互联网金融会加速区域金融风险的累积吗？——基于空间溢出效应研究

■谭中明，刘 倩，李 洁

一、引言

互联网金融是“互联网”与“金融”融合的产物，是传统金融通过互联网技术在金融系统的延伸、升级与创新，本身具有金融的本质属性（郑联盛，2014），是不同于直接融资和间接融资模式的“第三种融资模式”（谢平和邹传伟，2012），它的出现可以进一步优化金融资源配置、提升金融运营效率、发挥风险配置并使信息更加透明、丰富（吴晓求，2015）。但是，互联网金融作为新型金融业态，由于其运行机制的特殊性和开放性，其在加速区域内金融风险累积的同时，更容易进行跨市场、跨地区传染风险，严重的可能会引发系统性金融风险。近年来，我国金融市场不断发生P2P网贷平台集体“爆雷”、众筹公司集资跑路、第三方支付遭遇恶性攻击等事件，表明互联网金融风险极易累积，区域金融风险不断增加，甚至可能催生我国系统性金融风险。

互联网金融风险传导引发金融风险可以详细分为两种类型：第一种是直接传导机制，即随着互联网金融发展水平的不断提高，其对商业银行的流动性、稳定性和系统性风险都会产生影响（王亚君等，2016；邹伟等，2017；朱辰和华桂宏，2018），导致银行部门风险产生多米诺骨牌效应，波及整个金融体系，引发系统性金融风险；第二种是间接传导机制，即互联网金融影响货币供应量和货币乘数，并且会通过传导机制促进利率市场化以及扩大社会融资规模（章安辰和裴平，2018；姜松和周虹，2019），而货币政策的“松紧”会影响金融市场中贷款规模与速度，导致金融机构过度承担风险，极易触发系统性金融风险。已有研究主要是基于我国整个金融体系进行分析，尚未考虑到互联网金融发展的区域异质性以及互联网金融极易产生空间溢出效应，若其产生风险将会迅速危及整个金融体系的稳定性。此外，现有研究较为单一，并未将互联网金融、货币政策以及区域金融风险置于同一逻辑框架下进行分析，故而本文将针对以上问题进行相应的拓展分析。

二、我国互联网金融发展规模与潜在风险

（一）我国互联网金融的发展规模

互联网金融是在互联网与金融深度融合的基础上，通过大数据、云计算等互联网技术对传统金融业务进行深刻改革、对传统金融模式进行颠覆的一种新型金融业态。广义上，只要具有互联网精神的金融模式均可称为互联网金融；狭义上，资金融通和其他金融服务依托互联网来实现的方式、方法，可以被称为互联网金融，笔者将侧重于狭义上的互联网金融，主要研究第三方支付、P2P网贷、众筹以及互联网保险四种在我国发展较为成熟的互联网金融模式。我国第三方支付始于2003年支付宝的诞生，此后互联网保险（2005年）、P2P网贷（2007年）、众筹（2011年）逐渐走入大众视野，在经历了“井喷式”发展后，我国互联网金融规模迅猛壮大，成为我国金融体系中的重要组成部分。

表1 我国互联网金融模式的发展规模（单位：亿元）

根据表1可知，我国互联网金融总体规模呈现总体上升趋势，2018年总体规模达到1727526亿元，与2012年相比增加了44倍，年均增长率达到88.6%。其中，2012-2018年移动支付交易规模不断扩大，2018年交易规模已达到1707526.8亿元，与2012年相比增加了43倍，年均增长率达到88.52%；P2P网贷在2012年经历了“井喷式”发展后逐渐回归规范发展轨道，直至2018年，市场交易额已达到17948.01亿元，年均增长率达到106.93%；众筹市场2012-2018年交易额年均增长率达到109.87%，为占据90%企业数量的中小型企业提供了融资服务；互联网保险受电子商务的快速发展影响，无论是互联网保险保费收入还是互联网保险渗透率，在近几年都处于不断上升趋势，2012年互联网保险收入仅有110.7亿元，渗透率仅有0.9%，而在2018年，保费收入已达到1888.6亿元，渗透率则超过了5%。

互联网金融作为传统金融的补充，与传统金融体系相互融合、相互渗透，在传统金融的基础上对保险、证券、银行层面的业务进行升级，同时为实体经济部门提供了新型金融服务，为缺乏融资能力的中小企业、农民等资金需求者提供融资业务，为市场中的消费者提供快捷便利的支付结算业务，进一步推动实体经济的增长；反之，实体经济增长和传统金融体系升级又会推动互联网金融模式的不断发展。由此可见，互联网金融的市场规模不断扩大，其与实体经济部门、传统金融体系之间的联系愈发紧密，逐渐成为金融体系甚至整个经济体系中不可或缺的一部分。但同时，因为互联网金融与经济社会各部门、传统金融体系和整个金融体系之间的联系是千丝万缕的，若互联网金融风险爆发，则极易传染到金融市场甚至整个经济体系，引发系统性风险。

（二）互联网金融的潜在风险分析

互联网金融作为新兴金融模式，并没有脱离金融的本质，其潜在风险与传统金融风险具有一致性，同时因为互联网金融是依托互联网为广大消费者提供金融服务的平台，所以还包含了复杂的互联网信息技术风险，而金融风险会因为互联网的特性进一步放大。当前，互联网金融风险主要包括信用风险、操作风险、技术风险、流动性风险和法律与制度风险等。

1.信用风险。因为我国尚未建立完善的征信体系，互联网金融法律规范不健全，违约成本低，这就导致筹资人恶意骗贷、P2P网贷平台集体“爆雷”、众筹平台跑路等事件的频繁发生。信用风险主要源于市场参与主体之间的信息不对称。若筹资人在筹资平台上发布虚假信息恶意骗贷，投资人对其信息的真实性只能基于其提供的项目信息予以确认，致此可能会作出错误决策，最终资金流向不明。根据网贷之家的数据显示，2018年P2P网贷的坏账率已超过18.2%，整个市场中存在着大规模违约事件。除此以外，P2P网贷平台集体“爆雷”、众筹平台跑路等事件也是互联网金融市场存在巨大信用风险的原因之一，问题平台建立庞氏骗局骗取投资人资金，当一个平台“爆雷”时，极易产生水波效应影响整个市场稳定。2015年“e租宝”在以高回报率吸引投资者，在骗取将近500亿资金后，高管人员大肆挥霍，利用公司治理的不完善操控资金流向，通过关联交易将大部分资金转移给钰诚集团控股公司，造成90万名投资人资金损失。自此之后，互联网金融市场迅速产生连锁反应，多次发生P2P网贷平台集体“爆雷”事件。

2.操作风险。操作风险是在互联网金融业务中极易发生的风险之一，若交易主体对平台的操作规范和要求未进行详细了解，就有可能会出现操作不当的风险，交易过程中某一操作失误，会迅速通过互联网传递到其他环节，会构成整个互联网金融系统的风险累积。情况严重的，可能会导致单纯的操作风险演变成系统性风险，对整个金融体系的正常运作和支付结算都产生影响。

3.流动性风险。流动性风险与技术风险、信用风险等紧密相关。当平台发生技术风险，支付系统无法正常运作时，就会影响其正常支付功能，降低平台的资金流动性。当平台发生道德风险，很有可能会出现呆账、坏账，致使大量资金被困，流动性风险不断累积。2011年，以贝尔创投、蚂蚁贷为代表的多家P2P平台因流动性风险爆发最终“爆雷”，而在“e租宝”案中，因为承诺的高额回报率以及自身平台运营的巨额成本，“e租宝”面临着巨大的流动性风险，为了再次获得资金而掩盖平台中贷款违约事件，并开始将部分资金应用于违法犯罪行为来获得超高回报率，甚至涉及到非法走私行为。

4.技术风险。互联网金融的技术风险又可以进一步分为技术安全风险和数据安全风险。前者是基于互联网开放性、扩散性等特点和系统漏洞，互联网金融遭受病毒和不法分子的攻击时，整个交易网络都会造成威胁，进而可能会导致整个金融体系的崩溃，出现系统性风险。后者是源于云计算、大数据等技术的广泛应用，数据爆炸式增长，海量数据集中存储，但互联网金融机构内部却缺乏完善的安全防护软件，极易造成客户信息的泄露、丢失。如2013年中国人寿80万客户的个人保单信息被泄露，2015年浙江“铜掌柜”60万名投资者的信息打包泄露等。

5.法律与制度风险。虽然目前我国互联网金融领域的法律性文件在不断完善，但整体上仍然处于监管体系不健全、主体权益保护机制缺失、主体地位和经营范围尚不明确的阶段。其中，由于互联网金融业务丰富，其大部分业务属于混业经营，但目前我国并没有建立相应的监管机制，无法确定真正的责任主体，并对其实行有效监管。而对于互联网金融所有的潜在风险而言，若从根源上就没有相应的法律法规对参与主体的行为进行规范，那么在其运作过程中不可避免地会出现其他风险，在无法降低互联网金融市场系统性风险的情况下，应当完善法律法规，尽量降低、消除市场中的非系统性风险，保障互联网金融的良性发展。

三、互联网金融对区域金融风险的影响机制

如上所述，如今互联网金融作为金融体系中不可缺少的一部分，其与传统金融体系、实体经济部门甚至整个经济体系是相互渗透、相互联系、相互影响的。当互联网金融发生风险时，首先，会对本区域金融稳定产生冲击，而区域金融风险的累积又会通过区域间债权债务关系网、企业担保链条以及产业分工在整个经济体系中快速扩散（裴棕伟和顾伟忠，2019）。其次，会通过互联网、交易债权债务链等媒介直接增加与之关联的其他区域金融风险，极有可能造成实体经济部门、整个宏观经济体系的波动，引发系统性金融风险。因此，下文从直接和间接两个层面分析互联网金融对区域金融风险的影响机制。

（一）直接影响机制

互联网金融业务以低成本、高收益、更便捷的特性分流了传统金融市场的基本业务，其风险的增加同样作用于传统金融体系，加速区域金融风险的累积。互联网金融不仅有传统金融体系所具有的信用风险、流动性风险与法律合规风险，还具有更为突出的信息技术风险和长尾风险，由于互联网具有独特的开放性以及服务人群的广泛性，当互联网金融发生风险时会以更快的速度在区域金融业以及整个金融体系传播，并且随着我国金融混业经营程度的不断深化，金融机构间的关联性、传导性增强，若单个互联网金融机构产生风险，该风险会通过产品交易渠道、借贷关系渠道以及资产价格渠道，在与其有业务关联的一系列机构中传播开来，在金融体系中产生多米诺骨牌效应，扩散区域金融风险、最终引发系统性金融风险（如图1所示）。

图1 互联网金融对区域金融风险的直接影响机制

（二）间接影响机制

互联网金融的出现使得不同层次的货币供应量界限变得模糊，扩大了货币供应量和货币乘数，这会促使货币流动性供给的增加。短期货币流动性供给的增加一方面使商业银行降低流动性风险，另一方面通过货币政策风险承担渠道增加商业银行对高风险资产的过度投资，使其过度承担风险。此外，互联网金融还会通过影响利率和信贷来影响宏观经济与商业银行（如图2所示）。

图2 互联网金融对区域金融风险的间接影响机制

第一，利率传导机制。目前，我国利率并未完全实现市场化，因此利用利率来优化金融资源配置以及服务实体经济的效果不佳。而互联网金融依托大数据，以互联网为平台提供低成本、高收益的金融服务，如更低的贷款利率与更高的存款利率。在互联网金融高速发展的背景下，商业银行的贷款利率也不断呈现下降趋势。根据凯恩斯的利率传导机制，利率下降将会促使信贷膨胀，使得投资增加、消费增加，进而使得总产出增加，此外利率与汇率之间存在相互影响，利率下降还会导致本币贬值，产生贸易顺差。因此，汇率、利率以及由利率降低引发的信贷膨胀都会对宏观经济产生影响。而宏观经济压力对区域金融风险存在积极的促进作用，当宏观经济中的某一个市场发生波动，其他市场会因为趋同性发生同方向的波动，加速区域金融风险的累积。同时，利率下降，企业、居民借款增加，商业银行不但要面对重新定价风险、基准风险、收益率曲线风险等风险（张蕊和吕江林，2017），还需要预防未来极易发生的因企业违约所带来的信用风险，若违约增多，商业银行为了降低风险会收缩信贷，导致资产价格下跌，最终可能导致资产价格泡沫破裂，引发区域金融风险。

第二，信贷传导机制。从整体上看，我国目前信贷总量不断增加，融资规模不断扩大，但互联网金融信贷与传统信贷之间存在替代关系，在互联网金融信贷规模不断扩大的同时，其对传统信贷模式造成了冲击。信贷传导机制分为两个环节，一是商业银行层面的资产负债业务，二是企业层面的融资方式选择以及融资能力选择。互联网金融信贷的出现分流了商业银行资产负债业务，同时也为企业提供了多种融资方式，更重要的是，互联网金融可以覆盖更多缺乏融资能力的公司，缓减中小企业融资难的问题，一定程度上可以促进实体经济的发展，影响宏观经济。但我国目前并没有建立起专业的信用体系，缺失信用信息会使得互联网金融机构在审核贷款信息时面临信息不对称的情况，若发生违约会导致互联网金融机构遭遇资金不足的流动性风险，则会进一步累积区域金融风险，极易引发系统性金融风险。

因此，基于以上对互联网金融影响区域金融风险的机制分析，提出以下三点研究假设：

假设1：互联网金融的发展会加速区域金融风险的累积。

假设2：互联网金融会通过影响利率增加区域金融风险，即利率存在中介效应。

假设3：互联网金融会通过影响货币供应量增加区域金融风险，即货币供应量存在中介效应。

四、互联网金融对区域金融风险影响的实证分析

（一）变量说明、数据来源及描述

1.主要解释变量。采用北京大学数字金融研究中心编制的省级层面中国数字普惠金融指数（郭峰等，2019）来衡量互联网金融发展水平（Fin）。该指数是北京大学基于蚂蚁金服数据，从支付、保险、货币基金、信用服务、投资、信贷等业务刻画的互联网金融发展水平。蚂蚁金服是中国目前影响力最大的数字金融企业之一，旗下支付宝和余额宝货币基金均是使用最广泛、规模最大的互联网金融产品，因此以蚂蚁金服数据为基础构建互联网金融发展水平，可以有效衡量中国各省份互联网金融发展状况。

2.被解释变量。区域金融风险压力指数（Risk）参考沈丽等人（2019）所使用的方法，考虑到数据的可得性，本文在已有研究的基础上删除政府城投债指标，从金融、企业、政府和宏观经济环境选取11个指标构建区域金融风险压力指数，具体指标选取如表2所示。对少量数据进行插值补全后，最终搜集2011-2017年31个省份面板数据。所有数据来源于EPS数据库、国家统计局官网。利用SPSS软件进行因子分析，根据特征值以及累计方差贡献率的大小确定因子个数，并根据各步骤得分公式合成最终的区域金融风险压力指数。

表2 区域金融风险指数基础指标及含义

3.控制变量。控制变量的选取参考夏越（2019），具体为区域经济发展水平（lngdp）、老龄化程度（age）以及城镇化率（urb）。其中，区域经济发展水平选用取对数后的GDP进行衡量，经济发展对区域金融风险的影响是多重的，一方面，经济推动金融发展，大量资金脱“实”向“虚”，金融风险逐渐累积。另一方面，经济发展会提高对金融杠杆的包容性，进而会抑制金融风险；老龄化程度以国家统计局公布的抽样调查数据中，65岁以上人数占总人数的比例予以衡量，老龄化程度提高会增加政府的债务风险（马宇和王群利，2015），若引发债务危机则极易触发系统性金融风险；城镇化率用城镇人口占总人口的比重进行衡量，城镇化建设加快，城镇化率越高，则政府债务就可能越高。所有数据来源于国家统计局官网。

4.中介变量。参考刘金全和谢瑶姝（2016），选用7天同业拆借利率作为利率（Ibr）的代理变量，所获取数据为当月值，因此在搜集2011-2017年月度数据后，对其加权平均得到所需的数据，数据来源于Wind；选用M2的增长率为货币供应的代理变量，数据来源EPS数据库。

（二）空间计量分析

1.空间自相关分析

一般使用Moran I指数检验是否存在空间自相关性，当指数大于0时代表该指标在地区间呈现正向的空间相关性，当指数小于0时代表该指标呈现负向的空间相关性，当指数等于0时，则意味着该指标在地区间分布随机，不存在任何的空间相关性。本文依次使用地理邻接权重矩阵W1，经济距离权重矩阵W2，测算Moran I指数。在此基础上，使用MATLAB软件对2011-2017年31个省份的互联网金融及区域金融风险进行全域空间自相关检验，结果如表3所示。

表3 两种权重矩阵下互联网金融与区域金融风险的全局Moran I值

由表3可知，2011-2017年我国互联网金融（Fin）在地理邻接权重矩阵和经济距离权重矩阵的全局Moran I指数均通过了显著性水平检验，表明我国省域互联网金融在空间上不是随机分布的，而是存在显著的正向自相关性，即我国互联网金融的分布具有统计学意义上的空间集聚特征。而区域金融风险（Risk）在地理邻接权重矩阵下，2015年、2016年和2017年均通过1%的显著性检验，而在经济距离权重矩阵下，这三年也均通过5%的显著性检验，在此之前未通过显著性检验，不代表不存在自相关性，只是不明显，表明区域金融风险近年来同样存在着自相关性。

2.模型构建

基于上文空间自相关性的分析，构建互联网金融对区域金融风险影响的空间计量的空间滞后（SLM）模型（式（1））、空间误差（SEM）模型（式（2））和空间杜宾（SDM）模型（式（3））。其中，ρ为空间滞后系数，β1～β4为解释变量的系数，γ1～γ4为解释变量空间交互项系数。

3.模型选择

面板模型可采用固定效应模型和随机效应模型，笔者进行的Hausman检验结果不显著，接受原假设，表明模型应为随机效应模型。考虑不同的空间权重矩阵所评估出来的空间效应也有所不同，因此选用地理邻接权重矩阵和经济距离权重矩阵，运用MATLAB对不同空间计量模型进行检验，根据结果选择最合适的空间计量模型，检验结果如表4所示。

从表4可知，互联网金融发展水平（Fin）对区域金融风险的影响为正，且通过1%的显著性检验，由此可证明假设1成立，即互联网金融加速了区域金融风险的累积。控制变量中，经济发展水平（lngdp）对区域金融风险的影响大部分为正，但在部分模型中为负，经济发展与金融稳定之间的关系较为复杂，因此不同模型所得结果可能会有所不同。虽然实证结果并不显著，但经济发展对区域金融风险的影响是不可忽视的，尤其是在我国处于经济发展新常态背景下，面临着经济增速换挡、产业结构调整、增长动力转换等多重考验（陈守东和孙彦林，2018），地方政府债务增加，房地产公司过度发展以及影子银行等均是触发金融风险的重要因素。老龄化程度（age）对区域金融风险的影响为正，部分模型中通过10%的显著性水平，这与刘禹君（2019）研究结论一致，人口老龄化会对地方政府债务产生显著的正向冲击。城镇化水平（urb）对区域金融风险的影响为负，且均通过1%的显著性检验，说明城镇化水平的提高可以有效抑制区域金融风险，城镇化越高的省份，该区域的金融知识普及率也随之提高，其居民的金融素养和个人风险防范相对较高，进而能抑制当地金融风险。根据三种空间计量模型在两种权重矩阵下的σ2、R2和LogL值可知，本文应当选用地理邻接权重矩阵下的随机效应空间杜宾模型检验互联网金融对区域金融风险的直接效应和间接效应。

表4 两种空间模型随机效应回归结果

4.直接效应与间接效应

为确保能够准确估计空间计量模型中互联网金融对区域金融风险的影响，参考LeSage和Pace（2010）对直接效应和间接效应的推导方法。其中，直接效应代表本区域互联网金融对该区域金融风险的影响，间接效应则是衡量本区域互联网金融对相邻区域金融风险的影响，笔者对互联网金融影响区域金融稳定的直接效应和间接效应进行了详细分析，结果如表5所示。

表5 互联网金融对区域金融风险影响的直接效应和间接效应

实证结果表明，互联网金融（Fin）对区域金融稳定的直接效应、间接效应以及总效应均为正，且均通过1%的显著性检验。这表明互联网金融的发展不仅会加速该区域金融风险的累积，同时还会增加相邻区域金融风险，具有正向空间效应，但需要注意的是，随着互联网金融规范化，其对区域金融风险的影响可能会发生变化，即互联网金融对区域金融风险的影响可能会呈现倒“U”型，当互联网金融逐步实现规范发展后，到达预想的阀值，其可以对金融体系产生正向的促进作用，进而对金融风险产生抑制作用。经济发展水平（lngdp）和老龄化程度（age）对区域金融风险的直接效应和间接效应均为正，其中仅有老龄化对区域金融风险的直接效应通过了10%的显著性检验，这表明当前经济发展水平和老龄化对区域金融风险尚未产生空间溢出效应。其中，经济发展水平的影响是多重的，虽然计量检验结果不显著，但在现实情况中经济发展对金融风险的影响不容小觑，出现这种结果极有可能是其产生的多重影响发生了“正负抵消”。城镇化率（urb）对区域金融稳定的直接效应和间接效应均为负，直接效应和总效应均通过1%的显著性检验，间接效应通过5%的显著性检验，代表城镇化率的提高不仅降低了本区域的金融风险，还有效抑制了相邻区域的金融风险，存在负向的空间效应。

5.稳健性检验

利用地理距离权重矩阵下的随机效应空间杜宾模型对数据进行回归，以检验解释变量和被解释变量间相关关系的稳健性，检验结果如表6所示。由回归结果可知，互联网金融发展水平对区域金融风险存在正向影响，且通过1%的稳健性检验，并且根据空间相关系数ρ可知，互联网金融发展水平存在显著的空间正向关联，即互联网金融的空间溢出效应是存在的。

表6 地理距离权重矩阵下的稳健性检验

（三）中介效应检验

在中介效应的检验方法选择上，参考温忠麟等（2004）使用的方法，在空间计量模型的基础上，构建使用本文的中介效应检验方程，如下所示：

根据公式组（4）检验利率是否对区域金融风险产生影响，即检验利率中介效应是否显著，检验结果如表7所示。根据温忠麟等（2004）提出的中介效应检验程序，若自变量系数均显著时，则代表中介效应显著。对比模型1、2、3，可发现自变量的系数均显著，且互联网金融对利率的影响显著为负，利率对区域金融风险的影响也显著为负，与前文理论分析一致，即假设2成立，互联网金融促使利率下降进而增加了区域金融风险。

表7 利率中介效应检验

表8 货币供应量中介效应检验

检验货币供应量中介效应的公式如式（5），检验结果如表8所示。对比模型1、4、5，可发现互联网金融对货币供应量的影响显著为负，但货币供应量对区域金融风险的影响却不显著，前文理论分析指出互联网金融扩大了货币供应量以及货币乘数，出现负向影响的原因主要是目前对数字货币的计量尚未得到规范，对具体货币供应量所测量的数量值是小于实际值的，因而应当加快健全电子货币测量体系，规范对电子货币的测量标准，提高对货币供应量测量的准确度。根据目前本文的实证结果可知假设3不成立，即互联网金融尚未影响货币供应量进而影响区域金融风险。利率作为货币政策“价格型”工具的代表，相对“数量型”工具，其产生的影响更为显著，此研究与李成等人（2020）一致。

五、对策建议

研究表明，互联网金融对区域金融风险的正向影响是显著存在的，且存在显著的正向空间溢出效应，此外，互联网金融还会通过影响货币政策进一步增加区域金融风险，若不能把控好互联网金融风险，对其风险传导进行严格监督，则极可能会加速区域金融风险的累积，触发系统性金融风险。因此，根据金融风险传导机制提出以下几点对策建议：

第一，建立分段风险预警机制，及时监测风险产生及传导。可以从金融风险传导机制出发，建立涵盖互联网金融、传统金融体系、区域金融风险和系统性金融风险的分段风险预警机制，将风险划分为4个等级，确定对应的预警界限，把控每一阶段的风险变化，以便在任何一个阶段出现风险波动时，及时采取应对措施，防范风险、阻断风险传播。

第二，提高互联网金融信息透明度，加强信息真实性审核，将风险遏制在源头。提高信息的透明度与准确性，对互联网金融参与主体的信息加强监管和信息审核力度，其中包括P2P网贷和众筹平台披露的运营信息、筹资人发布项目和身份信用证明的真实性，同时还要定期或不定期地对运营平台高级管理人员和实际控制人的行为进行审查，以防其利用不法行为骗取投资者的资金。

第三，加强穿透式监管，有效防控互联网金融的跨业风险。我国互联网金融跨行业的特性在近几年内愈发明显，其中互联网金融与传统金融体系之间具有紧密的关联性，应当更加关注这两者间的跨业风险。因此，应加强穿透式监管，有效防控互联网金融和传统金融体系间的跨业风险，在两者联合经营时，应当明确真正的监管主体和监管方式，对整个平台中的产品结构、资金流向以及投融资主体进行严格监督。

第四，建立健全电子货币计量体系，实行利率动态监控以及加快完善互联网金融征信系统。首先，应当加快电子货币计量体系的建立，清晰边界，明确电子货币的统计口径，将其纳入监测体系中，提高货币供应量的可测性和准确性，以便对互联网金融第三方支付业务和货币政策的稳定性进行有力监控。其次，互联网金融在影响宏观经济以及商业银行时，主要是通过利率传导机制实现的，所以应当对利率建立实时动态监控，可以构建准确的利率风险预警机制，当利率发生异常波动时，预测市场发生风险的概率，以便及时采取应对措施，截断风险传播。最后，在信贷传导机制中最重要的问题是信息不对称，因此需要加快完善我国互联网金融征信系统，降低信息不对称带来的信用风险，进而防止发生大规模违约事件。