基于仿生学原理探寻互联网金融生态系统路径

陆岷峰，周军煜

1．南京财经大学中国区域金融研究中心，江苏 南京 210046；2．南京财经大学，江苏 南京 210046

一、引言

自人类社会诞生之日起，人们就可以到观察一些生态现象，并逐渐积累早期生态知识。19世纪末，生态学开始迅猛发展，20世纪五十年代末，生态学初步形成完备的理论体系。在整个生态学发展史上有两个重大的发展，一是从个体生态学转向群体生态学的研究，人们思考的角度和内容从个体转向群体，从研究个性转向研究种群共性，以及个体在群体中的定位，为后来群落以及生态系统概念的提出打下坚实基础并提供理论依据。二是开始研究生态系统，在这期间，各个学科协同发展，将系统论、信息论等理论以及一些数学思想应用于生态学，促使生态学研究日臻成熟，生态学理论研究成果如雨后春笋般涌现。

近年来，资源、环境、人口问题已经成为制约人类发展的主要矛盾，相关学科的学者对这些问题进行深入研究，生态学已经越来越受到人们的重视，生态学的价值愈发凸显。生态学结合其他学科形成新的分支学科，解决了许多单一学科无法解决的问题。目前生态学已经与社会科学交叉融合发展，利用生态学理论已经可以解释某些经济问题。因此，生态学将为互联网金融发展提供独特的思维模式。

互联网金融生态本质上是一个完整的生态系统，互联网生态系统存在生态主体，各种生态因子需要在一定的生态环境内才能生存发展。此外各生态主体之间存在竞争机制，在竞争中优胜劣汰。与自然生态系统一样，互联网生态系统也存在着自我调节、协同发展、弱肉强食等运行机制与内在规律。

二、文献综述

（一）金融生态

周小川（2004）首次提出“金融生态”的概念，并提出将自然生态学相关理论应用于传统金融领域。林永军（2005）认为当务之急是建立健全生态金融发展理念，从全局角度思考金融生态问题，理清金融生态各组成部分及相互关系，推动金融生态良性发展，提高金融竞争力。匡国建（2005）指出，法律制度是规范金融秩序的最有效手段，有助于解决政府监管不力、市场失灵等问题，提高金融生产力。林欣（2016）则应用大量数据分析了经济增长与金融生态的关系，认为金融生态主体的改善对经济增长起着促进作用，而金融生态环境与经济发展关系不大，因此应加大金融主体建设力度，促动实体经济发展，进而改善金融生态环境。郭彬、杨振中（2017）认为农村金融生态问题较为突出，主要表现为：金融产品单一、金融服务质量差、缺乏相应的政策支持、政府监管力度不够，并提议改善农村信用环境，加大对农村金融的政策指引。杨风、吴晓晖（2017）论述了公司战略选择与金融生态之间的关系，金融生态系统越稳定、越平衡，公司就越会选择风险较大的投资项目，因此，优化金融生态建设可以为公司未来发展提供良好的投资融资环境。

（二）互联网金融生态

谢平（2012）在“金融四十人年会”上首次提出“互联网金融”这一概念。陈麟、谭杨靖（2016）分析了互联网金融的发展趋势，认为互联网金融是传统金融的一次飞跃，主张从法律和监管两方面来建设互联网金融生态。陆岷峰和沈黎怡（2016）指出当前互联网金融生态主体之间的作用机制很复杂，需要从系统层面加快互联网金融生态主体和环境的建设，完善监管机制，改善信用环境，优化互联网金融生态系统。此外，江苏省互联网金融协会课题组（2017）通过测算七大互联网金融业态的生态足迹以及环境承载力，发现当前互联网金融生态利用效率越来越差，大多企业以牺牲环境为代价换取自身的发展，因此，主张加大政策指导力度，恢复互联网金融生态系统。

上述专家学者对金融生态和互联网金融生态作了指导性研究，对构建互联网金融生态系统有十分重要的意义，但互联网金融作为一种新生事物，无现成经验做参考，无成熟理论做指导。针对在互联网金融野蛮生长过程中出现的各种违法乱纪现象，无有效解决办法可供借鉴。将生态学基本原理应用于互联网金融生态系统，将为互联网金融健康发展提供新的思维视角和理论指导。

三、互联网金融的优势及发展现状

（一）互联网金融的优势

互联网金融相对于传统金融行业已经显示出巨大的优势。我国传统金融行业是个相对垄断的行业，资本市场不完善，法律体制不健全，监管力度不够等问题较为突出，改革阻力较大。在这种情况下，互联网金融是对我国金融体系极大的补充和完善。一方面，互联网金融企业可以利用云计算和大数据技术，建立大量的用户数据库，逐步实现金融行业的去中介化，解决信息不充分的问题，很大程度上降低了交易成本与中间费用，在销售渠道、产品推广、风险防控、客户选择等方面，相对传统金融业而言，具有显著优势。另一方面，互联网金融可以填补传统金融业的空白，丰富金融产品的多样性，提升金融生态系统的稳定性。

（二）互联网金融迅猛发展

互联网金融生态主体形式多样化，产品不断推陈出新，资源供给较为丰富。由于互联网的普及，掌握互联网操作知识与技能的年轻一代已经成为金融消费市场的主体；基于大数据、云计算、移动支付等技术的迅速完善，互联网金融得以快速发展，交易规模呈现出逐年递增的态势 （如图1所示）。

图1 2011-2017年我国互联网消费金融交易规模

（三）互联网金融面临严峻挑战

我国互联网金融创新处于前期起步阶段，其发展具有一定的盲目性与不合理性，互联网金融生态系统污染较为严重，为未来互联网金融生态的发展埋下隐患。非法集资、披露虚假信息、操纵市场、金钱诈骗等恶性事件不断发生。因此，必须加大对互联网金融生态系统的治理力度，约束互联网金融企业的行为，才能有效遏制一些不良现象的发生。

四、生态学中关于种群关系的基本理论

种群是生物进化和遗传的基本单位，也是构成群落的基本单位，同一种群的个体在生活习性、遗传特征上都有着相似性。种群不能孤立存在，必须与其他种群构成群落，并形成相互关系才能生存。种群没有严格的时间和空间限制。在生态学中种群大多是作为具体的对象而被研究，种群也可以作为一个抽象概念，应用于人文学科。

种群生态学是研究种群特征的生态学分支，由个体生态学发展而来。种群生态学的基本任务是研究种群内的数量变化以及引起数量变化的规律，而数量变化由出生率、死亡率、迁入率、迁出率来刻画的。在其他因素不变的条件下，种群密度并非固定不变，而是沿着平衡密度上下波动，因此，种群数量也处于波动状态，当种群密度过大时，种群内的个体往往呈现减少趋势。

（一）种群分布型

一般而言，种群分布有三种类型，即随机分布、均匀分布和集群分布。如果种群中某个个体分布不受其他分布的影响，这种分布被称为随机分布，一般只有环境和资源在时空无差异时才会出现，并且要求种内成员互不吸引互不排斥，该分布方式是极其罕见的。在均匀分布中，个体之间的距离比较一致，其形成机制为种内的相互竞争。集群分布最为常见也最为普遍。因生态系统中各种生物因子，包括水、温度、食物等的分布不均匀，造成生物种群在长期演变和对环境的适应过程中呈现集群化趋势，这种分布方式被称为集群分布。

图2是2017全国各行政区p2p平台数量分布图，其中北京市和广东省的p2p平台分别占全国的20%，上海市占16%，其他省市占比较少，区域分布极不平衡，平台集群性十分明显。

由于当密度增加到极大时，种群中的个体就不得不去适应其它生存环境，使种群分布趋于均匀。因此，当p2p的分布密度不断增大时，平台会在密度较小的地区拓展业务。这就要求一些p2p平台数量较少的省市积极接纳来自互联网金融机构的渗透，并创造良好的生存环境和监管环境。

（二）种群的增长型

种群数量的增长和演化是生态学中一个关键问题。从数量统计的角度，种群的大小可以通过种群密度来表示，生态系统中每一个种群都有其合适的密度。衡量种群数量的参数通常包括出生率、死亡率、迁入率和迁出率。种群的密度总是随着时间而改变的，可以分为指数级增长，logistics增长等增长类型，一般的，当种群密度过小时，种群内个体数往往会上升到一个较高的水平，当种群密度过大时，种群往往趋于衰退，造成种内个体数的急剧下降。

图2 2017全国各行政区p2p平台分布图

（1）种群增长的简单模型

以上假设种群增长率r0不变，实际中r0随着密度而改变，当密度增大到一定值时，由于某种原因使得增长率下降。

（2）种群增长的指数级模型

（3）种群增长的logistics模型

（三）种群增长的竞争关系

在同一空间内，资源总量是有限的，对于有限资源的争夺既可以发生种内竞争，又可以发生种间竞争。两物种竞争模型可以使用Lotka-Volterra来描述，即用L-V模型来探讨竞争对于两物种的影响。

假设N1，N2两物种之间发生竞争关系，环境容纳量分别为K1，K2，个体瞬时增长率分别为 r1，r2，则竞争会十分激烈，种群内出生率和死亡率会接近相等。

因此需要在种群增长模型中加入环境容纳量K，当种群数量达到环境容纳量K时，种群增长率为零，种群停止增长。这时增长方程可表示为：

其中a12，a21是竞争系数，通常是大于0小于1的实数。a12表示物种2对物种1的竞争抑制作用，a21表示物种1对物种2的竞争抑制作用。 将以上两个方程改写一下，则有

等号右边第一项表示非竞争因素而导致的种群数量变化，第二项表示种内抑制增长，第三项表示种间抑制增长。其中，物种2中个体对物种1的抑制作用等于a12/K1，物种1中个体对物种2的抑制作用等于两物种之间竞争会出现四种情况，物种1能抑制物种2，物种2能抑制物种1，或者都能抑制，或者都不能抑制，只有物种1与物种2都不能相互抑制时，两个种群才能稳定平衡。，即种群瞬时增长率为零，这时种内竞争达到平衡状态，物种1和物种2达到竞争共存状态。因此，当两个种群稳定共存时，他们的种群数量都应少于环境容纳量K，竞争中种群不能达到最大密度。

五、基于仿生学原理互联网金融生态修复路径研究

金融产业关系到一国经济发展的命脉，对于一国实施经济政策，提升综合国力有着很重要的作用，而互联网金融作为金融领域新兴的发展力量，对传统金融商业模式产生了重大影响，正在潜移默化地改变传统金融产品的交易方式与运行模式。将生态学原理引用到互联网金融领域本身就是一种全新的课题，吸引了众多跨学科学者前来研究探讨。以生态学的研究方法研究互联网金融生态系统，将生态学原理应用到互联网金融领域，进而为互联网金融生态的优化，更好服务实体经济寻找更优的发展路径。

（一）研究方法

本文采用类比分析法，即将互联网金融生态系统与自然生态系统进行类比，将一些生态学理论应用到互联网金融生态的研究中，从而归纳分析出互联网金融生态的内在机制，揭示互联网金融发展规律，为构建良好的互联网生态系统寻求路径。

采用定性分析法来研究互联网金融生态的发展规律，基于生态学成熟理论和互联网金融现实数据，采用logistics模型和L-V模型分析互联网金融生态的增长模型以及各种群之间的竞争机制，从互联网金融生态系统的种群分布型、数量增长模型以及物种之间的竞争机制等方面来深入研究互联网金融这一崭新的生态系统。

（二）适应性分析

将生态学理论应用到互联网金融生态上，有必要进行适应性分析。

表1 自然生态系统与互联网金融生态系统耦合分析

如表1所示，通过比较，将自然生态系统构成要素与互联网金融生态各个组成部分进行一一对应，自然生态系统与互联网生态系统在某种程度上耦合度较高，各组成部分形成具有一定层次和结构的系统。与自然生态系统一样，互联网生态系统也存在着自我调节、协同发展、竞争共生、弱肉强食等运行机制与内在规律。因此，将自然生态学应用到互联网生态系统内是合理的。

（三）互联网金融生态的logistics模型

logistics模型是生态学中在有限的生态资源环境下，种群增长繁殖的模型。互联网金融生态种群和自然生态系统中的生物种群很相似，同样遵循适者生存的自然法则。互联网金融中的种群为争夺有限的金融资源展开竞争，形成种内种间的竞争关系。研究互联网金融的种群演化过程，一方面可以通过政策作用支持互联网金融的快速发展，使其尽快成熟，另一方面也能避免种群

在种群增长logistics模型的基础上，推出互联网金融生态的logistics模型，假设条件如下：

1．设 z=z（t），z表示互联网金融生态系统的规模，t表示包括时间、政策环境、金融科技、人力资源等在内的一切影响生态系统规模的变量。z0=z（0）表示种群的初始规模。

2．设K为在特定的时间和空间范围内，在资金、人力、技术等资源一定的情况下，互联网金融生态系统可达到的最大规模，即环境容纳量。

3．r表示在自然状态下互联网金融生态系统的增长率，由于资源是稀缺的，自然增长率r会随着生态系统规模的增大而成比例下降，其线性函数表达为：r（z）=r-αz

根据以上假设，互联网金融生态系统的规模函数为：

根据这三个点做出互联网金融阶段成长曲线，如图3所示。

图3 互联网金融成长阶段示意图

从图 3 中可知，当时间 t∈（0，t1）时，互联网金融生态系统规模趋于平稳上升，增长速度和加速度都变大。这时金融资源充足，利用率不高，随着互联网金融生态系统规模的增加，互联网金融生态系统将迎来下一个阶段的增长。

当时间 t∈（t2，t3）时，增长速度和加速度都逐渐变小，增长动能减弱。当互联网金融生态系统达到K时，停止增长。在这个阶段，部分互联网金融企业成为行业领头，规模大于其他企业，种内个体互相协同发展。

当时间 t∈（t3，+∞）时，互联网金融生态系统规模达到极限，增长速度日趋下降，金融资源越加紧缺。互联网金融生态系统的企业为了争夺有限的资源可能会出现恶性竞争，这时需要政府出台政策法规帮助互联网金融生态系统突破极限，进入下一个生命周期。

图4 2014年1月至2017年10月全国p2p网贷平台数量资料来源：网贷之家

图4为2014到2017年全国p2p平台数量，2014至2016年间的平台数量变化曲线大致符合logistics增长模型方程。由于全国各大平台出现诸多问题，因此2016年4月国务院开展互联网金融专项整治活动，各监管平台陆续出台了对互联网金融不同领域的整治方案或管理办法，这期间倒闭、转型、出现困难下架的p2p平台多达上百家。因此，增长曲线往下滑动，随着整改完成，行业规范不断深化，预记p2p平台数量将会再次增大，围绕环境容纳量上下波动。

六、结论与建议

（一）建立生态系统内部主体之间良性竞争机制

现阶段互联网金融诈骗、不正当竞争、盲目发展等不良现象充斥着交易市场，一些不法企业采用不正当竞争手段，或随意抄袭甚至直接复制一些网络平台的运营模式，使得原平台客户黏性降低；或违反市场规则雇佣黑客，破坏互联网金融企业网站安全，给消费者和生产者带来巨大损失。应鼓励互联网金融主体营造良好的竞争环境。一方面，通过优胜劣汰，促使互联网金融平台弥补自身缺陷，推动行业健康可持续发展，为金融生态系统带来多元化的发展动力；另一方面，规范市场竞争秩序，严厉打击不良平台的违法行径，维护互联网金融生态稳定。

（二）运用创新机制，促进生态系统多样化

我国的互联网+模式仍处于低级阶段，互联网技术与金融模式的结合还有待深化，从交易量和交易规模来看都远不如传统金融服务业。虽然我国互联网金融系统主体数量较多，但是同质化严重，多数企业提供的服务具有很高的相似度。众多平台争夺有限的金融资源，导致种内种间竞争加剧，一些不法企业采用不正当的竞争手段，致使行业生态污染严重。应推动创新，促进互联网金融主体多样化。一方面，可以利用互联网平台的优势，深化传统金融行业的业务模式与互联网金融融合发展，加快传统金融业向互联网金融行业转型，对传统的金融业态进行转型和重构。另一方面，促进行业纵深发展，开辟盈利新模式，拓展行业成交量，构建新型合作模式，降低系统风险。

（三）改善互联网金融生态环境，完善监管体制

1．信息环境。现阶段，大数据在维护互联网金融企业发展及安全等方面，扮演着越来越重要的角色。然而出于竞争意识，大多数互联网金融平台选择封闭自己获得的数据，造成数据流通不畅，收集和整理数据成本高昂。互联网交易过程中包含着海量的信息，对信息数据进行归集分类，建立共享大数据库，可以解决交易过程中的信息不对称问题，降低数据收集成本，提高金融效率。

2．监管环境。目前，我国的监管体制仍然是分业监管，“一行三会”各自履行自己的监管职责。然而互联网金融已将许多产业联系到一起，涉及多个行业。分业监管已经不再适应互联网金融的发展趋势，应加快推进混业监管体制建设。一方面，明确各方主体的责任与义务，排除灰色地带；另一方面，要加快相关法律的修订，做到有法可依。

（四）促进互联网金融生态系统创新，注入发展活力

积极对接P2P、消费金融等新兴金融模式，打开资产端关口。当前，用户利用互联网消费的需求和线上购物的能力正不断上升，潜力巨大。互联网金融生态系统应抓住机遇，积极实现业务创新与场景化对接，切实提升自身团队建设、大数据处理技术和模型开发能力，打通资金连接渠道，探索资产端创新模式，扩大业务规模，对外输出风控能力和信息技术。中小企业以及消费者的融资需求是互联网小额贷款公司的主要业务来源，识别其融资需求是互联网小贷基础性工作，也是资产端创新的重要来源。基于场景化数据分析，识别出融资难且优质的群体和非融资难群体的融资需求，提供高效、方便的服务，尽可能地满足用户的融资需求，从而不断拓宽对外围用户的吸引能力。

总之，生态学的相关理论模型为互联网金融生态的发展带来了新的研究思路，揭示了互联网金融系统的本质与运行机制，进而可以将其运用到互联网金融生态各个子系统中，为优化各个子系统提出更好的建议，从而建立更加稳定的互联网金融生态系统。

参考文献：

[1]中国人民银行行长 周小川．完善法律制度 改进金融生态[N]．金融时报，2004-12-07．

[2]林永军．金融生态建设：一个基于系统论的分析[J]．金融研究，2005（8）：44-52．

[3]匡国建．完善金融生态法律制度的思考[J]．金融研究，2005（8）：37-43．

[4]郭彬，杨振中．我国农村金融生态环境的优化研究[J]．改革与战略，2017 （9）：111-113．

[5]林欣．中国金融生态与经济增长关系研究[J]．统计与决策，2016（1）：119-123．

[6]杨风，吴晓晖．金融生态环境与公司战略选择——基于创业板上市公司的经验证据 [J]．金融理论与实践，2017（3）：50-54．

[7]陆岷峰，沈黎怡．互联网金融生态系统：运行机制、缺陷与优化[J]．南方金融，2017（1）：98-103．

[8]陈麟，谭杨靖．互联网金融生态系统发展趋势及监管对策[J]．财经科学，2016（3）：49-57．

[9]陆岷峰，徐阳洋．互联网金融生态优化战略研究——基于与传统金融生态差异性视角分析[J]．河北科技大学学报（社会科学版），2017（2）：12-18．

[10]尚玉昌．普通生态学（第二版）[M]．北京：北京大学出版社，2001

[11]季子钊．供给侧改革下互联网金融监管“两难”目标的博弈分析[J]．兰州财经大学学报，2017（1）：69-77．

[12]徐阳洋．中国商业银行资本结构动态调整的影响因素研究[J]．金融监管研究，2017（3）：29-50

[13]张欢．商业银行参与股权投资业务的争议与对策研究[J]．西南金融，2017（3）：3-9．

[14]陆岷峰，王婷婷．互联网财富管理路径[J]．中国金融，2016（15）：29-30．

[15]徐阳洋．长三角互联网金融中心的模式与定位[J]．天津商业大学学报。 2017（2）：21-27．

[16]葛和平．发展普惠金融的关键在于提升服务客体的履职能力[J]．经济与管理，2017（4）：43-48．

[17]吴建平，沈黎怡．成长链金融创新发展研究[J]．管理学刊，2017（2）：52-62．

[18]陆岷峰，汪祖刚．大数据本源风险研究[J]．西南金融，2017（7）：3-8．