摘要：工商部门是市场监管的重要力量，但传统的监管手段在应对非法集资案件时面临诸多挑战。如何尽早发现非法集资风险，做到提前监测和预警，对保障投资者的权益至关重要。北京市工商局参与维护金融稳定工作，为及时发现监管风险，与龙信公司合作构建了企业非法集资风险预测模型，对企业风险进行综合预测判断，与有关主管部门及时沟通，并对高风险企业进行实时预警提示。

一、建立非法集资行为风险特征规则

建立非法集资行为风险特征规则，一方面需要整理非法集资相关政府文件及文献，对提及的风险特征进行整理归纳。如《最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释》中认定，非法集资指违反国家金融管理法律规定，向社会公众(包括单位和个人)吸收资金的行为，其犯罪要件包括：未经有关部门依法批准或者借用合法经营的形式吸收资金 ；通过媒体、推介会、传单、手机短信等途径向社会公开宣传 ；承诺在一定期限内以货币、实物、股权等方式还本付息或者给付回报 ；向社会公众即社会不特定对象吸收资金。

另一方面，根据北京市金融局提供的查处非法集资行为企业的数据分析，归纳这些违法企业的行为特征，如普遍存在虚假宣传、虚增注册资本、大量招聘与经营范围不符合的理财产品推销人员等行为。综合这两方面构建一套企业风险特征规则。

二、利用大数据整合目标企业全景信息

依据非法集资风险特征，整理能够体现风险因素的相关数据，包括政府内、政府外两大方面。由于数据的保密程度和可获得性限制，最终选择工商数据（工商登记基本信息、变更信息、投诉举报信息、案件信息）、企业族谱信息、其他行政部门数据（经营许可、资质认证、体系认证、产品认证、荣获奖项、欠税信息）、企业经营信息（产品信息、项目信息、资金募集信息、推广宣传信息、招聘信息）、知识产权信息（专利、商标、网站、软件著作权、作品著作权等信息）、司法信息（法院诉讼、失信人）、网络舆情信息（新闻报道、论坛、微博、微信、行业垂直网站评价）等，构建完整“企业全景画像”，将企业信息360度全方位展现出来，并为模型构建提供数据支持。

根据类金融企业的非法集资风险特征，搭建风险评价指标体系，并进行非法集资风险分析挖掘。非法集资风险评价指标体系包含企业基本信息（企业身份信息、企业资格信息）、生产行为信息（生产行为信息、经营行为信息）、行为反馈信息（消费维权信息、行政处罚信息、网络舆情信息），由于交易行为信息需要企业资金流动信息体现，故无法获取，暂未纳入风险评价指标体系。

风险特征规则的挖掘采用两种方式，一种是通过对已知非法集资企业和正常企业进行比对，寻找非法集资企业不同于正常企业的风险特征点 ；另一种是在大量数据的基础上，发现显著不同于其他企业的异常信息点。

三、构建企业风险综合评估模型

通过企业信息收集、抽取、挖掘，同时利用机器学习等技术手段，从企业群体风险、法规遵从、经营行为、族群关系、负面舆情五个角度，构建企业的多维风险评估模型，对企业进行综合风险评价。群体风险 ：企业身份信息能够体现企业对自身经营的定位，一定程度反映企业的经营倾向性。基于企业基本信息，如从事行业类型、经营范围、特许经营活动等分析，挖掘该企业是否有从事非法集资的潜在可能。

法规遵从：企业违法行为记录是企业在经营过程中违反相关法律法规的查处记录，是企业非诚信经营的表现之一。基于企业涉诉、涉案、欠税等法规相关数据的研究，挖掘企业从事非法行为的思维一贯性特点，筛选重点非法集资高危企业对象。

经营行为：基于企业日常经营行为的数据研究，发现涉及非法集资企业的异常经营行为风险点，如大量招聘与合法业务明显不匹配的人员，发布与法律法规相悖的宣传广告等，从企业经营的点点滴滴中挖掘违法的蛛丝马迹。

族群关系：基于企业族群复杂网络的研究，可以帮助包括工商、市场监管部门快速定位企业图谱中的核心节点（即企业集团的关键企业和关键自然人），同时也有助于及时发现隐藏的高危族群。

负面舆情：互联网海量信息承载了大量社会公众、新闻媒体对企业的监督结果信息，基于企业网络信息的采集监控，及时发现涉嫌非法集资的负面信息，提前发现涉嫌非法集资的高危企业，并做出预警提示。

四、企业综合风险分级分类

企业非法集资风险评判将参考美国的 FICO 信用评分模型，基于在模型中的不同风险评分情况对应的违规违法率的不同,将风险分为四个等级 ：680-850分为风险最高等级 ,620-680分之间为风险中高等级,450-620分之间为风险中等级别 ,300-450为低风险级别。

以北京XX股权投资管理有限公司为例，从具体风险特征看，该企业行业属于投资与资产管理，业务以股权投资为主，频繁变更法人、投资人、高管、注册资本等登记事项，其中注册资本在2年多时间内从10万元多次增资至5000万元 ；在监管部门投诉记录中，被多次投诉异地经营和涉嫌虚增注册资本；对外发布投资产品年化收益率高达36%，涉嫌承诺超高收益对投资人进行利诱；该企业的关联企业涉及科技、商贸、能源、健康、投资等多个产业，均为一个自然人股东群体交叉持股设立，且在宣传资料中多次被提及，涉嫌夸大企业规模、实力，蒙蔽投资人；从互联网舆情监测看，已有新闻媒体报道该企业资金运转困难，停止对投资人支付利息和返还本金。通过企业风险综合评估模型发现，该企业风险综合评分超过700分，属于非法集资高风险企业，相关部门应介入监管。

依托非法集资企业风险评估模型，龙信公司为北京市工商局提供非法集资风险监测服务，从17万家投资类企业中筛查出2000家高危企业，工商部门根据高风险企业名单，联合北京市金融局等相关部门发起非法集资企业定向抽查，大大缩小抽查范围。对涉嫌非法集资的企业精准定位，不仅节约了工商部门的人力物力，也提高了打击非法集资工作的效率和执行针对性。

五、对利用大数据创新监管方式的几点思考

北京市工商局运用大数据技术对非法集资高危企业进行监管，创新和改革传统监管方式，有效提高市场监管效率，对及时发现、打击非法集资企业起到关键作用，证明利用大数据创新监管方式是可行和有效的，为今后其他监管领域应用大数据技术起到示范作用。

应继续推动部门间协管共治，共建监管新模式。工商部门通过与金融局等相关部门的数据共享和联合执法，精准查处非法集资行为，对其他准备或是正在进行非法集资的企业起到警示、震慑作用。

应依托大数据技术的非法集资整治专项行动有效地促进市场自我管理、自我规范和自我净化，有利于形成“企业自治、行业自律、社会监督、政府监管”的市场监管新格局。

应积极引入外脑，提升工商部门的监管服务能力。“外脑”们掌握着现代科学方法和先进技术，可以更加快速准确地解决工商部门监管过程中面临的难题。如专业数据公司在数据来源、数据内涵、建模思路等方面均与政府部门的传统监管方式有较大不同，其获取的主要信息是主体在各个方面的行为数据，包括日常活动在政府部门留下的监管痕迹，在互联网留下的公开数据脚印等，能够客观、准确反映企业日常经营、管理特点，所构建的风险模型更精确、科学。