金融創新與金融監管如同孿生兄弟。金融活動越是復雜豐富，金融監管的故事也越風云詭譎。在美國、英國等金融行業發達的國家中，金融領域的“捉放曹”和“無間道”屢屢上演。近幾年來，金融創新與監管的故事又多了一個主角——金融科技，和幾個全新的注腳——智能金融、監管科技。

　　按照金融穩定理事會的定義，金融科技指的是，技術帶來的金融創新，能創造新的業務模式、應用、流程或產品，從而對金融市場、金融機構或者金融服務的提供方式造成重大影響。移動支付、大數據風控、智能投顧、無人銀行等都是金融科技的“最佳實踐”?，F階段尤以大數據和人工智能對金融行業帶來的沖擊最直接。

　　智能金融的面相與監管難題

　　據京東金融研究院近期發布的《智能金融白皮書》研究，以海量數據為基礎，以生物識別、深度學習等人工智能技術為工具，金融業態正在從“千人一面走向定制金融”，從“風險難測走向安全金融”，從“邊界有限走向連接金融”。金融業態的不斷創新，帶來的不僅僅是效率的提升，還有監管的新課題。例如，傳統的投資顧問業務一方面得到了人工智能技術的“加持”，可以向更廣泛的人群、提供更加平價的投顧產品和服務；另一方面，傳統投資顧問通過深度調研、問卷調查等方法實現的KYC(know your customer)被在線問卷、機器問答替代。這個過程究竟控制了風險還是擴散了風險？尚無定論。又如金融風控明顯出現“技術化”、“產品化”趨勢。這類技術風控產品往往具備反欺詐、反洗錢等多種“模塊”，適配不同場景。在有效提升風控水平的同時，又由誰來完成對技術風控產品本身的監管？

　　將智能金融拆解，數據是養料，算法是基礎，金融行為與決策是表征。由于人工智能應用于金融尚屬初步階段，這三個方面都或多或少存在著不穩定因素。第一，個人行為數據、機構投資數據、市場交易數據等存在著泄露、被盜取的高危風險。例如摩根大通、富國銀行這樣的巨無霸金融機構也都曾被曝光驚天數據被竊取。第二，金融算法存在天然的歧視性和易操控性。金融算法為人所設計，就不可避免地存在被操控和歧視的可能；即使運用人工智能“中立”地進行學習，可能也會出現“結果偏差”，造成歧視。例如深度學習算法通過過往借貸實踐的“學習”，可能將族裔作為一條“放貸標準”，反而造成客觀歧視。第三，利用人工智能算法計算而來的金融決策也并不能完全消弭風險。例如近年來，美國證券投資市場上越來越多地出現利用人工智能算法、大數據分析等技術實現的“機器人決策”。這類“機器人”交易員往往可以嚴格地執行決策，而不受到情感因素的影響；但是卻帶來了決策的同質化問題，進而加劇投資行為的順周期性，并可能引發市場波動風險。美股在2018年2月8日的下調重挫就被很多市場分析師稱為“資本市場歷史上第一次算法股災”。

　　如何監管智能金融呢？回答這個問題需要首先思考另一個上位問題——金融監管如何回應創新挑戰。2005年，ZOPA在英國成立，直到2014年才被納入正式監管——英國監管層面對新事物“眩暈”了幾乎十年。2015年，英國監管層率先推出“監管沙盒”，項目運作至今，短短三年時間引領了監管科技的發展潮流——這次策略突變的發生卻又在“傾刻之間”。相比之下，美國的金融科技監管策略被哈佛大學商學院的資深院士Karen Gordon Mills和科技咨詢資深專家Brayden McCarthy比作意大利面湯(Spaghetti Soup)，平淡又混沌。盡管美國金融監管在此輪金融科技發展過程中被眾人批評“建樹無多”的原因并不那么消極：第一，美國的金融監管體系彈性較強，對于創新的監管空間足夠大；第二，美國的金融科技發展較早，擁有較為豐富的監管實踐。

　　金融行業的演化博弈

　　關于創新與監管的關系，專長于生物學的約翰梅納德史密斯教授提供了一條分析進路——演化博弈理論。演化博弈指的是有限理性的博弈雙方不斷試錯、優化策略的動態博弈。與分析金融創新與監管博弈的傳統思路不同，演化博弈重視進化論的角度，將金融創新和金融監管看作是相互作用的雙方，在對應的動態變化過程中實現博弈均衡。以監管策略為例。在演化博弈中，立足于“博弈雙方都是有限理性的”這一基本前提，監管策略受到慣性、眼前利益和突變的影響。

　　慣性指的是長久的思維與行為定式所養成的習慣，人們懶于尋求改變博弈策略或者改變博弈策略的成本較高。所以我們總是能夠發現英國的金融監管制度中行業自律傳統的影子，又或者是美國的金融監管制度中價格自我糾正的幽靈。眼前利益指的是能夠改變長期慣性的短期利益，在短期利益大到足夠超過慣性帶來的收益時，博弈策略往往會被更改。不論在哪一個國家，針對金融行業的榮枯變化，金融監管往往會因為政治、經濟、社會方面的眼前利益考量而改變監管策略。

　　在2008年次貸危機之后，美國通過《多德弗蘭克法案》全面限制華爾街大型機構的權益；又在2018年特朗普總統上臺之后通過《金融監管放松法案》為前述機構大幅松綁。究其背后的原因都在于選舉政治導致的眼前利益考量。突變指的是非基于利益考量的客觀因素變化，博弈策略有時會在客觀情形改變時隨之改變。最直觀的例子是，50年前“離行式”ATM的大量鋪設使得銀行可以向非本行客戶收取額外費(surcharge)，這在實際上擴展了銀行服務的客戶數量和服務內容。50年后，“虛擬銀行”借助移動互聯網又一次打破服務邊界。不論是面對ATM鋪設造成的大行壟斷，還是“虛擬銀行”發展帶來的經營風險，金融監管都需要有針對性地改變策略。

　　技術參與的最佳博弈策略

　　這一輪的創新與監管博弈，技術扮演的角色超越了“突變因素”。因為這三者在同一條維度上呈現，這個維度就是數據化。創新端，人工智能技術將數據化的信息進行創新利用，不僅改造了供求關系，更創造了全新的金融“生產函數”。普惠金融就是一個很好的例子。人工智能算法針對市場底端和廣大農村地區的長尾客戶數據進行處理，為他們提供風險評估、信貸支持，將銀行體系外的受眾(unbanked people)納入到金融服務可觸達的人群中。人工智能算法還通過算法評估、批量放貸等手段降低金融服務提供成本，替代以人力為核心資本的傳統普惠金融形式。

　　監管端，人工智能技術更是可以整合被監管者數據、監管數據與監管要求。國際清算銀行、京東金融研究院針對監管科技的研究分別是國際上和國內較為領先的。根據他們的研究成果，監管科技與智能數據收集和分析無法分開。在市場監管、不端行為檢測分析、微觀審慎監管和宏觀審慎監管等方面，人工智能算法可以用于形成自動化報告、實時檢測報告，用于進行數據整合、整理、分析等管理工作。以反欺詐行為為例，人工智能可以分為兩步高效地完成監管目標。第一步，反欺詐模型采用非監督學習識別監管文件，以判斷市場主體之間的異常行為；第二步，利用人工解釋機器學習的輸出結果。目前，美國證監會(SEC)已經嘗試采用這樣的模型進行證券市場違法行為的監測。從演化博弈的角度來看，金融監管在面對數據化的金融創新時，最佳的均衡策略是數據化的監管方式。

　　在此輪技術發展中尋求最佳策略，不僅要遵循演化博弈的基本原理，而且要堅守與技術發展相關的原則。一方面，技術與金融應當進行負責任地創新。負責任體現在內在負責和外在負責。內在負責指的是金融業務科技創新應當遵從內部自我監管，即創新主體要有底線、有倫理。這里的倫理不僅指的是道德、金融職業倫理，也包括技術倫理。例如通過記錄測試、運算，盡可能地降低技術帶來的不可測風險。外在負責指的是金融創新應當遵從包括金融監管在內的所有外部約束框架，實現有效控制風險，合理配置資源。金融監管往往在三方面實現這個目標：評估、預測、分析風險，管理既存風險和降低過大風險。另一方面，技術與監管應當有針對性的融合。有針對性的融合是監管的合理博弈策略，這就要求監管需要做到：第一，科技不應當加劇監管的復雜程度，而應當輔助監管。監管科技本質上來說是提高金融監管的手段，是輔助監管更好實現的工具。第二，科技不應當偏廢監管的價值取向。金融監管要兼顧效率和公平，只有充分理解金融行業發展的邏輯，才能夠如同南方科大何佳教授所言，監管不僅可以給出邊界解而且可以給出內部最優解。第三，科技應當有助于實現創新的全鏈路監管。監管科技與金融創新在數據層面的一一對應，也是科技創新的應有之意。為此監管科技需要做到風險實時監測、數據質量管控、基本業務合規評測等內容的有機結合。

　　演化與競爭是發展的必然之路。金融創新與監管也是在不斷試錯的過程中達到均衡。我們對于新生技術的掌控十分有限，因而新技術所引發的試錯往往影響范圍更大更廣。這在一定程度上可以解釋當下金融科技行業面臨的問題與困境。撥開迷霧，負責任的金融創新與高效融合的科技監管一定是這場三要素博弈的正確方向。

責任編輯：陳愛