来源 | Singapore Management University
作者 | Nydia Remolina
编译 | 王晗、钱家彦
金融监管是金融稳定的基本要求。近年来，监管技术（Reg-Tech）成为金融稳定监管的主要研究课题之一。Reg-Tech旨在利用人工智能技术实现智能识别和风险预警。是助力金融监管信息化、高效化的有力工具。本研究旨在全面审查智能技术在金融稳定规则中的应用，分析技术应用的对象和结果。我们为复杂网络、知识图谱、机器学习和动态系统在 Reg-Tech 中的应用构建了一个框架。其目的是为其发展形成清晰的脉络，为金融稳定性研究提供支撑和发展基础。最后，本文总结了当前雷可技术发展的局限性和缺点，并讨论了未来的研究和发展方向。中国人民大学金融科技研究所（微信ID：ruc_fintech）对报告核心部分进行了编译。
介绍
国民经济有序发展和社会长期稳定。根据欧洲央行的说法，金融稳定是金融机构、金融市场和市场基础设施有效运行，在不降低转换效率的情况下抵御各种冲击的状态储蓄到投资。金融稳定反映了金融运行的状态以及资源配置不断优化的要求。此外，它是金融发展的根本目标。影响金融稳定的主要因素包括风险监测和跨领域金融服务监管、金融机构的公司治理、金融风险的转移和扩散、国际资本流动、脆弱的信用体系和金融安全。加强金融体系监管，预警和处置风险是实现金融稳定的要求。
近年来，智能科技在金融稳定监管中的应用全面提升。技术环境主要包括金融机构网络稳定性、金融知识图谱、智能决策技术、量化监管政策分析等。首先，现代金融市场已经是一个高度互联的机构网络。这些关联产生的关联可能是信贷交易、金融产品持有或投资、金融机构之间的持有或投资、高级管理人员的社交网络关联等。因此，通过网络分析技术实现金融网络中的风险识别和金融机构监管是监管技术的重要手段。该领域涉及的技术包括复杂网络分析、金融知识图谱和图挖掘。其次，风险传染路径的识别和干预是金融风险监管的主要任务。例子包括影响金融稳定的因素的因果挖掘和金融市场情绪挖掘技术。最后，量化方法，如金融监管政策的情景模拟和成本效益分析，是该领域的其他关键问题。早期的金融市场压力测试和多目标优化是这类研究的早期原型。近年来，“监管沙箱”等方法使用较多，是另一个值得关注的话题。金融大数据也是一个不可回避的话题，通过数据驱动的研究逐渐成为该领域的热门话题。然而，大数据并不是一个纯粹的方法论问题。使用这些数据的技术方法是需要注意的问题，因此，我们专注于数据技术而不是数据作为对象。
近期，金融监管的智能技术已成为一种流行趋势。由于现代金融体系是高度互联的，也是一个相互依存的金融生态系统。因此，Reg-Tech的研究除了经典的机器学习方法外，自然而然地从复杂的网络开始，包括金融网络的主要表征、演化过程和风险传播规律。然后，研究逐渐转向金融知识图谱。这张图可以帮助从各种实体事件和金融机构的关系中识别风险控制的主要策略和路径。其次，从宏观上看，金融体系稳定性与风险之间的驱动机制是动态机制的必要过程，类似于生态链。因此，动态系统已成为研究金融系统稳定性的新视角。尽管关于 Reg-Tech 的研究很多，但据我们所知，目前还没有相关文献总结金融稳定监管的研究现状并分析其局限性。因此，Reg-Tech 在金融领域的回顾稳定监管是一项紧迫的任务。
Reg-Tech及其在金融稳定监管中的应用
金融稳定是一个广义的概念。通常，它是指金融体系在面对外部冲击时的稳健性。本研究侧重于金融体系稳定性的宏观评价方法。还将视角延伸到旁观决策方法，如挖掘影响货币稳定的因素，以及预警方法，为金融稳定监管提供决策支持。金融稳定的常见监管方法包括自愿采用贷款网络银行资本和多元化，以及机构和市场质量。有研究认为，监管机构存在被银行操纵的可能性。人工智能技术面广，在金融领域的应用众多。这些方法有助于更准确地把握金融风险的传播路径和风险定位，更早地识别和预警金融风险。它们可以为金融监管提供有关系统性风险形成和传播的及时信息和情报。下表显示了在相关技术和研究主题上发表的期刊的统计数据。
由于金融监管引入了很多智能技术，其名称和定义并不统一。这些技术的核心思想和基本目标基本相同。本文的主要目的是回顾所有此类技术的细节。我们希望建立当前的应用场景以及将这些技术结合在金融监管中的可能方式。
2.1 复杂网络分析
在现实生活中，可以构建许多复杂的系统来形成一个用于分析的复杂网络，例如常见的电力、航空、交通、计算机和社交网络。金融机构通过金融交易形成的金融网络是该网络的主要组成部分，受到广泛关注。例如，金融市场是一个高度连接的网络结构。金融网络的局部形成星形、树形、环形、网状等不同形状的网络结构。
2.2.图学习与知识图谱
知识图谱的构建和分析首先依赖于网络图的构建和分析工具。网络图的处理和分析过程称为“图计算”，是近年来的研究热点。由于对大规模图形处理和分析的需求，近年来出现了许多大型“图形计算”平台。图计算的基本思想是使用“网络图”来抽象表达图挖掘和相关的机器学习算法，因为 Hadoop 等主流大数据平台很难处理此类图挖掘任务（Cheng & Wang，2018）。图计算最具代表性的平台是谷歌提出的 Pregel 系统，它已经完成了谷歌 20% 的数据处理任务（Liu, Slotine, & Bar ab´asi, 2011）。金融知识图谱不仅广泛应用于客户关系管理、挖掘客户需求、产品营销等领域，在金融监管中也有着广泛的应用。使用知识图谱的主要目的是通过对这些实体之间关系的学习和挖掘，发现金融实体之间潜在的关系，以及风险传染的路径。
例如，在反洗钱领域，可以通过对关系账户的逐级挖掘，找到隐藏的洗钱账户。与个人账户和关系的识别相比，反洗钱集团的识别难度更大。这些组织是往往隐藏在非常复杂的关系网络中，很难找到。只有梳理隐藏的关系网络，从时间和空间的多维度角度进行分析，才能识别潜在风险，发现隐藏的反洗钱集团。图学习方法的主要应用工具包括网络特征分析、子图和全图指标、节点影响等。
2.3 动态系统
动态系统是一个数学概念。动态系统中有一个固定的规则，描述了几何空间中一个点随时间的演化。例如，描述钟摆摆动或管道中水流的数学模型是动态系统。与自然生态系统类似，金融网络是一个复杂的电力系统，具有不同的稳态转移条件。金融网络在外部冲击下恢复正常状态的能力，实际上是一个求解微分方程的过程。在不同的分支结构中，动态恢复过程表现出不同的速度和变化率，导致不同的一阶函数。常表现出分岔、无解、分离等性质。
从进化的角度看，金融网络抵御风险的能力最初与湿地存储相同，可以吸收和缓冲风险。然而，超过某个临界点，风险就会暴露出来，金融系统性风险传染也会导致金融网络中风险敞口的扩大。
2.4 区块链
区块链本质上是一个共享数据库，数据库中的信息块通过“链”链接起来。在金融市场中，区块链具有去中心化、开放共享、可追溯的特点。可以在一定程度上解决网络借贷平台的信息不对称问题。此外，它可以以更加公开、直接、透明的方式促进借贷业务，从而促进网络借贷平台的发展。最初，金融区块链的应用主要是为了简化金融交易操作，提高交易安全性等。近年来，由于各国对数字货币发行的需求，区块链技术受到了广泛关注。区块链技术在金融监管中的应用是基于去中心化的分布式网络。即使任何散点被破坏，网络仍保持其完整性并正常工作而不会受到任何影响。只有当所有的网络去中心化点都被破坏时，风险才是可能的。因此，在支付共享数据、交易记录、追溯等金融安全领域得到有效应用。
2.5 经典机器学习算法
机器学习的快速发展也为金融业提供了重要机遇。通过从海量金融数据中挖掘有效信息，从人类管理经验中学习，机器学习对互联网金融等现代金融的模式和服务形式产生了深远的影响。然而，技术风险和金融风险的双重叠加，给金融监管带来了新的挑战。机器学习是当代工业革命，为各个领域带来了蓬勃的生机。金融机构利用机器学习、数据挖掘、智能合约等现代科技成果，对金融产品、商业模式和流程等进行改造或创新，它们逐渐从激烈的同质化竞争中脱颖而出，重塑商业模式，从而促进金融发展，提高质量和效率。机器学习技术为有效监管金融风险提供了基础，其应用场景包括：风险管理、自动化金融交易、智能顾问等。
限制和进一步的方向
尽管Reg-Tech中的许多技术已被应用于金融市场行为监管和风险预测，但目前的研究还存在不足之处。有许多值得未来研究和发展的领域。
3.1 限制
对系统性风险的认知视角仍然不足。当前对系统性金融风险的宏观审慎金融监管主要涉及顺周期风险和系统重要性机构的管理，运用大数据技术，将宏观审慎与微观审慎相结合，研究智能微风险领域识别。然而，随着高度系统化的金融体系的发展，对风险不确定性的研究，以及金融体系的复杂性，“太大而不能倒”的重要性逐渐变成了“太复杂而不能倒”的问题。
金融科技较少参与量化监管的应用。政策分析与优化 应对金融风险，需要建立理论研究与管理实践的有机联系。这是管理科学的精髓，也是信息技术的基本要求。
缺乏特定场景下的金融监管应用。随着金融业务模式的发展，传统的基于规则和策略的风险监控方法在准确性和处理效率方面遇到了困难。目前，大多数反洗钱搜索技术都处于规则和行为挖掘阶段，机器学习模型引擎正在逐步引入规则监管，因此，还需加快监管科技在特定场景的应用。
3.2.未来发展方向
数字金融风险监管。随着数字经济的快速发展，智慧金融将成为金融业自主创新和产业升级的必然趋势。主要研究方向包括：智能金融服务、智能金融风险识别与预警。
智能金融风险评估指标体系。开发金融风险数据的动态监测方法，研究风险集聚和扩散的实时预警技术，形成有效的风险监测体系，实现可持续的商业风险监测预警机制；构建政府、金融机构等风险监控主体相结合的决策支持体系；实现可操作、可视化、可扩展的风险评估体系等都是受关注的方向。
区域金融监管体系的决策支持。金融市场主体之间的复杂网络导致金融风险的加速和隐蔽。这加剧了跨行业、跨市场和跨区域的风险转移，因此，有必要研究金融协调监管决策支持。目前受关注的方向主要包括基于复杂网络的多部门协同监管机制、跨部门的工作机制和优化布局、协同监管的配套实施方式和管理规定。
基于区块链技术的金融监管。区块链技术在金融监管中的应用包括两个层面的意义：1）如何在基于区块链的金融应用中监控风险，2）利用区块链技术监控金融风险。当然，区块链技术本身给金融带来的风险也是不容忽视的问题，包括区块链技术在应用过程中的业务、技术、信用、政策、法律、管理等方面的风险。
使用机器学习进行信用风险评估。信用风险是金融系统风险的主要来源之一。它存在于贷款、担保、承兑和证券投资等表内和表外业务中。其中，人机协同的信贷投资管理是值得未来研究的热点问题。
结论
自 2008 年金融危机以来，许多国家都致力于加强金融监管。随着金融科技的发展，风险防范和金融监管的方式发生了深刻的变化。利用人工智能技术促进风险的自动识别和预警，是辅助金融监管的有力工具。近年来，无论是在科研领域，还是在金融业的发展中，Reg-Tech都得到了蓬勃发展。本文总结了近年来金融风险监管的技术应用、对象、路径、局限性以及对未来研究方向的展望。我本文的主要发现总结在下表 中。总之，Reg-Tech的发展是未来金融稳定监管的主流方向。随着信息技术的不断推进，该领域的技术创新和实际应用是未来金融稳定研究的潜在领域。
