监管科技发展应用的域外经验借鉴及启示


2019-11-7 9:57

1、监管科技概述

(一)监管科技的概念

监管科技(RegTech)可以理解为将科技(Technology)运用于监管(Regulatory)。其是近年来在“金融科技(FinTech)”业态兴起过程中逐渐衍生出的一个分支概念,因此,“监管科技”在没有具体语境的情况下一般指金融领域的监管科技。

(二)监管科技的产生背景

监管科技是在金融科技大发展、金融数据大爆炸和金融监管大提升的背景下应运而生的。首先,金融与互联网、科技的紧密结合产生了移动支付、互联网金融、电子票据、虚拟货币等诸多新业态,呈现出虚拟化、跨行业、跨市场、全天候、跨时空等特征,风险传播速度快、隐蔽性强,传统监管措施对此缺乏有效的监测、识别、控制、处置手段,需要运用监管科技提升感知能力和介入能力,平衡金融创新与金融安全。其次,当今金融交易愈发频繁,每天产生海量数据,已经突破了人力分析处理的能力,需要运用监管科技提升对金融数据的处理、分析能力,同时,降低相应的成本。再次,在强化金融监管的背景下,监管新政策出台频繁,内容更加周密,防控关卡前移,需要运用监管科技提升金融机构的政策执行能力,以及金融监管部门的事前预判和事中监管能力。

2、监管科技主要技术功能及域外应用场景

(一)用于数据监测和处理的应用案例

一是自动提取数据。如奥地利中央银行以“AuRep”系统为中间平台,在自动获取商业银行碎片化的原始数据后,运用标准化规则进行转换并自动推送给央行,大大减少了监管对象的数据报送和合规负担,并确保了央行内各部门使用数据的一致性和质量;卢旺达国家银行使用电子数据仓库(EDW)直接从600多家受监管机构的IT系统中定时自动“提取”数据,包括商业银行、保险公司、小额信贷机构、电信运营商等。

二是数据验证和加工。如意大利银行将可疑交易报告(结构化数据)与新闻评论(非结构化数据)相结合,用于反洗钱检测;另外,运用数据可视化技术,以直观且易于理解的方式向监管机构传递处理后的信息,如荷兰银行将数据输出转换为逻辑指标,以“交通信号灯”和“仪表盘”等形式显示数据指标;新加坡金融管理局使用交互式仪表板和网络图来成像数据。

三是云计算处理数据。英国金融行为监管局、墨西哥国家银行和证券委员会、荷兰银行、新加坡金融监管局和美国证券交易委员会都已使用云计算处理大量数据,以减轻处理数据压力,降低成本并增加监管机构的存储容量。

(二)用于风险分析的应用案例

一是反洗钱、反恐怖主义融资侦查分析。意大利银行金融情报机构在反洗钱监控中运用大数据技术,显著缩短了分析时间并扩大了实时分析范围,在该行另一个实验项目中,还测试了通过机器学习和深度学习技术对可疑交易报告进行分类;英国金融行为监管局正在试验利用图传播算法,根据订单和执行数据识别市场参与者潜在的网络共谋行为。

二是内幕交易和欺诈侦察分析。如澳大利亚证券投资委员会利用一款市场分析和情报系统(MAI),该系统可以通过历史损益分析等提供量化的指标来标记内幕交易活动的规模;美国证券交易委员会运用一种序列方式监测不当行为,首先是采用无监督学习方式监测数据运行模式及异常,识别市场参与者的共同和异常行为,然后引入人工指导和判断,帮助解释机器输出并改进算法。

三是违规金融广告侦察分析。英国金融行为监管局正在试验使用监督学习方式和随机森林(RandomForest)技术来预测金融产品不当销售的可能性,包括识别误导性金融广告。

(三)用于审慎监管的应用案例

一是微观审慎监管。如意大利银行尝试将机器学习算法用于信用风险评估,探索合并不同的数据源(如中央信用登记、非金融公司的资产负债表及其他公司级数据),预测贷款违约;荷兰银行正在研究将神经网络用于流动性风险分析,研发一种自动编码器,用于检测来自实时支付结算系统的支付数据异常和流动性风险,可应对银行挤兑。

二是宏观审慎监管。如意大利银行研究人员通过机器学习技术监测房产的广告数量,并通过网络反映的一个地区的热度作为预测房价走势的参考,同时、意大利银行还将提取的即时推送信息作为预测通货膨胀的信号之一;荷兰银行的研究人员使用日常数据来定义泛欧实时全额自动清算系统(TRGET2)与其他金融市场基础设施(FMI)之间的网络指标、运营指标和流动性,其将周期性模式确定为预测风险指标的基础,再将预测值与实际观测值进行比较,强烈的偏差可能是风险增加的信号。

三是金融稳定和政策评估。如美联储、欧央行和英央行利用热度图(HeatMaps)来突出潜在的金融稳定问题,而热度图由被监管实体的日常数据及其他数据自动分析生成。

(四)用于提升政务服务的应用案例

一是机器人客服处理投诉。菲律宾中央银行正开发聊天机器人以回答消费者的投诉,对所收到的问题进行分类,并可根据收到的与消费者投诉有关的数据分析其潜在的关注领域。

二是监管规则“数字化”翻译。英国金融行为监管局正在探索使用自然语言处理(NLP),将监管规定文本转换为机器可读格式,以提高被监管者对规则的理解和执行能力,后期,还能够在监管规则代码化的基础上实现机器对规则的自动读取和执行。

3、监管科技在国内的发展现状

(一)顶层设计逐步构建

为适应金融监管形势的变化,2017年5月,中国人民银行宣布成立金融科技委员会,旨在加强对金融科技工作的研究规划和统筹协调。2017年6月,中国人民银行印发《中国金融业信息技术“十三五”发展规划》,明确提出金融信息基础设施达到国际领先水平、信息技术持续驱动金融创新等。2017年7月,国务院印发的《新一代人工智能发展规划》专门提出了“智能金融”的发展要求,指出要建立金融大数据系统,提升金融多媒体数据处理与理解能力;创新智能金融产品和服务,发展金融新业态;鼓励金融行业应用智能客服、智能监控等技术和装备;建立金融风险智能预警与防控系统。2018年8月,证监会印发《中国证监会监管科技总体建设方案》,宣布完成证券监管科技建设工作的顶层设计,并进入了全面实施阶段。

(二)监管科技建设项目持续推进

近年来,金融监管部门以及部分地方政府正着力推进金融科技在金融监管领域的研究和运用。2018年1月,我国成功上线试运行“数字票据交易平台实验性生产系统”,工商银行、中国银行、浦发银行和杭州银行在该系统顺利完成了基于区块链技术的数字票据签发、承兑、贴现和转贴现业务。2018年8月,人民银行数字货币研究所等五方共建的“南京金融科技研究创新中心”揭牌成立。2018年5月,证监会科技监管专家咨询委会成立,并发布《稽查执法科技化建设工作规划》,旨在建设完善数据集中、数据建模、取证软件、质量控制、案件管理、调查辅助六大工程,全面覆盖证券、期货稽查执法各个环节。此外,百度、京东、阿里等互联网企业相继成立金融科技公司,主要面向地方政府提供监管科技。如阿里通过蚂蚁金服,与北京、广州、西安、天津等7家金融局(办)达成合作,装备“蚂蚁风险大脑”,提升科技监管能力,防范涉众金融风险、非法金融风险。

(三)监管科技全面运用仍存在现实障碍

一是数据治理有待加强。数据是监管科技的基础,数据标准化是监管科技的前提。目前,监管部门和金融行业数据的统计口径、统计分类存在不少差异,还有很多统计口径未纳入“金融标准”,监管部门之间数据分散、共享不足等情况,影响了监管科技对数据的比较、计算、归集和分析。

二是技术力量仍不成熟。目前,国内监管科技发展仍处于初期,技术积累、技术可靠性、技术创新能力、技术人才建设等都有不足之处。如计算能力制约了反洗钱、账户管理、证券交易等样本数据的数量;技术能力的限制可能使监管科技系统采集的数据质量和完整性存疑;劣质算法、数据的误报或漏报可能会影响监管部门的声誉;网络安全保障能力滞后可能影响数据安全乃至金融安全;金融科技的研发力量主要在市场机构,监管部门技术人才储备不足,传统金融机构的技术改造量极大等,这些都将导致技术研发成本和监管转型成本偏高。

三是法律制度有待完善。例如,监管科技可能自动抓取被监管机构数据,在此过程中,哪些数据能抓取、哪些数据不能抓取,谁有权利抓取、抓取后如何使用、运用在哪些范围内,是否涉及企业商业秘密、公民个人信息,采取了哪些数据泄露防范措施,都需要通过一定的法律法规制度进行规范和保障,而目前国内对此尚未有明确规定。此外,鉴于监管科技的专业性和权威性,从完善政府治理角度出发,监管科技运用应当在制度约束下适度“透明”,接受监督。

4、启示及政策建议

(一)加强研究,完善顶层设计适应金融市场业务数字化趋势,树立科技监管思维,建立健全金融业监管科技发展总体规划以及各类金融市场具体建设规划;健全监管科技标准化体系,从数据标准、技术标准、应用标准、管理标准等方面进行统一,强化监管信息的互联互通,打破数据壁垒,为数据采集和分析处理打下基础;研究并完善相关法律法规,对数据与信息的法律性质、数据统计使用的权利义务等进行规范,在保持金融稳定和政策连续性的基础上,着力加强监管科技与现有金融监管法律法规的有效衔接,推动完善监管科技的立法研究。

(二)加大投入,提升技术实力提高对监管科技的财力投入,成立与发展需求相适应的研发机构和科技公司,强化监管端对监管科技核心技术和规则制定的控制力和话语权,同时,加强与市场研发机构的合作,以“共建共享、多方协同”为原则,补足监管部门研发和运行短板,并调动市场机构的积极性,激活合规端监管科技发展活力;提高对监管科技的人力投入,加强对监管部门科技人才的储备,培养更加专业的金融科技人才队伍,并保持科技人才的稳定性,加强对监管部门领导干部和一线执法人员培训,使其充分了解监管科技的潜力、局限性和风险;加强监管科技国际理论和实践领域的交流合作,积极争取监管科技领域的国际话语权,提升我国监管科技的全球化水平。

(三)加强管理,谋划科学发展稳步推进监管科技从研究到应用的全过程,统筹考虑研究和应用领域的先后顺序及进度,避免将资源投入“夕阳”领域或者科技转化过度超前,在发展初期采取可控范围内的应用试点,加快试点、反馈、完善、推广周期,同时,推动配套设施的建设和应用;加强对监管科技发展与应用中可能发生的各类风险的研究、排查和应对,提升发现和应对数据风险、网络风险、法律风险、操作风险、声誉风险等的能力。

本文转载目的在于知识分享,版权归原作者和原刊所有。如有侵权,请及时联系我们删除。
评论加载中
相关文章

月点击排行
关于本站    联系我们    版权声明    手机版
Copyright © 2011-2022 移动支付网    粤ICP备11061396号    粤公网安备 44030602000994号
深圳市宇通互联信息技术有限公司    地址:深圳市宝安区新安街道28区宝安新一代信息技术产业园C座606