孙国峰：中国的RegTech主要在防范金融风险，有必要推动监管成本适度内部化

来源: 零壹财经    

金评媒（https://www.jpm.cn）编者按：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。 

（编辑：郑惠敏）

来源: 零壹财经

墨尘

金评媒责任编辑