随着金融发展、科技进步，数字技术深刻影响着传统商业银行和金融机构的经营管理模式，金融科技在不断提升银行和金融技术的同时，也带来了一些新的风险和挑战。

 

2017年4月15日晚，北京大学数字金融研究中心（IDF）主办的“北大数字金融讲坛”第二讲在朗润园举行。本次讲座力邀两位监管部门和业界的权威专家——中国人民银行金融研究所所长、互联网金融研究中心主任孙国峰，浙商银行行长、北京大学数字金融研究中心学术顾问刘晓春，围绕“数字金融的新实践和新监管”的主题展开了精彩讨论。本次讲座由北京大学国家发展研究院副院长、数字金融研究中心主任黄益平教授担任主持。

————————

以下为孙国峰的演讲现场视频及实录，文章已经作者审核，仅代表作者个人观点，不代表IDF意见。转载请注明出处：

   中国人民银行金融研究所所长、互联网金融研究中心主任孙国峰

 

我今天想讲的内容是对金融科技的监管。首先，为什么要监管Fintech，接下来介绍金融科技监管的国际经验，最后谈一下现在比较流行的Regtech，用监管科技来应对金融科技。

 

一、为什么要监管金融科技

 金融科技本质上还是金融，说到金融就有金融的风险。而且金融科技的出现使得金融风险更敏感，更具有传染性。在没有金融科技之前金融风险有可能是局部的，有了金融科技的发展，通过互联网等各种高科技的手段，金融风险传播速度加快、范围更广，有可能造成系统性金融风险。金融科技本身有助于解决一些单个市场的信息不对称问题，但是从全局来看有可能造成系统性的信息不对称问题。因为每一个金融科技公司都很了解自己的客户，但是全体的信息加在一起，监管当局不一定了解整体的信息，所以金融风险的隐蔽性反而增强了。另外金融科技发展增加了业务的传染性，使其容易在各个不同的金融机构、金融市场之间进行传染，增大了金融风险。

 

还有一个值得关注的是数据风险。首先大数据有一个质量的问题，数据有很多，但是质量如何，什么是真实有效的数据？其次，对大数据进行分析，也有可能落入虚假关系的陷阱，相关性不等于因果性。在诸多的数据当中，不难找到一些数据之间有相关性，但不代表它们之间有必然的联系。一个著名的例子就是1990年，对冲基金First Quadrant发现了一个规律，孟加拉国生产的黄油加上美国生产的奶酪，再加上孟加拉国的羊的数量，这三个数字加在一起和美国的标普500指数从1983年到1993年的十年时间里有99%的统计相关性，但1993年之后，这个相关性就突然消失了。所以大数据分析很有可能就陷入到虚假关系的陷阱中。如果应用了虚假关系进行分析的话，使用数据反而会带来风险，最终可能演化成信息安全风险。还有监管套利问题，包括在监管部门之间套利，以及跨国监管套利。

 

这种潜在风险可能因为一些事件而爆发出来，比如流动性风险。有一些Fintech公司可能采取了一些有争议的交易模式，吸收了客户的保证金，一旦资金链条断裂可能会造成流动性风险。还有一些伪金融科技平台，实际上搞非法集资，在互联网形态下它的覆盖面很广，比如易租宝的投资人达到84万人，余额702亿元，风险的传播和释放非常严重。还有其他的如黑客攻击、非法经营的风险。

 

还需要考虑的是要让金融科技为实体经济服务，因为金融科技的本质属性还是金融，金融的终极目标还是要提高金融资源的配置效率，所以我们评价金融科技的发展，还是要看看通过区块链、大数据、云计算这些手段是否提高了金融服务的可达性、普惠性，提高了金融服务的效率，从这方面来说金融科技也需要监管。另外，FinTech的金融消费者保护问题，比如金融大数据中可能涉及消费者隐私的保护。所以从FinTech的风险属性、服务实体经济和消费者保护看，都应当加强对金融科技的监管，采取一系列措施防范金融科技发展所带来的潜在金融稳定风险。

 

二、Fintech监管经验的国际经验

从各国的监管经验来看，美国是功能性监管，根据金融科技业务的金融属性来进行监管，比如P2P涉及到资产证券化，就是美国证监会管。英国推出了监管沙箱，通过提供一个“缩小版”的真实市场和“宽松版”的监管环境，在保障消费者权益的前提下，允许FinTech初创企业对创新的产品、服务、商业模式和交付机制进行操作。新加坡也开展了监管沙箱的实践。日本，过去金融集团受限于只能持有初创企业的5-15%股权的限制。面对FinTech发展落后于其他国家的状况，日本于2016年放松了对金融科技企业投资的限制，允许银行持有5%以上的金融科技公司股份。   

 

总结国际经验，为什么美国是比较严格的功能性监管，而英国和新加坡采取监管沙箱模式来鼓励金融科技的创新呢？原因可能在于美国的金融市场，特别是国内的金融市场比较大，而且金融创新的动力比较强，在这种微观主体自身创新动力比较强的情况下，不需要对金融科技进行额外的鼓励。而英国和新加坡本身国内的金融市场并不大，而是注重发展国际金融中心，所以通过促进金融科技的创新来提升国际金融中心的地位。而且英国和新加坡本身金融科技创新的动力比较弱，因此需要鼓励。

 

关于中国的FinTech如何监管。我国的特点是金融市场非常大，微观主体的创新动力很强，而且最近金融风险问题也比较突出，在这个背景下可以考虑将微观功能监管加上宏观审慎管理作为中国金融科技监管的双支柱。微观上金融监管主要是根据实质重于形式的原则，将资金来源、中间环节和最终投向穿透联接起来，综合全链条信息判断业务的属性和法律关系，然后执行相应的监管规则。同时还要探索宏观审慎管理，因为FinTech采取高科技处理大数据，有可能会在提高了风险识别能力的同时也强化了顺周期行为，需要进行逆周期的调节。一些金融科技公司收取了客户保证金，可能造成流动性风险。所以有必要将Fintech纳入到宏观审慎管理的框架。沙箱监管可以作为监管双支柱的一个补充，在局部地区进行尝试以推进金融科技创新。但在整体上更重要的还是要采取微观功能监管加宏观审慎管理，以防范系统性金融风险。同时加强跨国的监管合作，因为中国的Fintech发展在国际上领先，作为领先者，更有必要掌握全球的Fintech的监管规则和行业标准制定的主动权，这有利于推动中国金融科技的发展。

 

三、以Regtech应对Fintech

什么是Regtech？最开始的时候是金融机构来应用新技术解决监管合规的问题。因为金融危机以来监管越来越多，金融机构遵守监管的法律成本增加，而金融机构通过自己自身的人员进行合规性的内部管理，成本很高。所以一些银行就开始应用云计算、大数据这些新技术帮助自己来核查是符合反洗钱、监管的政策，避免高额罚款，提高自身的合规效率。

 

同时，监管机构也需要RegTech。因为金融机构应用RegTech，可以通过机器学习、人工智能来处理大数据。如果监管机构不掌握RegTech，就会出现信息不对称问题。而且金融机构有可能应用高科技来监管套利，为了避免监管套利，监管机构也需要引进金融科技，而且RegTech还有利于防范系统性金融风险。监管机构引入了金融科技以后，第一个优势就是解决了监管者的激励约束机制问题。监管者需要有激励约束机制，为了解决这个问题，我们当然可以做很多设计，但是如果用人工智能来进行监管的话就可以避免这个问题。第二个优势是人工智能具有更高水平的全局优化的计算能力，我们用高德导航的时候就可以发现电脑制定的行进路线肯定比我们自己设计的要好。第三个优势是有可能人工智能的监管有更好的能力防范系统性金融风险。所谓系统性的金融风险，是指金融风险扩散蔓延，最终对实体经济造成重大的伤害，在这个过程当中有很多的不确定性，所以系统性金融风险的识别和度量，一直都是宏观经济学当中的一个难题，也是现实操作的一个难题，在什么情况下一个金融机构的风险就会导致系统性金融风险，在什么情况下一个金融市场的波动导致系统性金融风险，这其中有很多模糊的地带，而且需要全局性的分析，在这个方面反而是人工智能可能更具有优势。

 

前不久人工智能AlphaGo和李世石之间有一个世纪之战，AlphaGo4：1战胜李世石，后来AlphaGo的升级版叫做Master，连赢人类职业高手60盘，对人类形成压倒性的优势。AlphaGo和李世石之战对我来是非常大的震撼，解决了我长期以来对围棋最大的困惑。因为从理论上说，奕棋者在每下一步棋的时候都应该对全局进行重新的思考，每一步的落点可能都和前一步不相邻；但实际上我们知道围棋的定式、手筋、死活等战术都是局部一系列动作的组合，奕棋者的思维通常是在一个局部告一段落后再转向下一个局部。但是人工智能就做到了真正的全局思考。虽然电脑不能穷尽围棋的计算，但每一步都对全局所有可选择的落点的获胜概率进行评估，从中选择获胜概率最高的一个落点。所以人工智能在和职业高手的对弈中，多次下出人类想象不到的棋。人工智能的一些棋子落点在局部损失，但经过若干着后大家才发现，原来电脑早已在大局上遥遥领先了。过去大家都认为电脑可能在局部或者一些细节上对人类有优势。现在发现正相反，电脑在大局上更具有优势，而人类在大局观方面反而充分暴露了人性的弱点。所以如果用人工智能来进行金融监管的话，有可能从全局来判断会发现人类难以发现的问题，可能更有能力防范系统性风险。

 

人工智能有两种推理的方式，一种是规则推理，AlphaGo就是通过规则推理。它基于规则进行深度学习。但是规则推理的缺陷在于规则调整，考虑到监管规则也可能会频繁调整。因此，所以光靠规则推理还不够，还要加上案例推理。人工智能可以积累大量的案例进行分析。目前人工智能的案例推理应用在医疗方面是非常有效的，美国人工智能进行心脏病的诊断准确度已经超过了医生。在监管方面也是类似的，人工智能可以将历史上所有的案例都积累下来，至少可以辅助监管者做出正确的决策。所以从这个意义上来说的话，将来人工智能至少在一定程度上可以替代人工监管。

 

现在主要的国家都开始支持人工智能在监管上的应用，美国金融监管当局正在评估与投资相匹配的人工智能金融监管模式，美国证券交易委员会正在开始以机器学习的方法进行未来投资者行为预测，英国也在鼓励发展RegTech来提高监管的有效性。我国也可以考虑探索人工智能在金融监管方面的应用。