中央政法委机关报法制日报社主办

您所在的位置:首页 > 文化历史

科技正在将监管从猫鼠游戏中解放出来

2019-11-05 23:38:28 来源:法制日报·法治周末


 

  每年“双十一”购物节期间,电商平台应对数据峰值挑战的经验,或许能给金融监管部门提供一些启发

  林建军

  这是一个金融被科技武装到了牙齿的时代。大数据、云计算、人工智能、区块链等不断迭代创新的科技,不断提升着交易的效率、操作的便利度,似乎一切尽在掌握。然而,相较而言,也许监管——特别是地方金融监管,在科技配备与人员组织方面,如果要达到“魔高一尺、道高一丈”的要求,尚存在提升空间。

  可以想见,如果基层监管的力不能逮,导致其对未知领域产生碎片化、妖魔化理解,进而将这种情绪逐步传导至政策制定环节,让立法者选择“宁可错杀,不可姑息”的策略,将给行业与社会发展带来诸多不利因素。在这个意义上,通过科技力量提升地方金融监管的能力,应该是件皆大欢喜的事。
 

  突破“数目字管理”的瓶颈
 

  “风险难防”的核心原因,恐怕就在于海量数据与有限监管能力之间的鸿沟。

  当下,多地已着手监管大数据平台建设,但仍然存在数据收集迟滞、分析能力不足、系统维护升级跟不上等问题。尽管监管人员已经勤勉刻苦,有些地方还引入了可视化的大屏幕,让监管人员对辖区内的各类风险点“一目了然”、随时出动扑灭风险,但是要做到万无一失显然并不容易。

  要做到“数目字管理”,核心是实现数据的有效收集。提高对金融信息的收集能力、分析能力和反应速度,实现从报送端的优化。

  奥地利央行的“数据立方(Data cube)”就是可供我们借鉴的例子。这一模式于2017年被欧洲央行借鉴,形成了欧洲数据报告框架(European reporting framework)。

  与传统的由银行通过财务报表报送数据的方式不同,“数据立方”建立了六面立方体式的数据框架。六面立方体的每一面,都有四条边,各条边代表一组数据序列。每一组数据序列之间都存在着关联关系,而六面体的每一面、各面之间相邻的各边,就是这些存在关联关系的数据组合。

  因此,监管机构可以按照业务类型,对数据立方的形态进行调整。金融机构的业务数据,根据立方体的点、线、面、体的要求,进行自动上传。形成了立方体以后,依时间序列,在监管机构管理的云端得以陈列。对于金融机构来说,既可以减少报送的人力、物力,又可以实现内部风控和合规管理;对于监管机构而言,数据立方清除了冗余数据,任何时候调取数据都迅速准确方便,并使数据造假的成本与风险大幅提升,能有效提升监管效能。
 

  打造更聪明的监管平台
 

  光有数据是不够的。监管机构还需要有相应的处理能力。当辖区内所有交易数据实时接入监管平台时,如果算力不足,数据本身只是冗余,无法成为监管抓手。监管方需要做的,一是要基于监管合规要求,设计出面向小额贷、融资担保、P2P网络借贷、私募股权基金、投资公司、地方交易所等机构的风控模型;二是要对于每笔交易从工商合规、企业股权、产品经营、舆情分析、负面涉诉等多个维度进行风险分析和评级;三是在此基础上,计算出每笔交易的金融风险、业务风险和合规风险等,给出监管决策的建议。

  这样的监管平台,需要的是强大的计算能力。相比传统的数据管理方式而言,“云+分布式”的技术架构,能根据数据的量级调用算力,确保面对突发、海量数据时,仍能进行有效监管。

  这个道理说来复杂,其实容易理解:每年购物节期间,电商平台都会经历这样的峰值挑战。无数笔交易中夹杂着形形色色的欺诈或错漏,平台需要识别风险,阻却错误交易发生,同时不能产生滞碍的不良体验。即所谓“高并发、低延时”。这就需要调用平时不用的算力,借助分布式计算架构能力进行解决。

  除了算力外,监管平台要顺利运作,还需要三个方面的科技能力。一是,机器学习的能力;金融风险不断变异,只有具备智能化算法能力和不断进化的理解判断力,才能及时应对。二是,风险模型化的能力;非法集资、传销、非法经营等十多种风险,需要模型化、指标化,才能让机器瞬时作出计算和评价;三是,自动输出报告的能力;利用智能机器人自动“撰写”详细的风险报告和监管工作报告,能够将监管人员从繁复的案头工作中解放出来,打造决策透明、全程留痕的监管过程。
 

  给监管带来微小而美好的改变
 

  数据报送方式的改革和监管智能平台的构建,已经成为监管拥抱科技的主要努力方向。此外,还有一些“微小而美好的改变”也有尝试的价值。

  例如,智能客服技术可以用于应对“爆雷”之后的投诉与询问。在菲律宾,监管科技产品服务商R2A(RegTech for Regulators Accelerator)就帮助监管机构开发了一款聊天机器人,用于回应金融消费者的投诉:对所收到的问题进行分类,回答简单的问题,并适当地筛选出优先需要向监督机构报告的事项,提醒监管关注。

  相似的聊天机器人,还可以用于向被监管机构提供帮助。与消费者熟悉的一些系统(Siri,Cortana或Echo)一样,聊天机器人本质上是模拟人类自然语言对话的软件,响应用户的查询和命令。监管机构可以结合不断调整的监管目标,利用聊天机器人来与被监管机构进行交流,有效回答简单的日常问题,并帮助被监督机构更好地理解特别规则手册或法律条款的要求。

  近来,英国金融行为监管局(FCA)就在探索相关的应用。银行可以经常向这个聊天机器人请教近期的监管政策和监管案例,甚至借助其进行初步的合规判断。

  另一个微小的优化,是对于监管规则的智能化整合。虚拟助手可以通过自然语言处理(NLP)技术,将规范文本转换为机器可读格式,内化为监管机构和金融机构的AI都能理解(且不会产生分歧)的监管要求。一方面,缩小监管目的、法条释义和合规手册之间的差距;另一方面,提高监管要求的“本地化”和“实时性”,并且通过联网来提供事前的合规研判。

  举例来说,各地对于网贷杠杆率、消费金融规模等创新金融业务,在监管尺度上可能有差异,各项监管要求也可能会因时而异、因事而易。因此,金融机构特别希望能够了解具有本地特色和特定阶段色彩的监管口径和监管案例,并用于指导实践。

  各地金融监管机构如果能将监管规则内化为机器可读的、向金融机构开放的合规判断平台,那么本地金融机构就完全可以在开展业务前进行模拟测试,从而大幅降低其试错成本和创新的风险,并尽可能地减少因规则理解差异所致的隐患。

  坦白地说,科技力量对金融业务的渗透甚至改变,这一趋势已经不可逆了。大数据、云计算、人工智能、区块链、自然语言处理这些技术,已经或即将从实验室蔓延至银行柜面。金融监管机构如果不及时拥抱科技,对传统监管模式进行改造升级,恐怕将造成金融创新受遏制、金融消费者保护不力和监管秩序受冲击的“三输”局面。比较好的选择,也许是从微小的改变开始,践行监管科技,提高监管能力,为良性金融创新提供明确的规则和友好的环境。
 

责编:王硕

关于我们 | 诚聘英才 | 广告征订 | 本站公告 | 法律声明 | 报纸订阅

版权所有 Copyrights © 2014-2019 www.legalweekly.cn ALL RIGHTS Reserved 《法治周末》

京ICP备10019071号-1 京报出证字第0143号

京公网安备 11010502038778号