中国人民银行金融研究所所长：以“RegTech+人工智能”监管FinTech

【编者按】本文是 中国人民银行金融研究所所长、互联网金融研究中心主任 孙国峰发表在《 清华金融评论 》的一篇文章。在文中，孙国峰从FinTech的风险属性、FinTech服务实体经济的内在要求、FinTech的金融消费者保护问题3方面阐述了监管 Fintech （ 金融科技 ）的原因，并列举了英国、新加坡、日本的FinTech监管的国际经验，结合我国金融市场的特征，提出了要构建中国特色的FinTech监管体系：以RegTech应对FinTech。

本文转载自清华金融评论，原文题目《孙国峰：从FinTech到RegTech丨新刊预告 》，亿欧编辑整理，供行业内人士参考。

---

根据金融稳定理事会的定义，FinTech是指技术带动的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响。随着FinTech对传统金融业务带来的冲击，其累积的风险将有可能是系统性的。

一、为什么要监管FinTech？

（一）FinTech的风险属性

FinTech本身的金融属性决定了其很强的风险特征，这主要包括：

一是FinTech使金融风险更具隐蔽性、传播速度更快、传播范围更广，增加了金融系统性风险；

二是FinTech使传统金融“脱媒风险”加大，FinTech使资金供给能够绕开现有的商业银行体系，直接输送给资金需求方和融资者，完成资金体外循环，金融交易脱离现有金融管制的情况愈发严重；

三是技术风险更加突出，FinTech业务发展有赖于先进的技术和交易平台系统，技术和交易平台系统选择失误可能给FinTech机构带来较大风险；

四是数据风险与信息安全风险相互交织，由数据使用和保护不当将同时带来的数据风险与信息安全风险等；

五是监管套利，由于一些FinTech公司处于监管灰色地带，从事类似银行的业务，但却没有受到类似的监管。当前FinTech的风险事件主要集中爆发在流动性风险、非法集资、黑客攻击和非法经营等方面，比如贷款余额高达702亿元、投资人数约84万人次的“e租宝”事件，源于俄罗斯MMM金融互助社区的网络攻击，以及一些FinTech公司挪用、非法占用客户资金等违规经营问题引发的风险事件等。

（二）FinTech服务实体经济的内在要求

金融的本质属性决定了FinTech的最终落脚点是为了通过提高金融资源的配置效率来支持实体经济的发展。FinTech需要在监管的引导下，通过真正意义上的金融创新，来弥补传统金融的不足，以提高落后地区金融的可达性来促进金融的普惠性，以提高资金的配置效率来促进实体经济的发展。只有在监管的引导下，才能使 区块链 、 大数据 、 云计算 和 人工智能 等技术真正用于服务实体经济，而不是进行监管套利。

（三）FinTech的金融消费者保护问题

金融创新的目的是为了使金融更好地服务于实体经济的发展，并以此可以进一步改善消费者体验。与FinTech发展相关的金融消费，将涉及到金融消费者保护的问题。比如，金融大数据中可能依据客户过去的消费习惯和金融活动来计算其消费偏好，这些都属于消费者的个人信息，因此FinTech还可能涉及到的消费者隐私保护的问题。FinTech的创新，必须是负责任的创新，这需要监管当局牢固树立金融消费者保护的监管原则，探索多种监管方式与手段保护金融消费者。

二、FinTech监管的国际经验

（一）美国

美国金融体系属于混业经营模式，对FinTech的监管主要是功能性监管，即不论FinTech以何种形态出现，都根据FinTech的金融本质，将FinTech所涉及的金融业务，按照其功能纳入现有金融监管体系。比如，涉及到资产证券化的P2P业务，属于美国证监会监管；虚拟货币方面，要被美国国税局征税，并且纽约州金融服务管理局还要将其纳入到“虚拟货币活动商业许可证”的监管范围。

另外，美国还有对FinTech监管的完整政策法律体系，并能适时动态地进行调整。比如，奥巴马在2012年签署了《创业企业融资法案》（JumpstartOur Business Startups Act，简称JOBS法案），填补了美国在股权众筹方面的监管空白，并在换届前，由白宫国家经济委员会发布《美国Fintech框架》，详细阐述美国政府对FinTech的态度和展望；美国金融业监管局（FinancialIndustry Regulatory Authority）出台了《对数字化投顾使用的指导意见》；美国金融消费者权益保护局（ConsumerFinancial Protection Bureau）制定了《CFPB创新细则》来促进对消费者有利的创新。

（二）英国

英国将FinTech作为当前金融发展的重要目标，监管模式主要特点是集中适度监管，最大的创新是监管沙箱模式。监管的职能主要由2013年4月成立的金融行为监管局（FinancialConduct Authority，FCA）承担，出台了对借贷类众筹等业务的监管政策，并先后推出了项目革新计划与监管沙箱（Regulatory Sandbox）。

监管沙箱由FCA于2016年5月9日正式启动，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大胆操作。FCA的监管沙箱包含大量企业数据和消费者的真实反馈，初创企业可充分利用沙箱反映的市场、行业和消费者情况，有针对性地完善创新产品和服务，减少创新产品、服务等投放市场的时间，降低监管风险，助力初创企业吸引更多投资。

（三）新加坡

新加坡由于金融市场相对较小、市场创新相对不足，因此也采用监管沙箱模式对FinTech进行监管，以此来推动FinTech的发展。2016年6月6日，新加坡金管局发布了《FinTech监管沙箱指南（征求意见稿）》。

该意见稿对沙箱评估标准、退出机制和申请流程都有明确的阐述和提议，通过推出监管沙箱模式为FinTech的发展开辟出一个安全有益的环境，以试验性的方式向市场推出其产品和服务，让一些初创企业获得更大的发展空间，然后根据实际的市场影响来进行一些监管。

与英国所不同的是，英国的监管沙箱适用于所有的科技类企业，而新加坡的监管沙箱仅适用于FinTech企业。另外，新加坡金融管理局还成立FinTech与创新组织（FTIG）来负责FinTech的政策、发展和监管，为企业提供一站式服务。新加坡还加强国际监管合作，与澳大利亚、英国和瑞士等国签署了双边合作条约，在FinTech的新兴趋势以及创新监管方面将与这些国家进行积极的共享。

（四）日本

日本对FinTech监管的政策主要体现在银行可持股科技公司。日本的FinTech公司一方面受到严格的法律和监管限制，吸引FinTech产业风险投资水平一直较低，比如，金融集团受限于只能持有初创企业5-15%股权的规定；另一方面由于日本利率水平低，该国居民倾向于持有现金，金融服务创新需求偏弱，从而制约了FinTech的发展。

面对FinTech发展落后其它国家的状况，日本决定放松对FinTech企业投资的限制，日本政府在2016年对相关法律进行了修改，允许银行持有5%以上的科技公司的股份，并允许银行收购非金融企业100%股权，前提是该公司将信息技术应用于金融领域。日本的银行从此可以与FinTech企业建立合作关系，以开发包括 机器人 投资咨询和区块链在内的服务和技术。这一政策改变后，日本银行立即将数百万日元投向了FinTech创业公司。

三、我国FinTech监管的模式选择

从各国对FinTech的监管模式来看，美国的功能性监管与其国内金融市场规模大、金融与 科技创新 动力强的市场环境相适应；英国的监管沙箱服务于其追求建立金融科技国际金融中的目标；新加坡的监管沙箱有利于克服国内金融市场较小、创新动力弱对FinTech发展的制约；日本放宽了金融机构持股科技企业股份的限制，有利于突破FinTech发展的资金支持瓶颈。我国具有金融市场规模较大、金融创新动力强、防控系统性金融风险刻不容缓这三大特征，有必要构建中国特色的FinTech监管体系，并加强FinTech监管的国际合作。

（一）构建FinTech监管双支柱：微观功能监管+宏观审慎管理

微观功能监管。一是建立FinTech行业监管准则，建立行之有效的多层次监管机制，实现风险监管全覆盖，避免监管空白，确定各类FinTech公司监管主体，明确监管职责权限。二是建立适应金融发展与风险防范并存的长效监管机制。按照实质重于形式的原则，实行“穿透式”监管。

把资金来源、中间环节与最终投向穿透联接起来，综合全链条信息判断业务属性和法律关系，执行相应的监管规则。如果是证券的就归证监部门，如果是银行业务就归银监部门，如果是保险业务就归保监部门管理，如果是第三方支付业务，就归央行管理。三是积极研究探索分类分级监管。针对经营规模、资本、技术和风控能力不同的机构，在各类业务准入、创新方面采取分类分级监管方式，提高监管效率。

宏观审慎管理。金融机构在采用机器学习和人工智能技术来处理金融大数据和管理风险时，将具有更强的风险识别能力，客观上强化了顺周期行为。依托大数据、人工智能等分析技术，金融机构能够在经济下行时更快地捕捉到经济形势的变化，于是收缩贷款，贷款的收缩又将导致经济加速下滑，坏账风险增加，结果导致了金融机构更审慎的贷款行为，呈现出恶性循环的态势，这就是加入金融科技之后的顺周期行为，因此更需要进行逆周期的调节。另外，一些FinTech公司收取客户备付金，可能造成流动性风险。当前已建立支付机构客户备付金集中存管制度，可以将其纳入到整个宏观审慎管理框架之中。

另外，监管沙箱可以作为双支柱的必要补充。在局部地区可以采用监管沙箱模式，推进FinTech创新。但由于监管沙箱更加适用于小型的开放经济体，特别是国际金融中心为主的经济体，对中国并不适用。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，以此防范系统性的金融风险。

（二）加强跨国监管合作

促进本国FinTech国际化发展。FinTech企业全球化步伐的加快，需要全球统一标准化的监管措施以及国际间的监管合作，来促进FinTech国际业务的健康快速发展。对于FinTech发展程度较高的国家来说，主动加强跨国间的监管合作，有利于监管经验的相互学习和借鉴，有利于促进本国FinTech适应他国的监管政策，促进本国FinTech全球范围内的发展。

掌握FinTech全球监管规则与行业标准制定主动权。在跨国监管合作将成为趋势的背景下，加强跨国监管合作有利于争取制定全球FinTech监管规则与行业标准的主动权。当前，重视FinTech发展的国家（如英国、新加坡等）都主动与他国加强对FinTech的监管合作。我国FinTech的发展水平已位居世界前列，应该加快跨国间金融监管合作的步伐，逐步掌握全球金融监管规则制定的主动权，以及FinTech发展行业标准的制定权，从而进一步推动本国FinTech的全球化发展。

四、以RegTech应对FinTech

（一）什么是 RegTech？

RegTech初期是指金融机构利用新技术来更有效地解决监管合规问题，旨在减少不断上升的合规费用（如法定报告、反洗钱和欺诈措施、用户风险等法律需求产生的费用）。RegTech公司利用云计算、大数据等新兴数字技术帮助金融机构核查其是否符合反洗钱等监管政策、遵守相关监管制度，避免由不满足监管合规要求而带来的巨额罚款。

（二）金融机构为什么需要RegTech？

金融危机之后金融监管逐步收紧，金融机构遵守监管法令的成本增加。JP摩根大通指出，2012—2014年间，为了对应政府制定的规范，增添了1.3万位员工，比重高达全体员工数量6%，每年成本支出增加20亿美元，约全年营业利率的10%。德意志银行表示，2014年为了应对法令，追加支出的成本金额高达13亿欧元。HSBC2013年追加聘用3000位法定程序人员（ComplianceStaff）。

而RegTech可以提高金融机构的合规效率。随着机器学习（ML）与人工智能（AI）的发展，RegTech可以利用ML和AI技术为金融机构的决策、降低成本以及合规问题等方面，提供更好的解决方案。AI将替代目前由人工手动执行的昂贵功能，帮助银行开展对反洗钱或员工不当行为的检测。

RegTech已在多个领域得到应用，如数据聚合、风险建模、情景分析、身份验证和实时监控。RegTech公司通过对海量的公开和私有数据进行过自动化分析，帮助金融机构核查其是否符合反洗钱等监管政策，利用云计算、大数据等新兴数字技术帮助金融机构遵守相关监管制度，避免由不满足监管合规要求而带来的巨额罚款。

（三）监管机构也需要RegTech？

当金融机构更大范围、更大程度地采用RegTech时，如果监管机构不采用RegTech，将面临以下问题：

一是更严重的信息不对称问题。当金融机构通过ML和AI来处理和分析金融大数据产生的信息与风险时，监管者将知之甚少。随着监管机构与金融机构之间的信息不对称问题加剧，监管机构对金融风险的识别与应对将变得更加迟缓，不利于金融的稳定。

二是更高级的监管套利。当金融机构通过ML和AI用来规避不满足监管合规要求带来的罚款时，也能用于寻找监管体系的漏洞，并以此谋取监管套利，这将使人工监管的有效性将降低。

三是更严重的系统性风险。金融机构的决策对数据更敏感，经济不好时“跑”得更快，顺周期性行为将可能进一步强化。

（四）监管机构RegTech+人工智能

人工智能能够解决监管者的激励约束问题。监管者的激励约束制度本身是一个政治经济学的问题。为了解决这个问题，可以设计很多机制，让监管者更有动力去监管，但是用人工智能来进行监管就可以避免这个问题，其优势在于人工智能监管不需要考虑薪酬和奖励。基于人工智能的监管系统可以依据监管规则即时、自动地对被监管者进行监管，避免由激励不足导致的监管不力等问题。

人工智能具有更高水平的全局优化计算能力。比如，高德地图在规避拥堵的路线规划上，比人的经验判断更加精准。基于RegTech的智能监管系统也可以充分利用人工智能强大的计算能力，发现更多人工监管发现不了的监管漏洞和不合规情况。

人工智能的RegTech可以更好地识别与应对系统性金融风险。FinTech的先进技术在金融领域里的运用，很容易形成金融风险与技术风险的叠加，一旦发生风险，将很有可能是系统性的。

所谓系统性的金融风险，实际上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，在现实操作当中也是个难题，比如，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？一个多大的金融机构关闭会导致风险？一个金融市场的波动会不会造成系统性金融风险？这其中有很多模糊的地带，而且需要全局性的分析，在这方面反而有可能人工智能更具有优势，人工智能有可能会更好地识别与应对系统性金融风险。

不久前的人工智能AlphaGo与李世石的世纪之战，以及AlphaGo的升级版Master连胜人类职业高手60局，让人类重新认识了围棋，也重新认识了人工智能。过去大家认为人工智能在局部和细节计算方面有优势，但人类有全局观念。但人工智能屡屡下出职业高手看不懂的棋，让人类不得不承认，人工智能在全局观念上有更强的优势。

尽管人工智能不能穷尽围棋的计算，但人工智能每一步的选点都是将全盘所有的点都进行重新的考量。相比之下，人类的认知与判断具有很大的局限，通常只关注局部，很容易滋生贪婪或者恐惧的情绪。因此，人工智能监管可能对系统性风险会处理得更好。

人工智能主要依靠以下两种推理方式进行自我学习：

一是规则推理（Rule-Based Reasoning）。人工智能通过规则推理可以反事实模拟不同情景下的金融风险，更好地进行系统性金融风险识别。但是规则推理也有局限性，每个规则都对应一个新的程序，电脑不会自动更新，而需要人为修订后再深度学习，以自动适应监管规则的升级。

二是案例推理（Case-Based Reasoning）。人工智能利用案例推理，通过机器学习过去所有的监管案例，用过去的监管案例来评价新的监管问题、风险状况和解决方案，并对有关错误进行预防。这更符合现实中的危机处理思路，如果金融市场出现了一次剧烈的波动，可以查看全球历史上有哪一次市场波动与之相仿，当时采取了什么措施，获得了什么效果，作为这一次管理金融市场波动的参考。监管者花费数十年只能积累有限的案例，而人工智能却可以在很短的时间内学习全球历史上所有的案例，并进行推理。

主要国家积极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采取机器学习的方法来进行未来投资者行为预测，特别是在市场风险评估方面，这包括发现潜在的欺诈和监管部门渎职。

英国通过鼓励发展RegTech来提高监管的有效性，比如利用鼓励、培育和资助FinTech和金融服务公司利用新技术加速达到监管要求，利用大数据技术和软件集成工具降低企业合规成本等，鼓励FinTech机构创新科技手段以降低合规成本等。我国可以探索将人工智能应用于金融监管，以RegTech应对Fintech。