险识别方法

LT企业4G网络工程项目风险识别要从项目内部和外部两个方面进行分析, 项目内部风险主要包括有项目整体发展战略风险、运营风险、财务风险、合同风险、规划设计风险、组织协调风险、进度风险、质量风险;项目外部风险主要有技术风险、信用风险、法律法规风险、环境风险、行业风险和项目市场风险等, 要从定性和定量分析的方式进行研究, 关注风险因素之间的内在关联性, 从而全面有效地识别和控制项目风险。

(二) 4G网络工程项目风险评价

要构建LT企业4G网络工程项目风险评价模型, 合理设定各个评价指标体系的权重, 科学全面地评价项目内部风险、外部风险和其他不确定性风险[1]。

三、LT企业4G网络工程项目风险防范对策分析

(一) 组织协调风险的防范策略

LT企业4G网络工程项目风险的防范应对措施主要包括以下方面: (1) 外部参与方的组织协调风险应对。要明晰4G网络工程项目风险参与各方的权责, 具体包括有:工程管理部负责项目启动并进行风险因素勘察要求交底、制定风险处置方案并监督计划落实;设计方通过现场勘察识别风险因素并提交风险评估报告;会审部门审核项目风险评估报告并确定项目风险等级;监理方编制风险监控报告并提出风险处理方案。 (2) 内部参与部门的组织协调风险应对。要建立有效的沟通协调机制, 促进网络发展部、运行维护部、监控中心、采购部、信息部、财务部等部门的衔接, 并建立相应的保障机制, 合理调整项目工序过程, 提升项目团队合作及协调能力。

(二) 规划设计风险的防范策略

(1) 合理设计工程项目计划。LT企业4G网络工程项目计划设计要依循行业相关硬性规定, 如:预先做好工程站点部署规划工作;采用分裂扇区以提升宏站效率;增加宏小区以提升宏站容量和数据速率;以前期干扰测试结果为依据合理布局立杆;考虑立杆站的覆盖能力, 主要采取深度覆盖方式等。

(2) 后备措施。LT企业4G网络工程项目存在超乎计划之外的特殊情形, 如:选址更换调整;地质勘察与实际不相符合等问题, 必须采用风险预防和转移的方式, 进行工程项目管理。

(三) 质量风险的防范策略

(1) 人为因素的质量风险管控。要秉持以人为本的理念, 激发企业员工的工作积极性和主观能动性;并做好内部人员的培训和教育工作, 使施工人员掌握专业技术、风险管理能力和职业道德素质。

(2) 材料风险管控。要做好LT企业4G工程的材料风险管控, 包括材料质量、配件、技术标准、性能特征等, 充分考虑工程项目材料的特殊性, 科学评价和验证工程项目施工材料, 降低材料风险。

(3) 机械风险管控。LT企业4G工程牵涉较多的机械精密仪器, 如:驻波仪、光功率计等, 必须对相关机械进行严格检查和性能测试, 采用完善的机械维修和报废制度, 有效降低机械风险[2]。

(四) 市场风险的防范策略

LT企业4G网络工程市场风险来自于原材料价格的变化风险, 为此, 要长时间、持续性地监控和预测原材料价格变化趋势, 并通过项目实施前签订原材料采购合同的方式, 以防范原材料价格上涨带来的风险。同时, 还要考虑区域用户数量减少、通信资费降低而带来的市场风险, 应当从企业整体战略规划的角度, 进行市场风险应对和防范。

(五) 潜在风险的防范策略

(1) 及时准确评估风险。LT企业4G网络工程项目参与方较多、环境复杂, 要及时准确地评估潜在的风险因素, 确定潜在风险的影响等级和程度, 从而确定是否要制定相应的风险应对策略。

(2) 合理制定风险预案。LT企业4G网络工程存在难以回避的信用风险, 如:传送网光缆线路工程原材料的交付延迟, 会对LT企业带来较大的风险, 为此要制定风险预案, 做好应对信用风险的充分准备。具体来说, 风险预案的拟定可以从内部和外部两个方面加以实现, 其中:内部解决风险预案包括加强内部控制、加强财务部门融资方案审批等, 以有效规避操作风险和财务风险。外部解决风险预案则可以采用风险业务外包的方式, 实现风险的转移。如:传送网光缆线路项目存在自然环境风险, 可以采用业务外包的方式进行风险转移。

(3) 建立风险预警管理系统。要严格落实风险管理方案, 可以采用关键风险指标管理的方式, 量化分析风险产生的原因和关键影响因素, 并建立风险预警管理系统, 持续监控和及时反馈风险管理方案的落实情况, 适当对其进行优化和调整[3]。

(4) 强化风险监控。可以成立专门的风险监控小组, 提供相应的人力、物力资源, 实现对工程项目的长期、持续性的风险监控。同时, 要组建专门的审计机构或委托第三方进行风险审计, 强化项目风险监控。

四、小结

综上所述, 4G网络工程项目牵涉较多的专业、参与方较多、质量要求极高, 为此要注重LT企业4G网络工程项目的风险分析、预估和评价, 从运营组织、技术管理等方面, 做好项目组织协调、规划设计、质量、市场及潜在风险的应对和防范。未来还要加强4G网络工程项目的风险防范意识, 整合多方资源, 进行项目风险的评价, 提升风险管控水平。

摘要：面对当前信息通讯技术和互联网技术快速发展的趋势, LT企业4G网络工程项目建设面临较大的挑战和风险, 为此有必要探讨LT企业4G网络工程项目风险防范和管理对策, 分析LT企业4G网络工程项目的内容及特点, 运用相关技术和方法进行项目风险识别和评价, 提出针对有效的风险应对策略, 提升企业4G网络工程项目风险管控水平。

关键词：LT企业,4G网络工程,项目风险,防范

参考文献

[1] 周冰洁.通信工程项目中的风险管理与控制策略研究[J].信息通信, 2018 (02) :15-17.

[2] 侯林峰.移动通信工程项目风险管理[J].建材与装饰, 2016 (29) :36-37.

网络企业吸引风险投资论文范文第5篇

【摘要】網络借贷在推动普惠金融的同时，其中的信用风险越来越多地暴露在公众面前，引发一系列的争论和质疑。本文从网络借贷的资金需求方入手分析，将网络借贷产生的信用风险归为个人信用问题，而个人信用管理体系对于信用风险防范和管控具有至关重要的作用。本文围绕信用管理体系，回归梳理了法律监管、信用征信建设、信用评估、贷后风险管理四个环节的具体内容和网络借贷背景下相应环节的研究现状，并认为大数据征信、动态评分模型研发和大数据贷后风险管控将会是未来研究方向。

【关键词】网络借贷 个人信用 信用风险 研究综述

一、引言

作为基于互联网平台开展借贷业务的新型借贷模式，网络借贷属于金融的互联网居间服务（姚海放等，2013）。主要模式有P2P网络借贷模式和电商供应链金融模式等。P2P网络借贷是个人对个人，不以传统金融机构为媒介的借贷模式。电商供应链金融是电商平台将中小企业与金融机构的信息有效对接，为平台上资金匮乏的中小企业提供各种形式融资服务的借贷模式。而网络众筹包括但不限于网络借贷模式。网络借贷借助互联网技术的信息获取优势在一定程度上提升了金融资源配置效率，缓解了小微金融市场的信贷失衡现象。据统计，2015年全年网贷成交量达9823.04亿元，相比2014年增长了288.57%，然而2015年全年问题平台达到896家，是2014年3.26倍。目前监管细则落地、不完善的征信体系、借贷利率虚高、債务结构不合理等原因造成问题平台突出，凸显网络借贷的信用风险问题。

二、网络借贷信用风险与个人信用风险

网络借贷的信用风险是指借款人未按合同约定向投资人支付本金、利息的风险和债务人未按约定向公司支付款项的风险。资金需求方主要以小微企业或者个人为主，因而网络借贷的风险问题更多地归结为个人信用风险问题。个人信用有狭义和广义之分：狭义个人信用指消费信用，即将贷款用于个人或者家庭的消费型活动，广义个人信用泛指以个人名义发生的借贷关系，其目的除个人或家庭消费外还用于生产经营。因而无论担保与否，P2P网贷中发生的借贷关系兼可归为个人信用问题。而以B2C模式和B2B模式为主的电商平台供应链金融中，信用关系的维续也存在着个人信用问题。

三、网络借贷信用风险研究

（一）网络借贷个人信用体系

由于信息不对称问题，传统商业银行小微贷款业务存在着逆向选择和道德风险问题。在贷前，对借贷人信用信息掌握不全面等原因会使得银行偏向于为能够接受现有利率水平的客户发放贷款，因而风险较大的客户会为银行带来较大违约风险，存在逆向选择问题。在贷后，则存在将款项用于非银行指定用途以及未按约定还本付息等道德风险问题。因而，为缓解信息不对称导致的一系列问题，小额信贷是依赖于征信环境、信用评估技术等个人信用体系的全面发展。个人信用体系包括个人信用征信、信用风险评估以及信用风险管理等多个环节。同时需要外部的法律监管和内部行业自律来指导其健康发展。征信完成对个人信用数据的收集并构建个人信用数据库，信用评估对信用数据建模分析来提供信用评分供需求者使用。最后，信用风险管理通过对信用风险的计量、预警和转移等手段来揭示和管理信用风险。

在网络环境下信息不对称问题依于大数据等信息挖掘技术优势而有所缓解。但信息技术的辅助并不能从根本上消除信用风险，网贷平台上诚信环境的构建同样依托于完善的个人信用体系。作为新型金融，网络借贷发展初期处于法律空白和监管盲区，亟需法律监管更新和行业自律控制。同时，融资者多数属于传统金融机构的边缘客户群，现有征信系统尚未覆盖或掌握信息存在时滞，这便对信用体系基础建设提出更高要求。在无抵押信用借贷模式中，需要借助信用评分来辅助双方的借贷决策，而贷后信用风险管理是进一步对借贷风险的揭示和防范。因此，网贷平台的信用风险具体细化在个人信用体系的各个环节，同时各环节的不断完善将有助于信用风险防控。如图1为网络借贷信用管理体系各环节的具体内容。

（二）信用管理内外部约束

1.传统领域。个贷行业发展需要来自主体外的立法建设和行政监管。法律制度主要包括对个人信用信息的采集、使用和披露，个人隐私界定与保护，个人破产保护等一系列法律制度。行政监管负责对征信机构、信用数据库、信用评估机构的监督管理、违法行为监管以及公民诚信意识宣传等。2013年《征信业管理条例》、《征信机构管理办法》等法规的出台使我国征信市场步入有法可依的轨道。《条例》规定中国人民银行及其派出机构为国务院监督管理机构，同时对个人信用信息开放与保护等问题做出相关规定。但较之信用制度健全国家，立法体系落后于实业发展、法律法规实施不到位、缺乏完善配套管理制度、信息共享机制尚未确立、失信惩罚机制落后等问题突出，制约着个人信用体系的发展。

2.网贷领域。网络借贷发展中的潜在法律风险，可从网贷平台、贷款人、借款人和第三方支付等方面划分。网贷平台作为信息中介应视为融资居间合同的居间人，不介入借贷双方交易。但一些偏离纯中介模式的网贷平台面临着额外的法律风险，表现为非法吸存和非法集资、非法经营、从事违法的居间活动、违反保密义务、“洗钱”、非法公开发行债券、以及涉及担保项目可能违反有关融资担保管理等风险。网贷贷款人面临的法律风险包含电子合同合规性、出借人债权合法性、出借人隐私权以及借助平台非法公开发行证券风险等。网贷借款人作为融资方，面临着与网贷平台类似的风险。第三方支付平台面临的法律风险表现在资金托管法律问题和沉淀资金法律问题。此外，道德风险也是制约行业健康发展所不能回避的问题。在监管政策上，已明确由银监会管理P2P网贷发展。目前P2P网络借贷在市场准入标准、退出机制、资金管理、信息透明等运营方面缺乏统一标准，运营风险的增大会进一步影响信用风险。在行业自律方面，目前已形成中关村互联网金融行业协会、广东互联网金融协会、北京市网贷行业协会等区域性自律组织。

网络借贷发展对于立法建设和监管探索的要求，逐渐成为学术界的共识。姚海放等学者（2013）认为，我国网络借贷行为应置于民间借贷范畴内，提出应将民间金融阳光化等思考。林荣琴（2014）从借贷关系法律界定出发，提出完善中介平台准入制度和中介平台信用评级制度，以增强中介平台信息透明度和建立行业协会自律组织等建议。杨振能（2014）提出明确网贷行为规则和法律责任的监管思路，并辅之以信用风险、流动性风险等一系列风险管理要求。刘绘（2015）提出规范信息披露和消费者保护等行为、过程控制式监管规则、完善以征信与评级为主要内容的信用体系等监管建议。网络借贷行业尚未形成完善的内外部约束，是由于信用观念、意识等因素，作为根源的传统个人信用领域尚未形成稳定的内外部保障所致。

（三）信用数据基础建设

1.传统领域。信用数据基础建设是信用管理体系的基础部分，主要有信用数据征集和数据库组建两部分。信用数据包括个人基本信息、信贷交易信息和反映個人信用状况的其他信息。在征信模式发展方面，杨晖（2011）指出我国已形成公共征信和私营征信并存互补的征信格局，作为行业和地方征信机构的补充，私营征信机构不断发展壮大。公共征信机构通过行政力量收集信息，私营机构通过协议方式采集公开渠道信息。但在发展过程中，隐藏着征信标准化滞后、信息共享机制缺失、信息安全等问题。

2.网贷领域。传统征信报告提供借贷人基本信息、贷款申请记录、还款情况等。在网络借贷领域，金融消费的精细化营销、个性化服务和批量处理将成为主要运营模式，因而新型金融催生着新的征信需求，云计算、数据挖掘等技术则为征信产品的创新升级奠定了技术基础。袁新峰（2013）在互联网征信研究中指出，除建立同业数据库外电商平台通过对累积客户行为数据进行深度挖掘，作为客户消费授信的评价依据，大数据征信已初见端倪。

对于大数据征信的发展研究，吴晶妹（2014）认为传统征信覆盖人群有限、数据反映能力不强等问题突出，而网络征信以海量数据刻画信用轨迹，通过记录信用行为状况和综合信用度来预测个人偿还能力和信用风险，目前中国征信体系建设中心已逐步向网络征信过渡。杨坚争等人（2015）认为网络征信数据来源包括社交媒体数据、网络借贷数据、网络购物数据、其他相关数据，其中社交媒体数据包含微信、微博等社交数据用以确认用户身份，网络借贷数据可提供逾期记录等信用信息，网购数据则提供以往电商网站购物记录和交易流水等财务数据，其他如打车记录、O2O生活行为记录、违章记录等生活数据均可用于大数据征信。刘新海（2014）借鉴美国新型网贷公司大数据技术，指出多元化征信不仅包括传统信用数据，还包括可用于挖掘个人性格、行为特征等网络数据，进一步说明了 “一切数据兼信用”。魏强（2015）提出大数据征信可包括挖掘多渠道数据源的信息特征、寻找变量间关联性、信用特征再归类、特征权值设置、计算综合得分等步骤。孔德超（2016）认为大数据征信具有数据来源广泛、市场定位清晰、应用场景多样化等优势，但在个人隐私保护、数据所有权、控制权、收益权问题仍需要在现有法律政策下进一步探讨。

（四）信用评估技术

1.传统领域。信用评分技术作为信用管理体系的核心，包括数据预处理和信用评分模型建模两个阶段。在预处理阶段，原始数据普遍存在噪音数据、遗漏数据、不一致数据等问题，需要进行数据清洗、数据变换和数据规约等预处理。其中，数据清洗是对不符合要求的数据进行处理，包括缺失数据填补技术、异常值检测处理、重复数据整合等；数据变换通过对连续数据离散化和不平衡样本结构优化来实现数据的规范化，将其转换为适合建模的形式；数据规约则是在将数据清洗和变换后，在不丢失有效信息的前提下对数据降維。

在评分建模过程中，首先需分析个人信用的影响因素，确定反映个人基本情况、偿还能力、偿还意愿等各方面的评分指标集，经排序加权后形成评分指标体系。指标体系的建立保证了评分模型数据输入的稳定性。同时在初选过程中，需要借助统计方法评估指标识别能力，并根据宏微观因素对指标体系不断修正和优化，保证评估的多维性和动态性。评分模型的检验包括模型精度检验和稳健性检验，其中模型精度是指评分模型判断个体类别的能力；稳健性强调模型对建模之外数据的预测能力。

具体的模型发展有统计学模型和非统计学模型两个发展阶段。在统计学评分模型发展中，先后出现了线性回归方法、Logistic回归方法以及Probit回归等方法，但因解释性不足未得到广泛应用。之后相关学者们将最近邻法、决策树模型和贝叶斯网络模型引入到评分模型中，逐步调高了模型的预测精度和稳健性。在非统计学评分模型发展中，先后出现了人工神经网络、遗传算法等人工智能方法在处理非线性化特征变量问题具有明显优势。之后，Baesens等人（2003）较早将支持向量机方法引入到评分模型中，认为较神经网络方法支持向量机方法性能更优。Bellotti等人（2008）将支持向量机算法引用到信用评分和重要特征属性发现研究中。Terry（2014）基于传统非线性支持向量机的缺陷，将聚类支持向量机（CSVM）算法引入到信用评分领域，经比较后认为CSVM模型可达到更优分类表现。

此外，通过组合将单一模型的优势互补以达到信息利用的最大化，已成为信用评估领域的研究趋势。Tian-Shyug（2002）将判别分析预测结果和其他特征变量一起作为输入单元建立神经网络模型，认为组合模型可以提高神经网络的收敛速度和预测精度。石庆焱（2005）提出基于神经网络和Logistic回归的混合两阶段评分模型，并将神经网络输出结果和其他特征变量一起作为Logistic回归模型的解释变量，结果显示组合模型的稳健性和预测精度较单一模型更优。姜明辉（2007）将Logistic模型和RBF神经网络模型的分类结果通过线性方法组合起来，结果表明组合模型在预测精度上较优。David West（2005）基于Bagging和Boosting方法构建了神经网络集成模型，Mariola（2009）利用Bagging和Adaboost算法集成了决策树模型，认为模型在信用评分预测精度和稳健性表现优良。

2.网贷领域。借贷评审是网贷平台最关键的技术，而信用风险在贷审环节的体现就在于贷款项目和信贷额度的控制。P2P网贷同样采用信用评级的方式，基于信用数据建立信用评分模型对违约风险进行量化评估。

近年来，国外信用风险评分技术在机器学习领域和数据挖掘算法领域不断深入。Malekipirbazari（2015）建立以随机森林为基础的分类方法预测借款人状态，并基于美国借贷网站借贷数据展开实证研究，认为随机森林算法在识别优质借款人方面优于FICO信用评分。Maria等人（2015）运用流数据挖掘技术，在传统评分模型基础上建立基于历史数据流的动态信用风险评分模型，实验证明该动态模型具有较好的鲁棒性。Fatemeh等人（2015）建立基于特征选择算法和集成分类器的数据挖掘组合模型，实证认为在评分性能方面基于非参数设置的数据挖掘组合模型优于基于参数设置的单一模型。美国网贷公司ZestFinance则基于集成学习和多角度学习的模型设计思路，设计身份验证模型、欺诈模型、还款能力模型、还款意愿模型、稳定性模型等从不同角度预测借款人的信用状况，克服了传统单一模型考虑因素的局限性。

在国内柳向东（2016）选用具有平衡效果的SMOTE算法对非平衡数据预处理，运用多种数据挖掘算法建立信用风险评估模型，实证得出随机森林模型算法对于违约项目的识别能力最佳。林汉川等人（2016）将随机森林模型与Logistic回归模型建立组合模型，实证认为模型有效克服传统模型数据噪声敏感问题和变量容量问题。

（五）贷后信用风险管理

1.传统领域。贷后信用风险管理是个人信用管理体系的下游部分，旨在通过信用风险计量、预警和转移，实现信用贷出方的最大安全性。传统商业银行实施信用风险管理，主要依据2005年实施的《新巴塞尔协议》。《新协议》提出商业银行全面风险管理的三大支柱，其中对最低资本要求的计算包含了对信用风险、市场风险和操作风险的度量。信用风险转移是指借助特定金融工具把信用风险转移至其他金融机构的信用转嫁方式，常见金融工具有资产证券化、信用担保、保险等。

2.网贷领域。网贷平台中信用风险管理偏重于贷前征信和贷审模型研发，对于贷后信用风险计量和转移尚未得到广泛关注。杨从正（2015）在P2P借贷风险管理体系研究中，认为借贷平台对事后的违约补偿可采取融资担保方代偿、保险公司信用保证保险赔付、风险准备金补偿等方式。逄明亮（2015）指出宜信公司在贷后风险担保方式上推陈出新，推出国内首例保险、信托、小额贷款三方合作。通过发行信托产品并向保险公司投保，险种为金融机构贷款损失信用保险，此项信用保险措施与信托计划的信用增级措施共同作用达到多重增信目标。向明（2015）分析美国网贷公司Kabbage在贷后风险管理经验，通过设立拖延还款惩罚机制，除收取一定延迟费外还保留向其他机构报告的权利。庞淑娟（2015）则认为数据挖掘技术可实现信用风险预警，譬如分类与预测可基于历史数据形成预测规则，孤立点分析可用于欺诈行为预测等。尹丽（2016）从第三方资金托管角度出发，分析我国网贷第三方资金托管发展现状、模式及现存问题，提出应明确第三方托管主体和托管机构的权利与义务等建议。

四、结语

基于以上综述，个人信用管理体系的完善是网贷信用风险研究的主要领域。对法律和监管细则的探讨正指导着网络借贷向合法合规化发展。个人征信业的研究逐步向大数据征信及网络征信聚焦，科技创新已成为推动普惠金融的强大引擎。在评分模型研发环节，现阶段单一评估模型中新技术的不断探索、组合评估模型精度和稳健性的提升以及基于大数據的动态模型的深入研究将有助于借贷平台的信用风险管控。同时大数据技术为贷后信用风险管理提供新的研究视角，将大数据动态监管融入到现有贷后管理体系中。网络借贷的商业模式已逐步成型，大数据分析、数据挖掘等信息技术将会在网络借贷的发展，乃至互联网金融体系的演变中发挥越来越关键的指引作用。

参考文献

[1]姚海放等.网络平台借贷的法律规制研究[J].法学家，2013（05）.

[2]2015年中国网络借贷行业年报[J].金融世界，2016（02）：第90-91页.

[3]林荣琴.论我国P2P线上网络借贷的法律风险控制[D]，2014，中国政法大学.第50页.

[4]刘绘与沈庆劼.P2P网络借贷监管的国际经验及对我国的借鉴[J].河北经贸大学学报，2015（2）.第56-61页.

[5]杨振能.P2P网络借贷平台经营行为的法律分析与监管研究[J].金融监管研究，2014（11）.第25-41页.

[6]张雨辰与杨坚争.大数据背景下的互联网金融征信问题研究[J].电子商务，2016（05）.第55-56頁.

[7]魏强.大数据征信在互联网金融中的应用分析[J].金融经济，2015（08）.第11-13页.

[8]杨晖与卢昊.中国特色征信体系模式研究[J].金融理论与教学，2011（04）.第1-4页.

[9]刘新海与丁伟.大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J].清华金融评论，2014（10）.第93-98页.

[10]葛志苏.互联网金融背景下征信业市场化发展研究[J].武汉金融，2014（12）.第33-34页.

[11]孔德超.大数据征信初探——基于个人征信视角[J].现代管理科学，2016（04）.第39-41页.

[12]袁新峰.关于当前互联网金融征信发展的思考[J].征信，2014（01）.第39-42页.

[13]吴晶妹.2015展望：网络征信发展元年[J].征信，2014（12）.第1-4+83页.

[14]向晖.个人信用评分组合模型研究与应用[D]，2011，湖南大学.第131页.

[15]帅理.个人信用风险评估理论与方法的拓展研究[D]，2015，电子科技大学.第 144页.

[16]孙亚南.中国个人信用管理体系建设研究[D]，2008，中国人民大学.第178页.

[17]Sousa，M.R.，J.O.Gama and E.Brand O，A new dynamic modeling framework for credit risk assessment[J].Expert Systems with Applications，2016.45：p.341-351.

[18]Harris，T.，Credit scoring using the clustered support vector machine[J]..Expert Systems with Applications，2015.42（2）：p.741-750.

[19]Kozeny，V.，genetic algorithms for credit scoring[J]..Expert Systems with Applications，2015.27：p.11-23.

[20]Koutanaei，F.N.，H.Sajedi and M.Khanbabaei，A hybrid data mining model of feature selection algorithms and ensemble learning classifiers for credit scoring[J]..Journal of Retailing and Consumer Services，2015.27：p.11-23.

[21]宋丽平.张利坤与徐玮，P2P网络借贷个人信用风险评估[J].财会月刊，2015（35）.第94-96页.

[22]夏立明.边亚男与宗恒恒，基于供应链金融的中小企业信用风险评价模型研究[J].商业研究，2013（10）：171-177页.

[23]柳向东与李凤.大数据背景下网络借贷的信用风险评估——以人人贷为例[J].统计与信息论坛，2016（05）：第41-48頁.

[24]刘新海与丁伟.美国ZestFinance公司大数据征信实践 [J].征信，2015（08）：第27-32页.

[25]杨从正.P2P借贷风险管理魔方体系构建研究[D].2015，云南大学.第56页.

[26]李宁宁.P2P资金第三方托管问题研究[D].2015，华南理工大学.第52页.

[27]赵刚.商业银行信用卡业务信用风险管理研究[D].2007，华东师范大学.第158页.

[28]逄明亮.我国P2P网络货款平台全面风险管理体系构建研究[D]，2015，山东大学.第76页.

[29]庞淑娟.大数据在银行信用风险管理中的应用[J].征信，2015（03）.第12-15页.

[30]尹丽.P2P网络借贷平台资金托管问题研究[J].当代经济管理，2016（01）.第86-90页.

[31]杨大楷与俞艳.中国个人消费信贷状况及风险防范研究[J].金融论坛，2005（07）.第45-50+63页.

[32]向明.冀源溪与曲博，美国大数据网络贷款公司Kabbage的运营模式及启示[J].征信，2016（01）：第60-62.

作者简介：李銘（1993-），女，内蒙古乌兰察布人，硕士研究生，中央财经大学信息学院，研究方向：互联网金融。

网络企业吸引风险投资论文范文第6篇

摘  要：当前P2P网络借贷平台面临的风险主要有平台内部风险、借款信用风险、资金来源风险和资金用途风险。P2P网络接待平台在很大程度上弥补了我国金融资源配置的不足，对于解决融资难投资难问题起到了积极作用。因此，我们要加强P2P网络借贷平台的监管力度，实现P2P网络借贷平台的健康发展。

关键词：P2P网络借贷平台;风险;监管

一、我国P2P网络借贷平台的发展

（一）起步阶段（2007年至2009年）。2007年，发达国家的P2P网络借贷平台正式进入我国，我国第一个P2P网络借贷平台是拍拍贷网络借贷平台。从那之后，一直到2009年，我国的P2P网络借贷平台便逐渐推广开来，一批P2P网络借贷平台开始出现。据不完全统计，在这一阶段我国P2P的数量仅有三十余家。

（二）快速膨胀阶段（2010年至2014年）。从2010年开始，我国的P2P网络借贷平台经历了一个快速膨胀期。在这一期间，有许多的P2P网络借贷平台出现，人人贷、积木盒子等P2P网络借贷平台大量进入市场。拒不完全统计，截至2014年底，我国的P2P网络借贷平台就达到了三千余家。这种快速膨胀，从成交额也可以看出。在2012年，全国P2P网络借贷平台成交额仅有200亿，然而到了2014年，就达到了3000亿。

（三）稳健发展阶段（2015年至今）。从2015年至今，P2P网络借贷平台的风险性开始凸显出来。特别是随着前几年的快速发展之后，P2P网络借贷平台参与人数越来越多，在2014年日参与人数甚至一度达到了七万多人。国家以及地方政府开始通过多种途径希望通过遏制P2P网络借贷平台的发展势头，而达到控制P2P网络借贷平台风险的目的。

二、我国P2P网络借贷平台面临的风险

（一）平台内部风险。对于P2P网络借贷平台来说，平台内部的风险已经外显出来。P2P网络借贷平台主要依托于高科技互联网技术而发展起来的。然而，这种高科技除了使得P2P网络借贷平台功能更加强大之外，还会增加互联网金融风险成本，特别是一些高科技互联网技术漏洞的存在，极易发生一些泄密事件，比如将借款人、出借人等的身份信息、财产信息等隐私泄露出去。

（二）借款信用风险。P2P网络借贷平台是一种互联网金融借贷模式，不仅具有金融平台的特点，同时也具有互联网虚拟性的特点。同时，P2P网络借贷平台无法直接对接中国人民银行的征信中心。因此，在很大程度上，P2P网络借贷平台在向借款人借款时，只能通过借款人提供的身份证等各种身份证件、财产证明甚至是熟人评价等来考核借款人的还款信用。然而，由于是通过互联网进行操作，P2P网络借贷平台所需要的这些证件和证明非常容易造假，一旦将资金出借给信用度极低的借款人，这种损失是非常慘痛的。

（三）资金来源风险。P2P网络借贷平台的资金来源基本无从考究，因此，无法完全肯定P2P网络借贷平台资金来源的全面合法性。P2P网络借贷平台仅仅被作为一个中介平台被使用，因此基本没有审核客户资金来源的权力。然而，非法资金如果在P2P网络借贷平台上实现资金流通，就极易发生洗钱风险。

（四）资金用途风险。P2P网络借贷平台虽然会协助借款人和出借人来签订协议，共同约定款项的具体用途。然而，借款人违规或者违法使用借款的情况，P2P网络借贷平台却无法进行规范和监督。如果一旦发生违法行为，资金的回收就会是一个很大的问题。P2P网络借贷平台却没有保证的责任，这在我国的法律中有明确的规定。《最高人民法院关于人民法院审理借贷案件的若干意见》第13条规定：“在借贷关系中，仅起联系、介绍作用的人，不承担保证责任。”因此，P2P网络借贷平台可能会出现资金跑路甚至破产的风险。

三、加强P2P网络借贷平台监管的建议

（一）完善P2P网络借贷平台的法律规定，实现监管信息对称。将P2P网络借贷平台上升到法律层面，对它的监管对象和监管主体都要进行明确的规定。一方面，要明确P2P网络借贷平台的法律地位和法律规定，对P2P网络借贷平台的职责、作用、权利和义务等进行清晰的说明。另一方面，针对P2P网络借贷平台的具体法律规定明确监管单位，切实落实监管内容，实现监管对象和监管主体的信息对称，真正做到有法可依。

（二）制定P2P网络借贷平台准入标准，完善行业评价体系。P2P网络借贷平台当前的准入门槛较低，没有一个明确的行业标准，这也使得P2P网络借贷平台的风险进一步增加。鉴于此，相关的监管部门要针对P2P网络借贷平台这一行业制定相关的行业标准，形同一种统一的规范性要求，加强审核力度，让确实有相关资质的机构加入到P2P网络借贷平台中。

（三）以资金流动性监管为中心，进行风险控制。P2P网络借贷平台中，资金是重中之重。因此，P2P网络借贷平台的风险绝大多数来自于针对资金的风险。对此，监管部门要以资金流动性监管为中心，切实的实现资金来源、资金用途以及资金回收等多方面的监管，除了可以将部分权力下放给P2P网络借贷平台之外，同时自身也要实现全程监督，实现P2P网络借贷平台资金合法流动。

参考文献：

[1] 赵婉媚.论P2P网络借贷平台的风险与监管[D].华东政法大学2014

[2] 白浩.P2P网络借贷平台问题及解决对策[D].河北大学2013