首页 > 观点

孙国峰:RegTech主要在防范风险,应推动监管成本“适度内部化”

观点 零壹财经 零壹财经 2017-07-10

关键词:金融风险RegTech人工智能金融监管SFI

中国的RegTech发展之路与国外有所不同,中国的金融市场比较大,发展速度快,有很多跨行业、跨市场的新产品和创新,这些创新也隐含着一些金融风险。
7月9日,在由上海新金融研究院(SFI)主办的第四届金融科技外滩峰会上,人民银行金融研究所所长孙国峰表示,中国的RegTech发展之路与国外有所不同,中国的金融市场比较大,发展速度快,有很多跨行业、跨市场的新产品和创新,这些创新也隐含着一些金融风险。为了应对这些金融风险,需要加强金融监管。

从发展RegTech的推动力来看,孙国峰认为,中国的金融监管是最具有包容性的,金融机构和金融科技公司不一定有足够的研发RegTech技术的动力,所以在中国推动RegTech的发展,主要的是从监管当局角度来推动。

在RegTech技术具体应用方面,从国际上看主要是监管合规,也包括反洗钱、网络安全。在中国,除了这些方面以外,很重要的一个应用领域,就是防范金融风险,促进防范金融风险能力的提升。孙国峰表示,通过云计算,可以完善监管规则,灵活地调整计算方法,特别是今年取得重要突破的人工智能,这也是RegTech运用的一个重要的技术。人工智能有可能是RegTech发展的一个重要核心,运用人工智能进行监管,具有几个方面的优势:

(1)解决了监管者的激励约束问题;

(2)可以使得监管具有更高水平的全局优化计算能力;

(3)应对系统性金融风险方面,人工智能有独特的优势。

针对如何在中国发展RegTech,孙国峰给出六方面建议:

(1)完善金融监管的双支柱。微观层面上,要建立Fintech行业监管规则,要实现风险监管的全覆盖,避免监管空白;宏观层面,要完善宏观审慎监管体系;

(2)推动金融数据标准化;

(3)监管当局要制定相关的规则、标准。包括行业技术标准,有效规范市场准入、退出;

(4)谁来发展中国的RegTech?有几个路径:
 

路径一:由金融监管机构自身独立研究和开发RegTech的系统。

路径二:金融监管机构将RegTech系统的研究与开发外包,金融监管当局可以提出需求,专业的RegTech机构进行开发设计。

路径三:金融机构或Fintech公司开发RegTech系统,由金融监管机构进行选择和整合,包括评估,也可以聘用第三方评估公司进行评估,在这个基础上,形成适用于整个行业的RegTech系统。



(5)如何建立可持续的RegTech发展机制。RegTech的发展,需要大量的资金投入,所以有必要推动监管成本适度内部化。也就是说Fintech行业(当然,也包括金融机构),适当分担监管当局发展RegTech的成本。

(6)加强RegTech的国际合作。

附孙国峰演讲原文及问答实录(由活动主办方上海新金融研究院提供):

孙国峰:感谢海明秘书长给我这样一个机会,就RegTech的发展跟大家做个交流。我今天交流的题目,是"中国RegTech发展的路径"。

对RegTech有不同的定义。英国的行为监管局将RegTech描述为"运用新技术,促进达成监管要求"。

我想更宽泛地理解,RegTech可以定义为"科技和监管的有机结合",也就是将科技运用于监管。这样RegTech就涉及到三个方面的主体:一方面,是监管机构,负责制定监管规则;第二是金融机构,包括金融科技公司,行为需要符合监管合规要求;三是近些年兴起的专业的RegTech公司,可以为金融机构、金融科技公司满足监管合规的要求提供服务。具体可以应用大数据、云计算、人工智能、机器学习这些新兴技术。

RegTech的发展,在国外有两个方面的因素。

1、从需求角度看。大家知道,金融危机之后,监管当局对金融机构的监管逐渐收紧,金融机构遵守监管法令的成本增加。很多银行大量雇佣人力,增加支出,为了满足监管要求,避免巨额罚款,所以很多银行引入了科技手段,促进自身满足监管能力的提升。这是从需求方面看RegTech的背景。

2、供给的角度。这些年,大数据、云计算、人工智能、机器学习发展进入了一个新的发展水平。从能力角度来说,RegTech发展的潜力也得以释放。特别是出现了一些专业的RegTech公司,可以提供更加专业的服务。

和国外不同,我们看中国的RegTech发展,有它的独特之处。

1、发展RegTech的必要性。从国外的发展经验看,主要是为了满足监管需要。而中国,除了满足监管需要的角度,还有一个很重要的现实问题,就是中国的金融市场比较大,发展速度快,跨行业、跨市场,很多新的产品,很多创新。这些创新也隐含着一些金融风险。为了应对这些金融风险,需要加强金融监管。但金融监管的人力成本越来越高,面对这么大的市场,这么多的产品,这么多的金融机构和金融数据,单纯靠人力进行监管,恐怕难以满足监管的需要。所以,在中国,RegTech不仅可以用来监管Fintech的发展,还可以满足监管当局对金融风险进行识别、防范和划界能力的提升。

2、从这个角度来说,发展RegTech的推动力,也有所不同。从国外来看,RegTech发展主要是金融机构为了满足监管要求,对自身引入一些新的技术,发展RegTech。在这个背景下,可以看到国外监管当局也引入了技术,发展RegTech进行监管。从国外来看,RegTech的发展推动力,既来自金融机构,也来自监管当局。而在中国,金融监管是最具有包容性的,金融机构和金融科技公司不一定有足够的研发RegTech技术的动力,所以在中国推动RegTech的发展,可能更主要的是从监管当局角度来推动。

3、RegTech的技术具体应用方面。从国际看,主要是监管合规,也包括反洗钱、网络安全。在中国,除了这些方面以外,很重要一个应用的领域,就是防范金融风险,促进防范金融风险能力的提升。

RegTech的主要技术。

通过大数据,可以分析各种海量的金融数据。

通过云计算,可以完善监管规则,灵活地调整计算方法,特别是今年取得重要突破的人工智能,这也是RegTech运用的一个重要的技术。

人工智能有可能是RegTech发展的一个重要核心,运用人工智能进行监管,具有几个方面的优势:

(1)解决了监管者的激励约束问题。监管者为什么进行监管,有什么动力进行监管?这本身是一道监管的激励约束机制问题。用人工智能进行监管,发展RegTech,可以解决监管者的激励约束机制问题,避免由于缺乏必要的激励约束机制而导致的监管不力问题。

(2)人工智能的引入,可以使得监管具有更高水平的全局优化计算能力。人工智能,特别是最近刚刚结束的AlphaGo和柯洁的对弈,可以看到人工智能通过自主学习,进步非常快。而且有很强大的计算能力、全局优化的能力,可以发现人工发现不了的很多潜在风险、漏洞、隐患。金融风险是未来发生损失的一种不确定性,既然是不确定性,实际就意味着人类在认知未来世界方面,具有某种缺陷。这种缺陷,现在看来可以通过人工智能的方式加以有效的弥补。我们人类发现不了的,通过人工智能可以发现。所以AlphaGo战胜柯洁之后,在网上公布了自战的50盘对局,人类棋手看不懂,因为已经超出了人类理解的范畴。但可以达到一个很好的效果。

(3)应对系统性金融风险方面,人工智能有独特的优势。

所谓系统性金融风险,就是发生了金融风险,有可能对实体经济、金融体系运行造成重大损害的风险。什么金融市场的波动,什么层级的波动,会导致系统性金融风险?这方面,我们的认识还很不够。很多系统性金融风险发生之前,很难预测,甚至在发生之后,还很难被判断。

比如这次全球金融危机,发生之前,很少有人预测到美国次贷危机会导致全球金融危机,甚至发生了美国次贷危机之后,还有很多各个方面的经济学界、监管当局、金融街没有意识到次贷危机的发展,最终会成为一个全球金融危机。这也说明,人类的理解还是具有某种缺陷。当然,危机之后,在怎样识别建立预警机制方面,各国监管当局做了很多的研究、探索,也可以看到很多指标的出现。比如说国际清算银行的Credit-to-GDPgap指标。当然,这个指标也有它的问题,比如它是根据过去的经验分析,有2/3的经济体这个gap达到某个水准以后,会发生系统性金融危机,还有1/3的经济体指标达到某一水平以后,没有发生金融危机,问题是我们不知道这个国家是属于那2/3还是属于那1/3。所以,试图通过一些简单的指标识别、判断系统性的金融风险,可能存在很大的难度。需要人工智能基于大数据的基础上,进行强大的计算,有可能会发现我们意识不到的一些潜在的系统性金融风险。当然,人工智能在应用于监管方面,可以有很多推理方式,不仅有类似于围棋的规则推理,可能金融体系很多规则也在不同变化,还可以应用案例推理,根据过去发生的事件进行推理,还可以用模糊推理,对不确定性的事件进行分析。总之,可以通过各种方式、计算方法,模拟人类的想法,而且由于具有强大的计算能力,能在计算结果上超出人类。所以,人工智能可以在很大程度上起到一个特殊的作用。

在中国,我们如何发展RegTech?我有一些个人的想法。

首先,完善金融监管的双支柱。

1、微观功能监管。要建立Fintech行业监管规则,要实现风险监管的全覆盖,避免监管空白。要进行穿透式监管,把资金来源中间环节和最终的投向,穿透连接起来。综合全链条信息判断业务属性和风险特征,执行相应的监管规则,可以积极探索分类分级监管,针对经营规模、技术和风险能力,不同的机构的业务准入、创新方面,采取分级分类的监管方式,提高监管效率。

2、宏观层面,要完善宏观审慎监管体系,因为我们可以发现,金融机构如果都采取人工智能、自主学习的方式管理风险,一方面微观的金融风险可能增强,另外也可能导致顺周期行为,现在很多金融科技公司对客户风险的判断,通过大数据进行实时分析,反应速度可能是毫秒级的,出现一个冲击之后。如果所有的金融机构、金融科技公司瞬间都采取同样一个行动,比如一个负面冲击来以后,同时收缩授信额度,那对金融业就是一个非常大的冲击。所以从这个角度说,要通过宏观审慎的监管,采取逆周期的操作,避免顺周期的风险。

第二,推动金融数据标准化。因为大数据的前提是要有数据,这个数据一定要有标准化的数据。各个金融机构、金融科技的数据,如果不能实现标准化,就很难建立基于所有的金融机构、金融科技公司数据基础上的RegTech的监管。也包括金融数据的准确性的保障。数据的准确性、标准化这样的基础建立以后,才有可能进行比较好的大数据的分析。

第三,监管当局要制定相关的规则、标准。包括行业技术标准,有效规范市场准入、退出,为金融机构、金融科技公司发展提供一个有序的公平竞争环境。

第四,谁来发展中国的RegTech?我想有几个路径。

路径一:由金融监管机构自身独立研究和开发RegTech的系统。

路径二:金融监管机构将RegTech系统的研究与开发外包,金融监管当局可以提出需求,专业的RegTech机构进行开发设计。

路径三:金融机构或Fintech公司开发RegTech系统,由金融监管机构进行选择和整合,包括评估,也可以聘用第三方评估公司进行评估,在这个基础上,形成适用于整个行业的RegTech系统。

第五,如何建立可持续的RegTech发展机制。因为RegTech的发展,需要大量的资金投入。这和过去的监管不同,因为过去监管主要是人力成本,取决于监管当局能不能聘用到高素质的监管人才。现在的监管,随着RegTech的发展,更多体现为资金的投入,因为建立高效的系统,要运用人工智能这种方式,都需要大量的资金投入。在这个背景下,如果RegTech本身没有一个很好的自主发展的机制,有可能会形成监管发展和金融科技行业发展之间的不平衡、不对称。所以在这个问题上,有必要推动监管成本适度内部化。也就是说Fintech行业(当然,也包括金融机构),适当分担监管当局发展RegTech的成本。因为从Fintech行业的发展来说,为了有一个很好的监管环境,也有必要支付一些这种成本,可以把这种成本看作为了推动Fintech行业长期可持续健康发展的一个良好的外部环境所必需的。具体的操作层面,也可以通过一些组织、模式创新的方式来为RegTech系统建设贡献自己的力量。监管成本适度内部化,可以有助于解决监管的激励约束问题,也可以缓解金融监管中的不公平性问题。是不是要用所有纳税人的钱来为某一个由于Fintech行业快速发展所带来的监管的挑战而建设一个耗费很多资金的RegTech系统?也有利于构建公平、有序、竞争的金融科技的新生态。

第六,加强RegTech的国际合作。一方面,中国可以和其他的监管当局就RegTech技术进行交流、合作,引进一些新的技术,当然也可以分享追究经验。另一方面,加强国际监管合作,防止出现跨国的监管套利,防范系统性的金融风险。

我的交流就到这儿。谢谢。

王海明:感谢孙司长的精采演讲,他的演讲也得到了国际友人的高度评价。接下来是讨论时间。

莫汉帝:请问孙司长一个问题,我们刚才也谈到了这一点,就是银行和金融科技企业把数据公开、分享出来,您如何看?银行和金融科技开放架构、开放自己的数据,您如何看?

孙国峰:在中国一方面要注重Fintech公司的发展,另一方面也要注重金融机构应用Fintech技术,去推动Fintech行业的发展。所以,在中国我们说Fintech,Fin是金融,Tech是技术,希望两方面可以结合。从这个角度来说监管,一方面是对金融机构的监管,一方面是对Fintech的监管。RegTech的应用,也可以在两方面同时着力。

沈艳:今天对RegTech您做了非常系统、深入的介绍。您认为RegTech和传统的监管,之间未来的关系以谁为重?怎么发展?路径如何看?在RegTech核心这一点讲到人工智能可能更好的识别和应对系统性金融风险。但是RegTech,我们现在用到的基本都是过去的数据。所以无论如何,机器计算的时候都是拿过去预测未来。一方面有可能更好的死别风险,是不是也存在一种可能性,就是当我们大量依靠人工智能的时候,有可能系统性的风险未必一定会变小呢?

孙国峰:有两个问题。

从RegTech的发展来看,RegTech的发展一方面是金融机构的角度来说,可以解决微观监管的问题,第二个是宏观审慎监管的问题。

在微观审慎监管的层面,更多是对现有规则的执行,这方面来说,当然RegTech具有很多的优势,因为它可以迅速取得大数据,监管当局可以从金融机构、兼容监管公司直接抓取底层数据,这样也不需要金融机构或者金融科技公司向监管当局报送什么数据,直接抓取底层数据,然后进行分析。另外一方面,宏观审慎监管,也就是所谓的防范系统性风险,RegTech是基于历史数据,人类也是掌握历史数据,大家掌握数据的角度一样,人类也不知道未来的数据。由于RegTech有强大的计算能力,可能会发现人类所发现不了的潜在风险。比如Alpha和柯杰的围棋,规则很简单,但是Alpha下的棋人类看不懂,最新公布的50盘棋,人类棋手甚至都不敢评论,无法评论,这个结果怎么得出来的也不知道,人工智能中间可能是个黑箱。但是从实战结果来看,确实远远超出了人类,你只能相信结果。具体的实践过程当中,初期应当是逐渐探索、逐渐引入人工智能进行分析,更多是作为一种参考。随着人工智能的发展和强大,有可能很大程度上会替代现在一部分的监管,可能是一种合作,或者是相互联系的方式。最终的发展方向,是否可以完全替代?我觉得还是要探索,目前我们还看不清楚,但是我们可以抱一个比较开放的态度。

麦迪格拉夫·克雷格:非常感谢您的发言,我有一个问题,我们使用的是最基本的数据分析,然后进行监管,运作非常良好,但是在这样的一个大数据时代,在中国行为预测方面,数据的分析有这样的能力,因此有很多经济学家和心理学家来使用这些数据,预测消费者的行为,是不是这个行为会有一些风险?这个不是在中国央行内部,对于银行的监管也会使用这样的一个技术,分析消费者的行为?

孙国峰:这将来都是可以应用的,通过分析个人的行为信息,可以得到更多有关信用方面的、可以参考的信息。这些信息,也不能完全替代关于信用方面直接的数据,将来有可能两方面的数据相结合,更有利与监管当局得出更好的结果。

王海明:孙司长在汇率方面是非常厉害的专家,RegTech刚研究不久,这些问题可能"正好"。

接下来是10分钟的茶歇,之后回来。下半场更多的时间用来圆桌讨论,两位演讲之后,大家可以准备一些问题、观点来讨论。
 

上一篇>数字资产大跃进 互金领域该如何探索?

下一篇>王永利:理性看待网络虚拟币与区块链


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

网贷大转折——备案进度测评(共4篇)


资讯排行

  • 48h
  • 7天



耗时 119ms