热门文章
科技、金融创新与监管三要素博弈是正方向
发布时间:2018-11-09 分类:趋势研究
金融创新与金融监管如同孪生兄弟。金融活动越是复杂丰富,金融监管的故事也越风云诡谲。在美国、英国等金融行业发达的国家中,金融领域的“捉放曹”和“无间道”屡屡上演。近几年来,金融创新与监管的故事又多了一个主角——金融科技,和几个全新的注脚——智能金融、监管科技。
按照金融稳定理事会的定义,金融科技指的是,技术带来的金融创新,能创造新的业务模式、应用、流程或产品,从而对金融市场、金融机构或者金融服务的提供方式造成重大影响。移动支付、大数据风控、智能投顾、无人银行等都是金融科技的“最佳实践”。现阶段尤以大数据和人工智能对金融行业带来的冲击最直接。
据《智能金融白皮书》研究显示,以海量数据为基础,以生物识别、深度学习等人工智能技术为工具,金融业态正在从“千人一面走向定制金融”,从“风险难测走向安全金融”,从“边界有限走向连接金融”。金融业态的不断创新,带来的不仅仅是效率的提升,还有监管的新课题。例如,传统的投资顾问业务一方面得到了人工智能技术的“加持”,可以向更广泛的人群、提供更加平价的投顾产品和服务;另一方面,传统投资顾问通过深度调研、问卷调查等方法实现的KYC(know your customer)被在线问卷、机器问答替代。这个过程究竟控制了风险还是扩散了风险?尚无定论。又如金融风控明显出现“技术化”、“产品化”趋势。这类技术风控产品往往具备反欺诈、反洗钱等多种“模块”,适配不同场景。在有效提升风控水平的同时,又由谁来完成对技术风控产品本身的监管?
将智能金融拆解,数据是养料,算法是基础,金融行为与决策是表征。由于人工智能应用于金融尚属初步阶段,这三个方面都或多或少存在着不稳定因素。第一,个人行为数据、机构投资数据、市场交易数据等存在着泄露、被盗取的高危风险。例如摩根大通、富国银行这样的巨无霸金融机构也都曾被曝光惊天数据被窃取。第二,金融算法存在天然的歧视性和易操控性。金融算法为人所设计,就不可避免地存在被操控和歧视的可能;即使运用人工智能“中立”地进行学习,可能也会出现“结果偏差”,造成歧视。例如深度学习算法通过过往借贷实践的“学习”,可能将族裔作为一条“放贷标准”,反而造成客观歧视。第三,利用人工智能算法计算而来的金融决策也并不能完全消弭风险。例如近年来,美国证券投资市场上越来越多地出现利用人工智能算法、大数据分析等技术实现的“机器人决策”。这类“机器人”交易员往往可以严格地执行决策,而不受到情感因素的影响;但是却带来了决策的同质化问题,进而加剧投资行为的顺周期性,并可能引发市场波动风险。美股在2018年2月8日的下调重挫就被很多市场分析师称为“资本市场历史上第一次算法股灾”。
如何监管智能金融呢?回答这个问题需要首先思考另一个上位问题——金融监管如何回应创新挑战。2005年,ZOPA在英国成立,直到2014年才被纳入正式监管——英国监管层面对新事物“眩晕”了几乎十年。2015年,英国监管层率先推出“监管沙盒”,项目运作至今,短短三年时间引领了监管科技的发展潮流——这次策略突变的发生却又在“倾刻之间”。相比之下,美国的金融科技监管策略被哈佛大学商学院的资深院士Karen Gordon Mills和科技咨询资深专家Brayden McCarthy比作意大利面汤(Spaghetti Soup),平淡又混沌。尽管美国金融监管在此轮金融科技发展过程中被众人批评“建树无多”的原因并不那么消极:第一,美国的金融监管体系弹性较强,对于创新的监管空间足够大;第二,美国的金融科技发展较早,拥有较为丰富的监管实践。
关于创新与监管的关系,专长于生物学的约翰梅纳德史密斯教授提供了一条分析进路——演化博弈理论。演化博弈指的是有限理性的博弈双方不断试错、优化策略的动态博弈。与分析金融创新与监管博弈的传统思路不同,演化博弈重视进化论的角度,将金融创新和金融监管看作是相互作用的双方,在对应的动态变化过程中实现博弈均衡。以监管策略为例。在演化博弈中,立足于“博弈双方都是有限理性的”这一基本前提,监管策略受到惯性、眼前利益和突变的影响。
惯性指的是长久的思维与行为定式所养成的习惯,人们懒于寻求改变博弈策略或者改变博弈策略的成本较高。所以我们总是能够发现英国的金融监管制度中行业自律传统的影子,又或者是美国的金融监管制度中价格自我纠正的幽灵。眼前利益指的是能够改变长期惯性的短期利益,在短期利益大到足够超过惯性带来的收益时,博弈策略往往会被更改。不论在哪一个国家,针对金融行业的荣枯变化,金融监管往往会因为政治、经济、社会方面的眼前利益考量而改变监管策略。
在2008年次贷危机之后,美国通过《多德弗兰克法案》全面限制华尔街大型机构的权益;又在2018年特朗普总统上台之后通过《金融监管放松法案》为前述机构大幅松绑。究其背后的原因都在于选举政治导致的眼前利益考量。突变指的是非基于利益考量的客观因素变化,博弈策略有时会在客观情形改变时随之改变。最直观的例子是,50年前“离行式”ATM的大量铺设使得银行可以向非本行客户收取额外费(surcharge),这在实际上扩展了银行服务的客户数量和服务内容。50年后,“虚拟银行”借助移动互联网又一次打破服务边界。不论是面对ATM铺设造成的大行垄断,还是“虚拟银行”发展带来的经营风险,金融监管都需要有针对性地改变策略。
这一轮的创新与监管博弈,技术扮演的角色超越了“突变因素”。因为这三者在同一条维度上呈现,这个维度就是数据化。创新端,人工智能技术将数据化的信息进行创新利用,不仅改造了供求关系,更创造了全新的金融“生产函数”。普惠金融就是一个很好的例子。人工智能算法针对市场底端和广大农村地区的长尾客户数据进行处理,为他们提供风险评估、信贷支持,将银行体系外的受众(unbanked people)纳入到金融服务可触达的人群中。人工智能算法还通过算法评估、批量放贷等手段降低金融服务提供成本,替代以人力为核心资本的传统普惠金融形式。
监管端,人工智能技术更是可以整合被监管者数据、监管数据与监管要求。国际清算银行、京东金融研究院针对监管科技的研究分别是国际上和国内较为领先的。根据他们的研究成果,监管科技与智能数据收集和分析无法分开。在市场监管、不端行为检测分析、微观审慎监管和宏观审慎监管等方面,人工智能算法可以用于形成自动化报告、实时检测报告,用于进行数据整合、整理、分析等管理工作。以反欺诈行为为例,人工智能可以分为两步高效地完成监管目标。第一步,反欺诈模型采用非监督学习识别监管文件,以判断市场主体之间的异常行为;第二步,利用人工解释机器学习的输出结果。目前,美国证监会(SEC)已经尝试采用这样的模型进行证券市场违法行为的监测。从演化博弈的角度来看,金融监管在面对数据化的金融创新时,最佳的均衡策略是数据化的监管方式。
在此轮技术发展中寻求最佳策略,不仅要遵循演化博弈的基本原理,而且要坚守与技术发展相关的原则。一方面,技术与金融应当进行负责任地创新。负责任体现在内在负责和外在负责。内在负责指的是金融业务科技创新应当遵从内部自我监管,即创新主体要有底线、有伦理。这里的伦理不仅指的是道德、金融职业伦理,也包括技术伦理。例如通过记录测试、运算,尽可能地降低技术带来的不可测风险。外在负责指的是金融创新应当遵从包括金融监管在内的所有外部约束框架,实现有效控制风险,合理配置资源。金融监管往往在三方面实现这个目标:评估、预测、分析风险,管理既存风险和降低过大风险。另一方面,技术与监管应当有针对性的融合。有针对性的融合是监管的合理博弈策略,这就要求监管需要做到:第一,科技不应当加剧监管的复杂程度,而应当辅助监管。监管科技本质上来说是提高金融监管的手段,是辅助监管更好实现的工具。第二,科技不应当偏废监管的价值取向。金融监管要兼顾效率和公平,只有充分理解金融行业发展的逻辑,才能够如同南方科大何佳教授所言,监管不仅可以给出边界解而且可以给出内部最优解。第三,科技应当有助于实现创新的全链路监管。监管科技与金融创新在数据层面的一一对应,也是科技创新的应有之意。为此监管科技需要做到风险实时监测、数据质量管控、基本业务合规评测等内容的有机结合。
演化与竞争是发展的必然之路。金融创新与监管也是在不断试错的过程中达到均衡。我们对于新生技术的掌控十分有限,因而新技术所引发的试错往往影响范围更大更广。这在一定程度上可以解释当下金融科技行业面临的问题与困境。拨开迷雾,负责任的金融创新与高效融合的科技监管一定是这场三要素博弈的正确方向。