摘要：工商部門是市場監管的重要力量，但傳統的監管手段在應對非法集資案件時面臨諸多挑戰。如何盡早發現非法集資風險，做到提前監測和預警，對保障投資者的權益至關重要。北京市工商局參與維護金融穩定工作，為及時發現監管風險，與龍信公司合作構建了企業非法集資風險預測模型，對企業風險進行綜合預測判斷，與有關主管部門及時溝通，并對高風險企業進行實時預警提示。

一、建立非法集資行為風險特征規則

建立非法集資行為風險特征規則，一方面需要整理非法集資相關政府文件及文獻，對提及的風險特征進行整理歸納。如《最高人民法院關于審理非法集資刑事案件具體應用法律若幹問題的解釋》中認定，非法集資指違反國家金融管理法律規定，向社會公衆(包括單位和個人)吸收資金的行為，其犯罪要件包括：未經有關部門依法批準或者借用合法經營的形式吸收資金 ；通過媒體、推介會、傳單、手機短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為企業的數據分析，歸納這些違法企業的行為特征，如普遍存在虛假宣傳、虛增注冊資本、大量招聘與經營範圍不符合的理财産品推銷人員等行為。綜合這兩方面構建一套企業風險特征規則。

二、利用大數據整合目标企業全景信息

依據非法集資風險特征，整理能夠體現風險因素的相關數據，包括政府内、政府外兩大方面。由于數據的保密程度和可獲得性限制，最終選擇工商數據（工商登記基本信息、變更信息、投訴舉報信息、案件信息）、企業族譜信息、其他行政部門數據（經營許可、資質認證、體系認證、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、軟件著作權、作品著作權等信息）、司法信息（法院訴訟、失信人）、網絡輿情信息（新聞報道、論壇、微博、微信、行業垂直網站評價）等，構建完整“企業全景畫像”，将企業信息360度全方位展現出來，并為模型構建提供數據支持。

根據類金融企業的非法集資風險特征，搭建風險評價指标體系，并進行非法集資風險分析挖掘。非法集資風險評價指标體系包含企業基本信息（企業身份信息、企業資格信息）、生産行為信息（生産行為信息、經營行為信息）、行為反饋信息（消費維權信息、行政處罰信息、網絡輿情信息），由于交易行為信息需要企業資金流動信息體現，故無法獲取，暫未納入風險評價指标體系。

風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險特征點 ；另一種是在大量數據的基礎上，發現顯著不同于其他企業的異常信息點。

三、構建企業風險綜合評估模型

通過企業信息收集、抽取、挖掘，同時利用機器學習等技術手段，從企業群體風險、法規遵從、經營行為、族群關系、負面輿情五個角度，構建企業的多維風險評估模型，對企業進行綜合風險評價。群體風險 ：企業身份信息能夠體現企業對自身經營的定位，一定程度反映企業的經營傾向性。基于企業基本信息，如從事行業類型、經營範圍、特許經營活動等分析，挖掘該企業是否有從事非法集資的潛在可能。

法規遵從：企業違法行為記錄是企業在經營過程中違反相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、欠稅等法規相關數據的研究，挖掘企業從事非法行為的思維一貫性特點，篩選重點非法集資高危企業對象。

經營行為：基于企業日常經營行為的數據研究，發現涉及非法集資企業的異常經營行為風險點，如大量招聘與合法業務明顯不匹配的人員，發布與法律法規相悖的宣傳廣告等，從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，可以幫助包括工商、市場監管部門快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然人），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量社會公衆、新聞媒體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、企業綜合風險分級分類

企業非法集資風險評判将參考美國的 FICO 信用評分模型，基于在模型中的不同風險評分情況對應的違規違法率的不同,将風險分為四個等級 ：680-850分為風險最高等級 ,620-680分之間為風險中高等級,450-620分之間為風險中等級别 ,300-450為低風險級别。

以北京XX股權投資管理有限公司為例，從具體風險特征看，該企業行業屬于投資與資産管理，業務以股權投資為主，頻繁變更法人、投資人、高管、注冊資本等登記事項，其中注冊資本在2年多時間内從10萬元多次增資至5000萬元 ；在監管部門投訴記錄中，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化收益率高達36%，涉嫌承諾超高收益對投資人進行利誘；該企業的關聯企業涉及科技、商貿、能源、健康、投資等多個産業，均為一個自然人股東群體交叉持股設立，且在宣傳資料中多次被提及，涉嫌誇大企業規模、實力，蒙蔽投資人；從互聯網輿情監測看，已有新聞媒體報道該企業資金運轉困難，停止對投資人支付利息和返還本金。通過企業風險綜合評估模型發現，該企業風險綜合評分超過700分，屬于非法集資高風險企業，相關部門應介入監管。

依托非法集資企業風險評估模型，龍信公司為北京市工商局提供非法集資風險監測服務，從17萬家投資類企業中篩查出2000家高危企業，工商部門根據高風險企業名單，聯合北京市金融局等相關部門發起非法集資企業定向抽查，大大縮小抽查範圍。對涉嫌非法集資的企業精準定位，不僅節約了工商部門的人力物力，也提高了打擊非法集資工作的效率和執行針對性。

五、對利用大數據創新監管方式的幾點思考

北京市工商局運用大數據技術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用，證明利用大數據創新監管方式是可行和有效的，為今後其他監管領域應用大數據技術起到示範作用。

應繼續推動部門間協管共治，共建監管新模式。工商部門通過與金融局等相關部門的數據共享和聯合執法，精準查處非法集資行為，對其他準備或是正在進行非法集資的企業起到警示、震懾作用。

應依托大數據技術的非法集資整治專項行動有效地促進市場自我管理、自我規範和自我淨化，有利于形成“企業自治、行業自律、社會監督、政府監管”的市場監管新格局。

應積極引入外腦，提升工商部門的監管服務能力。“外腦”們掌握着現代科學方法和先進技術，可以更加快速準确地解決工商部門監管過程中面臨的難題。如專業數據公司在數據來源、數據内涵、建模思路等方面均與政府部門的傳統監管方式有較大不同，其獲取的主要信息是主體在各個方面的行為數據，包括日常活動在政府部門留下的監管痕迹，在互聯網留下的公開數據腳印等，能夠客觀、準确反映企業日常經營、管理特點，所構建的風險模型更精确、科學。