监管科技知识模块简介

金融科技与监管的融合，通常被称为监管科技（RegTech）。监管科技一词是由英国金融行为监管局（Financial Conduct Authority，FCA）于2015年11月在《呼吁投入：支持监管科技的发展和应用》的研究报告中提出，将其定义为“利用最新的科技手段来服务于监管和合规”，并将其划分到金融科技的一个细分领域^[11]。国内开始讨论“监管科技”始于2017年。孙国峰认为，监管科技初期是指金融机构利用新技术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）^[12]。杨东则将监管科技定义为“科技驱动型监管”的手段^[13]。当下是金融科技呈井喷式发展的时代，利用金融科技升级监管技术，实现监管科技的结合式创新与优化，是我国应对金融市场的良好对策。目前已有多种成熟技术可以用于监管，包括人工智能、自然语言处理、大数据和算法分析、分布式记账等。本项研究基于监管科技实践的国内外现状，从以下几个场景分析金融市场的监管科技创新模式，展开监管科技的教学。

1.市场监督和监控

市场监督和监控是金融市场监管者需要格外关注的领域，其外延较为广泛，包括对交易方行为、对注册登记行为以及对金融机构员工和客户的监督等。在这一过程中，主要涉及的技术手段是云计算，大数据分析和人工智能，它们能为监管者提供更精准的风险预警。

在监管科技的作用下，监管模型会从原有的“规则主导”向“风险预测主导”转变，通过大量的数据帮助决策。例如，经过“历史数据学习”（historical data learning）的计算机程序能够从当前数据中准确辨析可疑行为和风险趋势，或者对未来的市场运行模式进行预测。而具有语言分析能力的程序可以通过分析各种形式的通信信息，包括音频、视频和数字信息，使监管能力超越传统的针对特定关键字的“字面分析”　（lexicon-based），转向更具应用性的基于自然语言处理技术和机器学习技术的“风险分析”（risk-based）。^[14]

2.风险报告和管理

市场监督和监控侧重于事前的市场把控和风险预测，风险报告和管理侧重于事后的风险应对和结果汇总。这一场景同样利用数据分析和计算为主的监管科技来促进风险数据汇总的自动化，风险指标创建和监控以及风险报告的生成。稍有不同的是，风险报告和管理模型相对更侧重于数据的分析和结果生成过程，而非采集和统计过程，且关注的数据集中于资本质量和市场流动性。此外，一些监管科技具有生成数据流（data streams）的强大功能，其内涵是指将具有显著孤立性的数据进行串联，与原有数据共同组成数据流。结构化数据（如订单的订立和取消、市场数据、客户投资组合等）与非结构化数据（如电子邮件、音频、社交媒体主页和其他通信信息等）历来难以连接，但监管科技可以有效地解决这一难题，进而实现数据的集成分析。

3.客户身份认证

为了明晰投资资金来源，同时防止零售投资者通过集合投资掩盖身份，金融市场需要重点关注的另一个问题是客户身份。身份识别机制的缺位不仅会滋生如内幕交易或市场操纵等金融市场违法行为，损害投资者的利益，甚至还可能使市场遭受正当性质疑，因为不合规的客户可能是潜在的金融犯罪分子（洗钱或恐怖主义融资）。(www.xing528.com)

监管科技在身份识别领域已经有了阶段性成果，即KYC身份验证机制（Know Your Customer）和AML程序（Anti-Money Laundering）。两种机制的底层技术都是机器学习门类下的生物识别，通过收集客户的生物特征（容貌、瞳孔等）来与背后的行为数据库进行连接和比对。但不可忽视的是，这种识别机制的设置和维护需要巨大的成本，因此一些供应商正在尝试引入分布式记账技术来减轻多个机构分别监视同一个客户的负担。它们还可以与数据系统结合，将已经掌握的内部数据与外部数据串联成为数据流，以便进一步降低成本，并实现实时追踪客户行为和交易资金流向的功能。

4.监管智库

良好的监管离不开真实、有效、及时的反馈。然而在金融市场实践中，监管者往往难以收到能够同时满足这三种标准的监管效果反馈。监管智库能够将信息采集过程大大简化，监管者只需调动其已有数据库，智能算法会帮助监管者过滤无效信息，自动化抓取和补充分析所需的要素信息并进行高速率的分析，可视化研究报告的呈现使得监管者智慧的发挥也更加简便。除了监管机制的历史和现状反馈，监管智库还具有政策效果预测功能，由英国金融行为监管局首创的监管沙箱便是一例。监管沙箱的内设政策安排和执法状况可以由管理者自行调整，当监管沙箱基于未来的政策运行时，每一个测试对象的反应都是市场状况预测的宝贵素材；并且由于监管沙箱的现实模拟特征，这些反应具有很强的代表性，借助监管沙箱进行分析将比单纯的逻辑论证和演绎推理更加可靠和有力。

5.投资者风险评估

投资者风险评估是指评估主体从客户处获取信息，并采取合理的政策和程序来确定投资者的风险承受能力，定期进行更新或完善。投资者风险评估更侧重于监管者的服务职能，其内涵不仅包括利用监管科技评估投资者风险，还包括对金融公司和机构权限的准确规制。这一应用场景目前在监管科技的所有场景中占比并不大，但是具有良好的发展前景。

在风险评估过程中，监管科技通过创新技术（主要包括数据聚合和机器学习）与行为科学的结合来精准判断投资者的风险偏好和风险承受能力。例如，监管者可以设计“模拟投资游戏”，游戏中提供与真实情况相同的市场动态，模拟一定的资金和投资组合选项，观察投资者对于市场调节和投资组合绩效变化的反应并生成行为数据，以此为依据为投资者进行风险评估。这种评估结果可以与投资者自身陈述结合分析，从而形成对投资者更全面、更立体的用户画像。投资者风险评估机制也可以与其他技术结合，使投资者的投资组合尽可能贴近其风险承受能力。