观点 金融科技监管的国际比较与启示研究

　　2008年国际金融危机之后，各国政府都出台了强监管政策加强对金融市场监管，强监管政策极大程度刺激了金融科技监管与合规性的发展。随着欧洲巴塞尔协议III（BaselIII）、美国多德-弗兰克法案（Dodd-Frank Wall Street Reform and Consumer Protection Act）、欧盟金融工具市场法规（Mi-FID）等监管法案的出台，传统金融监管手段与合规手段已无法满足当前监管与合规需求。近年来，人工智能、大数据等新兴技术的出现，科技与金融领域深度结合的方式正在改变整个金融市场，同时也给金融科技监管带来了巨大的挑战。2015年以来，美国、英国、日本、新加坡、加拿大等发达国家开始探索创新科技在金融监管领域的应用，目的皆在利用创新技术提升监管机构的监管效率、降低被监管机构的合规成本与压力。

　　金融科技监管，目前主要应用于两方面：应用于监管机构监管端的监管科技（SupTech）与应用于金融机构合规端的合规科技（RegTech）。本文将通过分析美国、英国、新加披在监管端与合规端的发展现状，研究得出对中国金融科技监管的启示与展望。

　　目前，美国并未有专门的监管机构负责金融科技监管，这是由于美国金融监管体系较为复杂。美国的金融监管可以分为货币资金、证券交易和保险市场三大板块。货币资金主要由美联储（FED）、货币监理署（OCC）等机构负责监管；证券交易市场主要由证券交易委员会（SEC）和商品期货交易委员会（CFTC）负责监管；保险市场没有联邦一级的保险监管机构，主要由各州政府负责监管。美国作为国际金融中心与金融科技创新发展地，采取了一系列措施适应金融科技监管步伐的加快。2019年，美国消费者金融保护局（CFPB）参照英国实施的监管沙箱政策，提出了美国监管沙箱政策，包括合规协助沙箱（Compliance Assistance Sandbox）和试验披露计划（Trial Disclosure Program），鼓励进行创新金融产品和服务，同时鼓励测试创新信息披露方式。同年，美国金融监管机构还加入了全球金融创新网络（GFIN），与其他国家一起共建全球监管沙箱，测试金融创新产品、服务和商业模式。

　　在联邦层面，证券交易委员会（SEC）构建了市场信息数据分析系统（MIDAS），MIDAS每天从13个国家证券交易所的专有信息源中收集大约10亿条股票交易记录，时间精确到微秒。MIDAS使证券交易委员会可以在6个月甚至1年的时间内对数千只股票进行分析，一次涉及1000亿条记录。同时，证券交易委员会结合MIDAS构建的不同维度的数据结构提供数据下载功能，以促进其他监管机构更好地洞察股票市场和股票市场结构。证券交易委员会还根据投资顾问每年提交的ADV表格，通过语义识别、非结构化数据处理技术将ADV表格进行文档提取，处理为机器可读的文本语言，采用无监督的机器学习方法聚类成不同的主题。随后基于以往的数据集，采用有监督的机器学习方法进行数据标注，将注册人标记为不同的等级方便后续监管调查。

　　在州政府层面，亚利桑那州政府在美国率先采用了监管沙箱政策，测试创新型金融产品和服务。申请人通过州检察长办公室审批通过后，可以向最多17.5万名亚利桑那州的居民提供金融产品和服务，有效期为2年。犹他州于2019年3月签署了监管沙箱法案，申请人经商务部审批通过后方可进入沙箱提供创新金融产品和服务。

　　美国的金融科技监管合规主要覆盖了监管报告、风险管理、身份识别与控制、合规咨询与交易监控等业务层面。随着美国的监管要求日益严格，金融机构的合规需求也逐年上涨。出色的监管科技解决方案有助于帮助金融机构合理管控合规风险，满足反洗钱（AML）与了解你的客户（KYC）的监管法规和合规责任。例如，Droit公司为全球金融机构提供监管合规服务，通过公司开发的Adept平台，主要功能包括决策引擎、逻辑查看器和注释器等，为客户提供关于如何应用规则和法规的达到正确决策。为了验证合规决策的正确性，Adept平台生成了一个逻辑模型，其中包含了链接到原始源文本的可追溯路径。这种对逻辑的透明性可以在提高清晰度的同时提高运营效率。Ascent公司利用自然语言处理（NLP）与机器学习技术，帮助金融机构更加简洁高效地适应监管机构发布的复杂监管规则。每当监管规则发生变化时，该公司的平台会帮助金融机构解读并指示客户进行合规反映，同时还会快速评估监管规则变更对金融机构的影响。金融机构还可通过Ascent平台建立监管规则文件库，通过前后比较对变更的监管规则进行可视化的分析。

　　英国作为世界经济中心之一，对金融科技的研究和投资力度一直在全球处于领先位置。2014年，英国金融行为监管局（以下简称“FCA”）成立了创新项目办公室，支持创新企业以直接支持和创新合作的方式与监管机构进行对接asp怎么调试。FCA于2015年首先提出监管科技的概念，借助科技监管的技术优化金融监管。FCA指出监管科技作为金融科技（Fintech）与大数据、云计算、机器学习等新一代技术相结合的金融监管方法，服务于提高监管效率、降低合规成本的主要目标。FCA并于同年11月提出监管沙盒的概念，鼓励金融科技企业在受限制的环境里进行创新型金融产品和服务的实验。在降低监管门槛的基础上，保护了消费者不受创新实验所带来的风险。2018年，FCA在全球范围内发起倡议，建议一个不受国家区域限制的监管沙盒，推动全球金融科技的发展与创新。8月，FCA与全球范围11家金融监管机构联合宣布建立全球金融创新联盟（GFIN），目标是在全球不同市场中协作并共享创新实验成果，为监管端和合规端提供跨境解决的方案的环境。截至2022年8月，全球共有71个来自不同国家和地区的金融监管机构成为GFIN的成员。

　　2017年，FCA将自然语言处理、分布式智能合约、机器学习等技术与传统金融监管报告相结合，提出了数字化监管报告（DRR）的概念。实现了将非结构化的监管文件、法律条文转化为机器可读可执行的文本语言，有效地缩小了监管目的和法律条文之间的差异。FCA发布了一系列金融机构数据标准化的指引，保证了DRR能进行数据提取，还能帮助监管机构直接从金融机构的数据库中抓取数据，将提取的信息和数据自动生成监管报告发送给监管机构。同时，分布式智能合约的应用帮助金融机构无需通过应用编程接口（API）转移数据，而是以智能合约验证金融机构提交的数据是否合规，在数据合规的情况下，仅将合规结果发送给监管机构，保证了金融机构数据和信息的安全性。DRR的出现将传统的监管规则变更成了代码的形式，金融机构无需人工理解监管规则的变化，而是以代码执行的形式进行。极大程度的降低了合规成本并保证了金融机构可以快速适应监管规则的变化asp技术。另外，监管机构获取监管报告也更加高效准确，提高了监管效率。

　　英国的合规端业务与美国类似，同样包括监管报告、风险管理、身份识别与控制四大方面。例如，在身份识别与控制方面，在英国平均有25%的客户因为了解你的客户（KYC）的问题而放弃了申请，单个客户的KYC成本在13~130美元之间，金融机构每年用于KYC的成本平均高达6000万美元。英国AiXPRT公司主要为金融机构提供反洗钱（AML）与KYC解决方案。AiXPRT公司通过引入人工智能技术加快姓名筛选过程，并根据第三方观察名单自动筛选个人姓名，识别或突出潜在的正面匹配。在AiXPRT开发的名称匹配算法结合了机器学习模型运营化（MLOps）、非结构化数据分析、链接式分析检查下，帮助金融机构可以自定义标准执行名称筛选检查，快速高效地完成KYC要求中的客户尽职调查（CDD）与加强尽职调查（EDD）。金融机构仅需输入名字即可通过AiXPRT数据库得到快速报告与查询结果，从而决定是否需要进行深入调查。金融科技监管在合规端帮助英国金融机构减小了合规的成本，同时避免了因为时效性、准确性而导致的金融风险。

　　据预测，全球金融科技监管市场将从2020年的63亿美元增长到2025年的160亿美元，年增长率超过20%，预计亚太地区在此期间的增长率最高。该行业的预计增长与该地区蓬勃发展的金融科技领域息息相关。在东南亚地区，2019年估计投资价值10亿美元。作为全球排名第四的金融中心、亚洲最大的外汇交易中心，新加坡也同样拥有亚洲最丰富的金融科技监管资源。新加坡在金融监管领域的功能由新加坡金融管理局(MAS)提供，该机构建立了强大而成熟的监管框架，支持行业发展和创新。不同于美国和英国，MAS是负责监管银行、保险业、证券市场、支付结算的中央金融机构，同时MAS负责行业宏观审慎管理和微观审慎监管，承担着中央银行调控、地方金融监管和促进金融市场发展三个重要作用。2015年，MAS成立了金融科技创新小组（FTIG），主要负责制定创新金融科技监管政策。2016年，新加坡也提出了监管沙箱的政策，鼓励金融监管创新企业在监管放松的环境中测试新的金融产品和服务。为了促进监管科技的采用和发展，新加坡金融管理局于2022年4月推出了监管科技资助计划。该计划包括两个层面：试点级项目层面，金融机构能够获得7.5万新元来自MAS的资金以此全面整合之前试行的监管科技解决方案；生产级项目层面，金融机构可获得MAS30万新元的资金支持来开发更大规模的定制产品。

　　MAS一直致力于推动新加坡的金融科技监管的创新，为新加坡打造了稳定创新、务实落地的发展环境。2018年11月，MAS发布了《新加坡金融部门使用人工智能和数据分析时促进公平、道德、问责和透明原则》（FEAT原则），规定了新加坡金融机构必须负责地使用数据，并要求开放API端口供第三方使用者下载和阅览。FEAT原则作为MAS人工智能发展计划的一部分，有助于新加坡建立一个可信度极高的人工智能发展环境。随着越来越的公司遵循FEAT原则来进行风险管理和监管合规，将增强数据使用者对人工智能和数据分析的信心。

　　MAS要求金融机构通过其新的数据收集网关(DCG)报告超过7,700个独立的数据点。其中，DCG平台运用监管运营化（RegOps）架构将数据的收集、验证和管理简化为一个解决方案。DCG平台的MAS监管报告软件是一种基于API的解决方案。DCG平台允许立即进行合规性验证和使用监管变更。它使用与MAS相同的技术和规则引擎提供完整的数据反馈。它可以根据MAS数据验证规则进行运行测试并提交，不符合监管验证规则的将提示警告。DCG平台强大的分析仪表板包括有关绩效和风险指标的完整报告。DCG平台从上线之初即能立即保持与当前MAS报告要求保持一致，并能实现同步更新，帮助金融机构减少人工工作和监管报告的成本，同时保持与MAS的合规性一致。

　　2017年5月，中国人民银行成立了金融科技委员会，首次提出了监管科技概念。同年6月，央行印发了《中国金融业信息技术“十三五”发展规划》，提出了加强监管科技研究。2018年，中国证监会颁布了《中国证监会监管科技总体建设方案》，监管科技进入实施阶段。2020年6月，证监会成立科技监管局，负责监管科技建设工作。2021年9月，证监会制定并印发了《证券期货业科技发展“十四五”规划》，规划指明了“十四五”期间，坚持系统观念，坚持创新驱动发展战略，紧扣“数据让监管更加智慧”主线，提升行业科技创新能力与数字化监管能力的基本思路及重点建设任务。2022年6月，腾讯云、腾讯安全、腾讯研究院联合毕马威发布《监管科技白皮书》，分析了国内监管科技在监管端和合规端的“3+3”热点应用场景。总体来说，中国发展金融科技监管有高度的积极性，并有大量的业务使用场景，为金融科技监管奠定了牢固的基础。

　　中国目前采用中央为主、地方为辅双层式构架监管体系。中央层面包括国务院金融稳定发展委员会、央行、银保监会、证监会，形成央行宏观审慎监管、两会微观审慎监管的格局。地方层面包括央行的分支机构、两会的派出机构以及地方金融管理局构成，目标在于弥补中央垂直监管漏洞、促进地方金融经济发展。

　　在中央层面，2018年中国证监会颁布《中国证监会监管科技总体建设方案》将监管科技划分为监管科技1.0、监管科技2.0和监管科技3.0三个阶段，并指出了3.0阶段目标在利用数据挖掘、机器学习等人工智能技术构建大数据监管平台，为数据标准化治理、数据资源共享提供支持。例如，监管部门通过检查分析系统EAST（Examination & Analyze System Technology）直接从银行提取数据进行穿透式检查，同时银行也可以对其进行数据挖掘与数据分析，提升自身的合规能力。证券监管机构通过将传统的人工公告提取转化为以自然语言处理、语义识别（Semantic Analysis）等人工智能技术为支撑的自动化公告提取，提升了监管效率的同时也降低了监管成本。

　　在地方层面，地方监管机构主要以与外部供应商合作开发为主，自身信息技术部门开发为辅，共同发展监管科技的模式。例如在证券领域，上海证券交易所于2019年9月上线了公司画像系统，旨在帮助监管人员快速、全面了解和掌握公司情况，更加及时有效地发现公司的潜在风险，辅助分管人员对定期报告进行审核。上交所通过完善数据库和算法，强化大数据运算、机器学习、语义分析等智能功能，增强线索发现、分析和预警能力。持续做好人工监管与科技监管的深度融合，力求实现更多监管辅助功能，提升监管实时性和有效性。

　　合规端通常是金融机构的下属机构科技部门与外部供应商合作，利用自然语言处理、机器学习、大数据等技术在监管报告、风险管理、身份识别与控制、合规咨询、交易监控等领域进行数字化与智能化，皆在减少人工操作失误以及降低合规成本。例如在合规咨询方面，国内某监管科技公司与招商银行股份有限公司私人银行展开合作，共同构建智能合规知识引擎项目。招行私人银行存在大量非结构化的合规数据，合规知识图谱提供了统一的合规知识入口，将非结构数据数字化，方便管理历史合规文件；依靠合规知识图谱，实现智能的合规政策咨询，及时有效地帮助客户经理解决客户问题。该系统帮助招商银行节省了解读复杂合规政策，管理非结构化合规文档数据的时间成本和人工成本。

　　人工智能、大数据、云计算和机器学习与深度学习等创新技术的监管科技为金融领域自动化监管提供了强有力的技术支持，我国可以借鉴国外的监管报告自动化系统，将监管报告数字化、代码化，转化为机器可读语言。在降低金融机构合规成本、提升报告准确度的同时，为监管机构获取可信任的、高质量的数据提供了有力的支持与保障。

　　监管报告流程自动化建立在企业数据标准化的基础之上，企业数据必须通过标准化处理，数字监管化报告才能顺利运行。然而，在我国不同行业、不同规模的企业数据格式、数据特征都不相同，需要我国金融监管机构进行研究讨论，得出一个标准且通用的数据模式为监管报告流程自动化提供保障。

　　实现监管数据共享一直是美国进行金融科技监管的突破口，建立监管数据共享平台是推动我国金融科技监管的关键所在。目前我国存在监管信息系统“烟囱林立”的问题，在未考虑其他监管业务情况下，业务部门以各自的需求为导向建立系统，各系统间的壁垒严重，并导致大量重复建设。同时，监管机构与金融机构系统间存在“数据孤岛”的突出问题，由于系统间的数据不共享，使得相同的数据需求在没有统一的中间层支撑下会导致频繁而重复的数据采集，缺乏科技监管数据的统一运维体系，造成监管数据四处散落，未形成统一的合力。因此，我国可通过建立监管机构和金融机构间的数据共享机制，打破现存的数据壁垒，在数据标准化的前提下推动数据在监管场景的使用。

　　值得注意的是，无论金融科技监管技术如何发展，都不能从根本上消除监管风险。通过监管模型运营化、机器学习和深度学习等人工智能技术的加持，一些传统风险会被新的风险所取代，例如机器学习的不可解释性、计算黑盒等风险。因此，我国监管机构、金融机构需要加强与金融科技公司的交流与合作，帮助监管机构了解行业最新动态以完善监管政策。同时我国监管机构也需要加强与其他国家监管机构、科技企业的交流与合作，合理借鉴他国经验为我国所用，构建符合中国金融市场实际情况的中国特色金融科技监管体系。