摘要：工(gōng)商部門(mén)是市場監管的重要力量，但(dàn)傳統的監管手段在應對非法集資案件(jiàn)時面臨諸多挑戰。如(rú)何盡早發現非法集資風(fēng)險，做到提前監測和預警，對保障投資者的權益至關重要。北京市工(gōng)商局參與維護金融穩定工(gōng)作(zuò)，爲及時發現監管風(fēng)險，與龍信公司合作(zuò)構建了企業非法集資風(fēng)險預測模型，對企業風(fēng)險進行綜合預測判斷，與有關主管部門(mén)及時溝通，并對高風(fēng)險企業進行實時預警提示。
一、建立非法集資行爲風(fēng)險特征規則
建立非法集資行爲風(fēng)險特征規則，一方面需要整理(lǐ)非法集資相(xiàng)關政府文件(jiàn)及文獻，對提及的風(fēng)險特征進行整理(lǐ)歸納。如(rú)《最高人(rén)民(mín)法院關于審理(lǐ)非法集資刑事(shì)案件(jiàn)具體(tǐ)應用法律若幹問(wèn)題的解釋》中認定，非法集資指違反國(guó)家金融管理(lǐ)法律規定，向社會公衆(包括單位和個人(rén))吸收資金的行爲，其犯罪要件(jiàn)包括：未經有關部門(mén)依法批準或者借用合法經營的形式吸收資金 ；通過媒體(tǐ)、推介會、傳單、手機(jī)短(duǎn)信等途徑向社會公開宣傳 ；承諾在一定期限内以貨币、實物、股權等方式還(hái)本付息或者給付回報 ；向社會公衆即社會不特定對象吸收資金。
另一方面，根據北京市金融局提供的查處非法集資行爲企業的數據分(fēn)析，歸納這些違法企業的行爲特征，如(rú)普遍存在虛假宣傳、虛增注冊資本、大(dà)量招聘與經營範圍不符合的理(lǐ)财産品推銷人(rén)員(yuán)等行爲。綜合這兩方面構建一套企業風(fēng)險特征規則。
二、利用大(dà)數據整合目标企業全景信息
依據非法集資風(fēng)險特征，整理(lǐ)能夠體(tǐ)現風(fēng)險因素的相(xiàng)關數據，包括政府内、政府外兩大(dà)方面。由于數據的保密程度和可(kě)獲得(de)性限制，最終選擇工(gōng)商數據（工(gōng)商登記基本信息、變更信息、投訴舉報信息、案件(jiàn)信息）、企業族譜信息、其他(tā)行政部門(mén)數據（經營許可(kě)、資質認證、體(tǐ)系認證、産品認證、榮獲獎項、欠稅信息）、企業經營信息（産品信息、項目信息、資金募集信息、推廣宣傳信息、招聘信息）、知識産權信息（專利、商标、網站(zhàn)、軟件(jiàn)著作(zuò)權、作(zuò)品著作(zuò)權等信息）、司法信息（法院訴訟、失信人(rén)）、網絡輿情信息（新聞報道、論壇、微博、微信、行業垂直網站(zhàn)評價）等，構建完整“企業全景畫(huà)像”，将企業信息360度全方位展現出來(lái)，并爲模型構建提供數據支持。
根據類金融企業的非法集資風(fēng)險特征，搭建風(fēng)險評價指标體(tǐ)系，并進行非法集資風(fēng)險分(fēn)析挖掘。非法集資風(fēng)險評價指标體(tǐ)系包含企業基本信息（企業身(shēn)份信息、企業資格信息）、生(shēng)産行爲信息（生(shēng)産行爲信息、經營行爲信息）、行爲反饋信息（消費維權信息、行政處罰信息、網絡輿情信息），由于交易行爲信息需要企業資金流動信息體(tǐ)現，故無法獲取，暫未納入風(fēng)險評價指标體(tǐ)系。
風(fēng)險特征規則的挖掘采用兩種方式，一種是通過對已知非法集資企業和正常企業進行比對，尋找非法集資企業不同于正常企業的風(fēng)險特征點 ；另一種是在大(dà)量數據的基礎上，發現顯著不同于其他(tā)企業的異常信息點。
三、構建企業風(fēng)險綜合評估模型
通過企業信息收集、抽取、挖掘，同時利用機(jī)器學習等技術(shù)手段，從(cóng)企業群體(tǐ)風(fēng)險、法規遵從(cóng)、經營行爲、族群關系、負面輿情五個角度，構建企業的多維風(fēng)險評估模型，對企業進行綜合風(fēng)險評價。群體(tǐ)風(fēng)險 ：企業身(shēn)份信息能夠體(tǐ)現企業對自(zì)身(shēn)經營的定位，一定程度反映企業的經營傾向性。基于企業基本信息，如(rú)從(cóng)事(shì)行業類型、經營範圍、特許經營活動等分(fēn)析，挖掘該企業是否有從(cóng)事(shì)非法集資的潛在可(kě)能。
法規遵從(cóng)：企業違法行爲記錄是企業在經營過程中違反相(xiàng)關法律法規的查處記錄，是企業非誠信經營的表現之一。基于企業涉訴、涉案、欠稅等法規相(xiàng)關數據的研究，挖掘企業從(cóng)事(shì)非法行爲的思維一貫性特點，篩選重點非法集資高危企業對象。
經營行爲：基于企業日(rì)常經營行爲的數據研究，發現涉及非法集資企業的異常經營行爲風(fēng)險點，如(rú)大(dà)量招聘與合法業務明顯不匹配的人(rén)員(yuán)，發布與法律法規相(xiàng)悖的宣傳廣告等，從(cóng)企業經營的點點滴滴中挖掘違法的蛛絲馬迹。
族群關系：基于企業族群複雜網絡的研究，可(kě)以幫助包括工(gōng)商、市場監管部門(mén)快(kuài)速定位企業圖譜中的核心節點（即企業集團的關鍵企業和關鍵自(zì)然人(rén)），同時也有助于及時發現隐藏的高危族群。
負面輿情：互聯網海量信息承載了大(dà)量社會公衆、新聞媒體(tǐ)對企業的監督結果信息，基于企業網絡信息的采集監控，及時發現涉嫌非法集資的負面信息，提前發現涉嫌非法集資的高危企業，并做出預警提示。
四、企業綜合風(fēng)險分(fēn)級分(fēn)類
企業非法集資風(fēng)險評判将參考美國(guó)的 FICO 信用評分(fēn)模型，基于在模型中的不同風(fēng)險評分(fēn)情況對應的違規違法率的不同,将風(fēng)險分(fēn)爲四個等級 ：680-850分(fēn)爲風(fēng)險最高等級 ,620-680分(fēn)之間爲風(fēng)險中高等級,450-620分(fēn)之間爲風(fēng)險中等級别 ,300-450爲低風(fēng)險級别。
以北京XX股權投資管理(lǐ)有限公司爲例，從(cóng)具體(tǐ)風(fēng)險特征看(kàn)，該企業行業屬于投資與資産管理(lǐ)，業務以股權投資爲主，頻繁變更法人(rén)、投資人(rén)、高管、注冊資本等登記事(shì)項，其中注冊資本在2年(nián)多時間内從(cóng)10萬元多次增資至5000萬元 ；在監管部門(mén)投訴記錄中，被多次投訴異地經營和涉嫌虛增注冊資本；對外發布投資産品年(nián)化收益率高達36%，涉嫌承諾超高收益對投資人(rén)進行利誘；該企業的關聯企業涉及科(kē)技、商貿、能源、健康、投資等多個産業，均爲一個自(zì)然人(rén)股東群體(tǐ)交叉持股設立，且在宣傳資料中多次被提及，涉嫌誇大(dà)企業規模、實力，蒙蔽投資人(rén)；從(cóng)互聯網輿情監測看(kàn)，已有新聞媒體(tǐ)報道該企業資金運轉困難，停止對投資人(rén)支付利息和返還(hái)本金。通過企業風(fēng)險綜合評估模型發現，該企業風(fēng)險綜合評分(fēn)超過700分(fēn)，屬于非法集資高風(fēng)險企業，相(xiàng)關部門(mén)應介入監管。
依托非法集資企業風(fēng)險評估模型，龍信公司爲北京市工(gōng)商局提供非法集資風(fēng)險監測服務，從(cóng)17萬家投資類企業中篩查出2000家高危企業，工(gōng)商部門(mén)根據高風(fēng)險企業名單，聯合北京市金融局等相(xiàng)關部門(mén)發起非法集資企業定向抽查，大(dà)大(dà)縮小抽查範圍。對涉嫌非法集資的企業精準定位，不僅節約了工(gōng)商部門(mén)的人(rén)力物力，也提高了打擊非法集資工(gōng)作(zuò)的效率和執行針對性。
五、對利用大(dà)數據創新監管方式的幾點思考
北京市工(gōng)商局運用大(dà)數據技術(shù)對非法集資高危企業進行監管，創新和改革傳統監管方式，有效提高市場監管效率，對及時發現、打擊非法集資企業起到關鍵作(zuò)用，證明利用大(dà)數據創新監管方式是可(kě)行和有效的，爲今後其他(tā)監管領域應用大(dà)數據技術(shù)起到示範作(zuò)用。
應繼續推動部門(mén)間協管共治，共建監管新模式。工(gōng)商部門(mén)通過與金融局等相(xiàng)關部門(mén)的數據共享和聯合執法，精準查處非法集資行爲，對其他(tā)準備或是正在進行非法集資的企業起到警示、震懾作(zuò)用。
應依托大(dà)數據技術(shù)的非法集資整治專項行動有效地促進市場自(zì)我管理(lǐ)、自(zì)我規範和自(zì)我淨化，有利于形成“企業自(zì)治、行業自(zì)律、社會監督、政府監管”的市場監管新格局。
應積極引入外腦，提升工(gōng)商部門(mén)的監管服務能力。“外腦”們掌握着現代科(kē)學方法和先進技術(shù)，可(kě)以更加快(kuài)速準确地解決工(gōng)商部門(mén)監管過程中面臨的難題。如(rú)專業數據公司在數據來(lái)源、數據内涵、建模思路(lù)等方面均與政府部門(mén)的傳統監管方式有較大(dà)不同，其獲取的主要信息是主體(tǐ)在各個方面的行爲數據，包括日(rì)常活動在政府部門(mén)留下的監管痕迹，在互聯網留下的公開數據腳印等，能夠客觀、準确反映企業日(rì)常經營、管理(lǐ)特點，所構建的風(fēng)險模型更精确、科(kē)學。
