<abbr id="8ggge"></abbr>
<kbd id="8ggge"><code id="8ggge"></code></kbd>
<pre id="8ggge"></pre>
  • <s id="8ggge"><dd id="8ggge"></dd></s>
    <s id="8ggge"><dd id="8ggge"></dd></s><cite id="8ggge"><tbody id="8ggge"></tbody></cite>
    <kbd id="8ggge"><code id="8ggge"></code></kbd>

    國內或國外 期刊或論文

    您當前的位置:發表學術論文網電子論文》 金融科技的主要功能風險特征與規范監管> 正文

    金融科技的主要功能風險特征與規范監管

    所屬分類:電子論文 閱讀次 時間:2021-12-23 10:54

    本文摘要:摘 要:金融科技本質上是風險科技,不會改變金融的本質。金融科技運用背后體現的是金融體系風險管理能力的增強,金融科技的廣泛運用體現了其降低金融風險的功能。金融科技有助于金融機構增強風險管理能力,進而提升企業價值,而監管科技有助于金融監管當局更加有效地實

      摘 要:金融科技本質上是風險科技,不會改變金融的本質。金融科技運用背后體現的是金融體系風險管理能力的增強,金融科技的廣泛運用體現了其降低金融風險的功能。金融科技有助于金融機構增強風險管理能力,進而提升企業價值,而監管科技有助于金融監管當局更加有效地實施風險監管、降低監管成本。隨著金融科技運用深入,金融監管風險管理的重心將會部分地從傳統金融類型風險向法律風險、信息科技風險、第三方外包風險等非金融類型風險轉移,并從微觀金融風險向系統性金融風險轉移,形成風險的“雙漂移”機制。為此,金融監管當局應主動擁抱金融科技,積極探索應用金融科技提高監管效率的措施,提高監管人員應用金融科技的專業能力;在現行監管框架中融入金融科技,并進一步改革監管框架以適應金融科技發展;完善金融科技監管的跨國合作,共同應對金融科技可能帶來的金融風險。

      關鍵詞:金融科技;金融監管;互聯網金融;監管科技;金融風險;風險管理

    金融科技

      根據金融穩定理事會(FinancialStabilityBoard,FSB)的定義,金融科技(Fintech)是科技驅動的金融創新,能夠創造新的金融模式、新的金融應用、新的金融服務流程和產品,從而改變金融市場、金融機構和金融服務提供方式的全新金融業態。金融科技對金融業將產生多維、深度的影響。金融產品是風險與收益的組合,金融市場是交易風險的場所,金融機構是經營金融風險的主體。金融科技推動了金融機構風險管理體系建設從傳統風控手段和方法向基于金融科技的前瞻性智能風控中臺建設轉化,使得對金融風險的實時監測成為可能。

      金融科技的本質是風險科技,因為金融業務的核心是風險管理。無論是智能投顧,還是精準客戶營銷,背后都是在優化風險組合的基礎上實現收益的最大化。金融科技通過增強金融機構風險監測、分析、預警、處置能力提升金融機構的風險管理水平,進而提升金融機構的核心競爭力。因此,金融機構運用金融科技的背后都體現了風險管理的功能,都閃爍著風險防控的思維,金融科技是通過提升金融機構的風險管理能力來增加金融機構的價值。隨著金融科技運用的深入,金融風險管理的重心將會部分地從金融類型風險向非金融類型風險轉移,從微觀金融風險向系統性金融風險的轉移,形成風險的“雙漂移”機制。

      一、金融科技的主要功能

      (一)風險管理功能:提升金融機構風險管理水平金融機構是經營金融風險的企業。風險管理是金融機構的核心競爭力,金融機構經營模式的核心是承擔風險并獲取收益。在日常風險管理工作中,金融科技在提高風險管理效率、捕捉風險信息、提升金融機構風險管理專注性和準確性等方面都發揮了巨大作用。以人工智能和機器學習為代表的“金融科技”技術會影響金融機構的風險決策行為。

      比如,人工智能能夠分析和建立投資者情緒指標(SentimentIndicators),這些數據對于對沖基金、投資銀行等金融機構的交易員判斷金融市場的風險狀態具有重要作用。機器學習也能夠處理遠超出人類處理信息能力的信息量,并且進行快速決策。在反欺詐、監測反恐融資方面,人工智能和機器學習能夠幫助金融機構快速識別可疑交易。具體來講,金融科技主要在以下方面得到金融機構的廣泛應用:

      第一,評估零售客戶信用風險,精確化貸款定價。金融機構通過機器學習對客戶的海量數據進行信用分析,進而得出該客戶的信用質量,為貸款定價。這種方式會加快貸款決策速率,并降低信用風險。在此過程中,每一個個體的交易數據和支付歷史以及其他結構性數據都會變為信用風險評估模型(比如回歸分析、決策樹模型、統計分析等)的輸入變量。隨著計算機技術的快速發展,非結構化數據,比如社交媒體活動、社交軟件中的聊天信息都能夠有助于金融機構評價一個人的信用質量,繼而增加貸款信用風險評估的準確性。

      另外,機器學習使得處理定性數據成為可能,比如消費者行為和支付意愿等。這樣,即使以前沒有信用歷史的借款人,也能夠以合理的借貸成本獲得貸款,這增加了金融的普惠性,也幫助了社會建立信用體制。但需要說明的是,使用人工智能、大數據等金融科技對借款人個體數據和金融產品表現的歷史數據的依賴性很強。數據的可得性、質量和可靠性會直接影響模型表現效果。此外,金融科技有助于增加金融體系的透明度,幫助投資者評估風險。在許多領域,大數據技術的應用能夠降低金融市場中存在的信息不對稱。隨著大數據應用技術的完善,金融市場參與者能夠準確評估特定風險,進而根據特定的風險制定特定的計劃。在中小企業融資領域,金融科技可以用來評估中小企業的信用風險,有助于市場投資者準確評估信用風險。

      第二,評估保險公司客戶風險,精準化保險營銷。保險業是管理純粹風險的行業。當前,保險業正推廣使用機器學習分析復雜數據,進而降低風險成本,提高收益水平。對于保險業來講,合理對客戶風險進行定價和甄別是保障盈利能力的關鍵,也是提升保險公司競爭力的關鍵,因此有時會把保險公司使用金融科技的情景稱作“InsurTech”。InsurTech在保單發放方面,能夠輔助保險公司判斷客戶風險,并篩選客戶。商業保險公司在定價和營銷保險產品時會實時使用高精度數據分析消費者的網上購買行為。在車險方面,機器學習技術能夠測算維修成本,自動決定交通事故損失的種類。同時,保險公司可以使用遠程遙感技術提前預警事故,從而降低賠付成本。

      第三,評估金融機構償付能力,精細化資本計提。資本是金融機構最稀缺的資源,將風險與資本關聯起來的償付能力監管是金融監管核心理念。在給定資本約束條件下,如何進行資本優化是金融機構面對的核心問題。資本優化過程是一個消耗大量資源的過程。金融科技所依賴的人工智能和機器學習技術以其強大的計算能力和大數據分析能力,有效的提高資本優化的準確性和運算效率。

      在實務領域中,基于機器學習來計算監管資本獲得了廣泛關注(FSB,2017a)。McKinsey(2012)研究發現,使用機器學習算法來優化風險加權資產會使結果降低5%-15%。在金融衍生產品交易的清算和監管中,機器學習算法對于初始準備金要求的精確計算已經必不可少(Kondratyev和Giorgidze,2017)。機器學習通過抵消交易員相同的交易頭寸和交易策略來實現上述目的。在初始準備金要求的約束下,機器學習可以給出最優的降低準備金要求的交易策略。總之,金融科技技術能夠以最低的成本保證金融機構的償付能力,進而提高金融風險管理效率。第四,評估風險計量模型準確性,精巧化回測檢驗。金融風險管理對金融計量模型準確性的要求非常高,因此在金融機構風險管理流程中必不可少的一個環節是模型驗證與回測檢驗。

      一些全球性的大型金融機構已經開始將不受監管監督的機器學習算法運用在股票衍生品交易中,匯總反常數據來進行模型驗證(FSB,2017a)。在每一個夜晚,該系統能夠進行300萬次運算,進而得出資本配置和限額管理的具體數目。在這個過程中,機器學習系統會對所產生的極值數據進行算法處理,來判斷這些極端情況是否處在可以接受的范圍內。第五,評估投資績效,精益化風險分散。智能投顧有助于金融風險共擔機制的形成。

      首先,定制化策略有助于分散金融風險。對金融科技的分析表明,智能投顧或者機器學習能夠降低金融市場“方向性交易(Directionaltrading)”的規模和頻率。在理想情況下,人工智能投資顧問能根據每個投資者的個體風險偏好定制化地為投資者服務,形成不同類型的交易策略。在市場處在正常的狀況下,定制化的投資策略相關性極低。其次,金融科技能降低投資者參與資本市場的門檻,而更多的投資者意味著更的風險分散化。

      再次,人工智能以及機器學習等技術能夠更好的處理資本市場信息,制定更好的對沖風險策略,防止資產價格單邊波動,具有一定的降低市場波動性的作用。最后,新型的金融科技平臺能夠將投資者和借款人直接關聯起來,減輕銀行體系的信貸壓力,降低銀行體系的信用風險,使得經濟體對銀行貸款的依賴性降低,風險漸漸從銀行體系轉移出來,從而在金融體系中形成不同類型金融機構風險共擔的局面。

      (二)風險監管功能:監管科技提升金融監管效能

      評估金融科技對金融體系風險的影響非常困難。一方面,監管當局和金融機構缺乏足夠的數據評估各種類型金融科技的潛在影響,金融機構變革營運模式可能帶來風險。另一方面,由于金融科技發展歷史相對較短,監管當局尚未有效構建風險數據報告機制。雖然金融科技給金融體系帶來了新的風險,但不可否認,金融科技也有降低金融體系風險的作用。人工智能和機器學習等技術在金融監管領域有著重要的應用,即監管科技(Regutech)。監管科技能夠使金融機構更有效率、更加低成本的滿足監管當局的合規要求(FCA,2015)。根據FSB(2017a)的預測,全球監管科技市場規模將在2020年達到64.5億美元。具體來講,監管科技主要在以下四個方面在金融監管領域得到廣泛應用:

      第一,降低合規監管成本。機器學習結合自然語言處理能夠監測交易員的交易行為和相互間溝通的內容,從而增加金融市場的透明度,約束金融市場中交易員的交易行為。在資產管理領域,自然語言處理被用來應對新的金融監管。比如在歐盟,投資經理需要遵守《金融工具市場指令》、《可轉讓證券集合投資計劃》、《另類投資基金管理人指令》等復雜的監管指引。資產管理公司使用自然語言處理技術將這些監管指引轉化為通俗語言,進而將這些規則整合到原有的風控系統中,降低合規成本。此外,在KYC(了解你的客戶)領域,監管科技有助于識別風險客戶,提前采取監控措施。

      第二,提高風險數據精度。智能化監管讓數據自己說話(喬宇鋒,2021)。首先,機器學習技術能夠低成本的保證監管數據報告質量,發揮大數據的價值。2008年金融危機爆發后,為加強宏觀審慎監管,不論是在頻率上,還是在報告數量上,各個國家對金融機構風險數據報告的要求與日俱增。為了保證報告質量,金融機構紛紛投入了大量資源。但隨著數據報告數量的增加,金融監管無法使用傳統方法對數據進行分析,因此無法發揮數據的最大價值。

      此外,隨著數據報告量的增加,數據集合會存在數據錯誤、空值數據等質量問題,如何在提高數據精度前提下保障數據質量,也是監管當局需要考慮的問題。IIF(2015)指出,機器學習能夠識別數據集合中的極值,能夠以更低的成本保證報告數據的質量。其次,提高交易倉儲(Traderepositories,TR)數據的價值。FSB(2017a)認為,監管在最大化TR數據的價值方面存在欠缺。對于場外衍生產品交易、外匯衍生產品交易、融資融券業務,機器學習能夠有效識別數據殘缺、數據缺乏一致性、“胖手指”失誤問題等。魁北克金融市場管理局已經成功在金融科技實驗室運用監管機器學習算法從OTC衍生產品市場中的非結構化文本數據中提取特定的數據類型,比如互換交易的浮動利率方。

      第三,管理系統性金融風險。

      首先,預測金融市場風險。金融科技能夠被中央銀行用來進行系統性風險評估,監測傳染風險。自然語言處理技術能夠判別、測度、預測、預判市場波動、流動性風險、未來金融壓力情景、房價、失業率(Bholat等,2015)。意大利中央銀行使用Twitter數據來判斷零售客戶對商業銀行的信任程度,進而提前判斷公眾對金融體系的信心。意大利中央銀行還使用自然語言處理從報紙信息評估公眾情緒。美國的實踐經驗表明,通過使用計算語言學分析銀行強制性的披露信息能在2008年金融危機之前的2005年分析未來利率風險、住房抵押貸款風險、房地產價格風險、資本充足率風險、信用評級等問題(Hanley和Hoberg,2016)。

      其次,助力貨幣政策實施。FSB在2015年的調查顯示,各國中央銀行期望使用大數據技術實施貨幣政策,保證宏觀經濟和金融體系穩定。在貨幣政策實施方面,大數據技術的主要使用方向是預測價格與通貨膨脹,尤其是房地產等資產價格。再次,幫助政策效果評估。機器學習可以使市場參與者根據金融部門表現評估政策效果、模擬在不同經濟政治環境下經濟政策的影響(O’Halloran等,2015)。金融研究辦公室(OfficeofFinancialResearch,OFR)使用機器學習評估公眾對金融創新的關注程度,通過公開發表的信息提取公眾情緒信息,研究公眾情緒與金融穩定之間的關系。

      第四,監測恐怖主義融資、反洗錢與欺詐交易。澳大利亞證券與投資委員會(ASIC)使用自然語言處理技術,從大量的證據文件中提取目標實體,并研究各個實體之間的關聯,進而發現違法交易。意大利中央銀行為了打擊銀行業犯罪活動,使用機器學習技術提取銀行交易信息,并將其與公開報紙上的信息關聯起來,其數據處理量每次達到50GB。新加坡金融管理局(MAS)正在開發人工智能和機器學習技術來分析可疑金融交易。為了降低監測違法交易成本,防止犯罪嫌疑人進行防御性反抗,機器學習技術往往能夠識別更為復雜交易模式,并留下證據,能發現交易主體之間的非線性關系,這對偵測洗錢行為和恐怖主義融資行為都有巨大的幫助。

      美國證券交易委員會(SEC)使用大數據技術開發文本分析系統和機器學習算法發現違規交易行為,并使用人工智能技術評估風險。在監督學習(Supervisedlearning)技術下,SEC可以將金融機構當前提交的文檔與歷史的文檔資料進行比對,從而更加準確的找到以往的案例。雖然這種方法也會出現失誤,但對監管當局提前檢查有很好的指導意義(Bauguess,2017)。此外,SEC還使用非監督學習(Unsupervisedlearning)算法發現投資顧問的異常行為,并將所發現的行為與以往案例對比,從而預測投資顧問的未來表現(Bauguess,2017)。ASIC也是用機器學習軟件發現市場中的不當行為,比如未取得資質的會計師提供金融咨詢服務。

      二、金融科技的風險特征

      (一)增加系統性金融風險

      金融科技的迅猛發展導致金融體系的關聯度急劇增加,進而放大了沖擊在金融體系的傳染,增加了金融體系的脆弱性程度。雖然在微觀層面,金融科技會有助于金融機構降低金融類型的風險,但在宏觀層面,金融科技卻存在引發系統性金融危機的可能性。

      第一,放大市場波動。金融科技會導致金融體系在面臨負面沖擊時出現過度波動。首先,信貸資金供給在面臨負面消息時會出現過度緊縮。當市場突然宣布某一金融科技貸款平臺不良貸款率上升時,投資者的敏感情緒會出現巨幅變動,導致信貸市場資金供給會迅速蒸發。小額投資者由于信息不對稱程度高,投資決策受到不良貸款率信息的影響會更大。

      其次,智能投顧所導致的羊群行為會顯著高于傳統資產組合方法,大額交易會增加資產價格的單邊波動性。再次,金融科技會在一些情景下降低資金借貸成本,放松借貸標準,導致一些投資者低估風險。如果這種情景持續下去,為了與金融科技企業競爭,傳統金融機構也會有低估風險的動機,風險補償不足,金融體系整體風險承擔過度,信貸市場波動性上升。

      第二,增加傳染風險。首先,金融科技容易引發流動性風險。流動性風險具有系統性特征,其傳染性極強。對于流動性風險,期限錯配風險是重要的風險類型。金融科技往往會涉及到借貸業務,因此期限錯配不可避免。在某些情況下,金融科技企業會通過貸款展期或者到期日之前出售貸款來實現期限匹配,或者在一些金融科技平臺上,平臺會向投資者出售一份貸款出售期權。這種擴張速度和業務模式不免會讓人聯想起2008年金融危機,尤其是當金融科技企業平臺作為期限結構轉換的中介時,流動性風險極易爆發。另外,客戶為了獲得高收益,會使用金融科技產品將資金在不同種類的賬戶,甚至在不同類型的金融機構之間轉移。這雖然增加了金融效率,但會影響客戶的忠誠度,且資金的快速轉移容易引發系統性流動性風險。

      其次,聲譽風險會引發傳染風險。金融科技增加了市場主體對信息的敏感性,進而導致風險傳染可能性的增加。比如,某一個金融科技平臺出現大量不良貸款,市場中的參與者會認為其他金融科技平臺也會面臨類似的問題,進而出現恐慌。再次,交易策略的趨同化會導致適得其反的效果。

      Kirilenko和Lo(2013)指出,人工智能以及機器算法交易由于缺乏必要的監管會導致金融市場中出現意想不到的傳染風險。一旦金融體系面臨困境,流動性需求上升時,算法交易會引發交易的趨同性,進而風險通過資產價格渠道影響了所有金融機構。這說明,當金融機構積極使用不同來源的大數據信息開發交易策略、形成自身的競爭優勢時,可能導致實質性的相關性增加,即看似不相關的行為會收斂至相關性,增加傳染風險。

      第三,產生新型系統重要性金融機構。首先,金融科技會重塑集中度。金融科技導致金融體系關聯度增加,但這種關聯度往往會集中于幾家金融科技企業,這些企業的共同特征就是掌握了人工智能、機器學習等先進的技術。同樣,具有大數據資源的企業也會具有這種優勢。因此這幾家金融科技企業就具有了金融體系基礎設施的角色。比如分布式賬本技術在證券清算交易環節具有廣泛的應用,因此使用分布式賬本技術、提供證券清算服務的金融科技企業將是系統重要的。

      另外,數字貨幣、個人征信或者是智慧錢包都在日常支付中應用廣泛。總之,這些新興的系統重要性金融科技企業具有一定的壟斷性,一旦成功搶占了市場,其他參與者無法代替其地位,一旦倒閉會導致金融服務無法正常提供。其次,改變傳統金融機構的系統重要性。金融科技會在某些方面替代傳統金融服務,因此可能會降低一些金融機構的系統重要性。但反過來,如果一家成熟的大型金融機構已經贏得了公眾的信任,并且積極擁抱金融科技,其系統重要性會顯著增加。

      (二)增加非金融類型風險

      金融科技沒有改變金融的本質,不會帶來新的風險類型,但它會引發風險類型重心的漂移,即微觀金融風險類型的重點將會從以傳統金融風險漂移至非金融類型風險。在金融機構(微觀個體)層面,金融科技會導致金融機構從關注傳統金融風險轉移至重點管理非金融類型風險。

      第一,法律風險。金融科技會導致監管制度性漏洞,出現法律風險。首先,金融科技企業處在監管半徑之外,沒有被有效監管覆蓋。一些金融科技企業向受監管的金融機構提供金融服務,但其往往不在金融監管的半徑之內,或者其受到的監管強度顯著低于監管半徑內的金融機構。因此,這些金融科技企業的快速發展會對金融體系穩定形成威脅(FSB,2017a)。

      比如,數字貨幣能夠順利運行的前提是,在一個市場主體相互不信任的環境下,設計方案蘊含的激勵機制能夠支持主體之間的交換。雖然數字貨幣當前表現良好,但也是僅僅在有限的測試環境內,不排除在未來,設計方案的不穩定性迅速暴露(FSB,2017a)。其次,已有的法律和規則無法有效覆蓋金融創新活動,因此需要修訂法律和監管準則。這種準則的修訂橫跨前臺和后臺,從客戶交流到信息系統。比如,智能機器投資顧問與客戶溝通所產生問題的責任認定事宜,區塊鏈跨境交易導致的數據隱私泄露問題。這些都需要法律和監管規則的重新修訂,甚至還需要國際金融監管的協作來應對。

      第二,信息科技風險。金融體系當前正在不停的遭受網絡攻擊,金融科技的運用會使得信息科技風險更為突出。當越來越多的金融機構通過金融科技關聯到同一個交易網絡時,金融體系遭受網絡攻擊的可能性就會變高。金融科技增加了金融普惠性背后的含義是金融體系的節點變多,但同時也會導致黑客攻擊的機會變多。

      為了避免被黑客攻擊而導致的數據損失,許多金融機構都建立了自己的數據中心,并將數據在多個服務器上存儲,但這會增加信息科技風險的管理成本。因此金融機構的信息科技水平如果沒有與時俱進,則金融市場中由于信息技術導致關聯度的增加會將信息科技風險放大。應用軟件接口(API)、云計算等技術的快速發展導致關聯度的增加,導致銀行體系暴露在信息科技安全風險敞口之下,將大量敏感性的數據置于潛在的泄露風險中(BCBS,2018)。

      第三,第三方外包風險。陸岷峰(2021)指出,應重新定義商業銀行與第三方金融科技公司之間的目標和定位。

      首先,第三方外包風險會衍生出其他各類風險。相對來講,金融機構在金融科技方面都缺少足夠的專業經驗,因此其信息科技系統可能無法適應金融業的快速變化。在這種情況下,金融機構不可避免的將許多金融業務外包給第三方金融科技企業,增加了金融交易的復雜性、降低了透明度,從而使得數據信息泄露、數據安全、網絡犯罪、洗錢行為等問題非常突出。如果第三方外包商出現了破產,但為了保證金融服務和信息系統的可持續性,金融機構可能需要承擔第三方外包商的破產成本,接管該企業。

      其次,對風險的控制權減弱。大量引入第三方外包機構會導致整個金融價值鏈中風險管理責任承擔變得非常模糊,金融機構使用第三方科技產品會導致對經營風險的管控超出了自身的組織體系。如果第三方外包機構是全球的主要市場參與者,是主要的服務提供者或客戶端接口的設計者,則第三方外包業務會形成新的集中度風險。為了保護自身和客戶,金融機構需要小心謹慎的與第三方外包機構簽訂合約,盡量保證風險在可控的范圍內。

      再次,增加了反洗錢和防范反恐融資的難度。在交易過程中,金融機構有責任甄別洗錢交易或者恐怖融資交易。但是在實際操作中,金融機構不可避免的需要為第三方的客戶提供交易服務。如果該客戶使用銀行卡或者銀行賬戶進行交易,商業銀行就有責任對客戶進行甄別和篩選。但與第三方合作的結果很可能是交易自動化程度提高,但交易的透明度會降低,因此銀行對這些違法違規交易的控制力將會減弱。

      三、加強金融科技風險監管的建議

      金融科技所體現的創新思維為市場參與主體帶來了大量的機會,拓展了金融邊界,但也帶來了一些新的不穩定因素。新的金融發展形勢再一次考驗監管當局的智慧。

      第一,金融機構當局應主動擁抱金融科技。監管科技對提升金融監管有效性具有重要意義(秦文巖,2021)。首先,金融監管應積極探索應用金融科技提高金融監管效率的措施。金融科技為金融企業帶來了巨大的機會,同理,人工智能、機器學習等技術也會給金融監管帶來發展機遇。金融監管可以運用金融科技增加數據獲取的頻率,實現風險數據的實時更新、監管流程的自動化處理等。但信息系統的不兼容、治理結構的不兼容、數據透明度不高也會阻礙上述功能的實現。

      一些國家的金融監管當局正在嘗試使用人工智能技術處理非結構化數據,通過大數據技術增加金融監管的覆蓋面;基于分布式賬本技術的風險報告系統有助于監測市場交易者的風險敞口。比如,在英格蘭銀行,基于自然語言處理的人工智能能夠發現金融機構報告中存在的敏感性信息,能夠識別監管數據報送中的極端數據。其次,金融監管人員要增加自身的專業水平,以應對金融科技的挑戰。金融科技帶來業務模式的創新,這需要金融監管人員進一步掌握專業知識來增強監管的專業水平。

      不可否認,傳統的審慎監管分析流程和技術方法仍舊需要,但金融監管需要設立獨立的部門來應該金融科技帶來的風險挑戰。這個部門的員工應具備政策分析與研究能力、上崗資質、與公眾溝通和交流、使用監管科技手段(FSB,2017b)。這對于許多國家來講,都是一個資源不斷投入的過程。不斷開展工作坊(Workshop)、加強員工培訓、舉辦學術界與金融科技企業的交流會都是增加人力資源素質的有效渠道。此外,吸納IT專家、數據科學家、數學家與統計學家進入金融監管當局,也是提升金融監管人員能力的重要措施。

      第二,在現行監管框架中融入金融科技。首先,金融科技會產生新型的系統重要性金融機構,因此應將金融科技所產生的新的系統重要性金融機構納入監管框架中,使之受到更為嚴格的監管、有更高的損失吸收能力、對其制定救助計劃。其次,重視金融科技企業產生的影子銀行業務。一旦金融科技企業提供金融服務,其也會面臨流動性、杠桿率、期限錯配等流動性問題。再次,對金融科技的監管應與金融結構相適應。比如針對近年來快速發展的股權眾籌融資以及網絡貸款,金融監管當局應及時制定新的監管規則,或者是在現有監管規則基礎上進行擴展性修訂。

      參考文獻

      [1]BaselCommitteeonBankingSupervision.SoundPracticesImplicationsofFintechDevelopmentsforBanksandBankSupervisors[R].2018.

      [2]BauguessSW.TheRoleofBigData,MachineLearning,andAIinAssessingRisks:ARegulatoryPerspective[R].SSRNElectronicJournal,2017.

      [3]BholatD,HansenS,SantosP,Schonhardt-BaileyC.TextMiningforCentralBanks[R].SSRNElectronicJournal,2015.

      [4]FCA.CallforInput:SupportingtheDevelopmentandAdoptionofRegTech[R].2015.

      [5]FSB.ArtificialIntelligenceandMachineLearninginFinancialServicesMarketDevelopmentsandFinancialStabilityImplications[R].2017a.

      [6]FSB.FinancialStabilityImplicationsfromFinTechSupervisoryandRegulatoryIssuesthatMeritAuthorities’Attention[R].2017b.

      [7]HanleyKW,HobergG.DynamicInterpretationofEmergingSystemicRisks[J].SSRNElectronicJournal,2016.

      作者:劉志洋

    轉載請注明來自發表學術論文網:http://www.zpfmc.com/dzlw/29180.html

    主站蜘蛛池模板: 亚洲av人无码综合在线观看| 国产精品麻豆免费版| 又硬又大又湿又紧a视频| 丹麦大白屁股hdxxxx| 草草影院国产第一页| 无码欧精品亚洲日韩一区| 国产乱码一区二区三区四| 久久久久亚洲精品男人的天堂| 谷雨生的视频vk| 无码任你躁久久久久久| 四虎影视在线影院4hutv| 中文字幕99页| 神马重口味456| 夜夜爽一区二区三区精品| 亚洲精品无码乱码成人| 95老司机免费福利| 欧美日本在线三级视频| 国产精品免费看| 久久综合九色综合欧美就去吻| 青青青视频免费| 成人毛片视频免费网站观看| 免费看特级毛片| 97精品国产97久久久久久免费 | 真实男女动态无遮挡图| 女老丝袜脚摩擦阳茎视频| 亚洲韩国在线一卡二卡| 91久久国产精品| 最近日本字幕免费高清| 国产乱码免费卡1卡二卡3卡四| 中出五十路免费视频| 男人天堂综合网| 国产精品无码2021在线观看| 久久香蕉国产视频| 老司机带带我懂得视频| 波多野结衣手机在线视频| 国内不卡一二三四区| 亚洲av极品无码专区在线观看| 香蕉视频网站在线| 小小的日本乱码在线观看免费 | 久久人搡人人玩人妻精品首页| 美女扒开内裤羞羞网站|