数字金融新发展

摘要：在数字科技领域，中国科技企业数量、质量和产值，已居全球首位。数字科技领域最受关注的技术是大数据和人工智能技术。大数据最重要的作用是减少信息不对称，达到更精准的风险管理；人工智能技术不仅仅能使数据处理得更快，而且能够拓展其自身技术能力的边界。金融和科技的真正联合，使数字技术加速了智能化、数据化、云端化的发展，金融商业实践、行业发展、监管模式随之发生了巨大的变化。中国金融科技在跨越式发展过程当中会带来一系列亟待解决的问题，需要有重大的理论创新来破局。

关键词：金融科技；大数据；人工智能

中图分类号：F830
文献标识码：A

沈建光：中国数字金融为何能引领全球

在很多方面，中国的数字金融引领全球。第一，数字科技金融科技方兴未艾，在全球发展非常迅速。包括一些投行都在转型，例如，高盛CEO 说，我们已经不是金融企业了，而是科技公司；而科技巨头亚马逊则招了150 名有博士学位的经济学家，用经济学指导亚马逊多方面的业务。第二，中国已经成为世界上公认的第一数字大国。中国产生的数据量遥遥领先，而且国家对人工智能和区块链技术十分重视，也有很多成果。第三，中国科技企业正在蓬勃发展。
大数据是新技术的基石。宏观研究以前都是用抽样，例如，一个月发一次数据。但现在，可以看到中国3 亿消费者每天、每小时的零售数据。这就是科技的力量，基本上所有交易都有记录，包括物价水平和消费量每天都产生海量的数据。用什么新手段处理呢？没有人工智能做深入的分析，大数据根本没办法使用。还有区块链、云计算，现在整个新浪潮都结合起来。最新的科技发展是5G，造成了新的结合点—物联网。从人和人之间连接，到人和物之间连接，现在发展到物和物之间的连接，是非常巨大的改变。物联网把机器和设备连起来，产生很多新的领域。

在数字科技领域，中国是第二大数字科技国家，美国仍然是第一大数字科技国家。但是，中国科技企业数量和质量，包括产值，现在已经是全球首位了。在全球化数字浪潮当中，中国的GDP 落后于美国，但中国的数字经济已经跟美国旗鼓相当，更领先于其他国家。这主要得益于中国监管政策，即中国人民银行新的金融科技三年规划，鼓励企业去创造。对企业来说，不仅有金融科技板块，还有数字农牧业、智能广告、智慧城市等共同发展。与此形成对照的是，欧洲监管是非常严格的，事前防范，而且很多条款定得非常苛刻，事后惩罚也很重。例如，处罚金额为企业全球产值4%或2000万欧元。欧洲人工成本很高，人均工资是中国的六倍，对技术产生了非常大的限制。因为欧洲的合规成本特别高，有1000 家美国企业在欧洲关掉了，腾讯也在欧洲关掉了自己的分公司。刚刚公布的全球金融科技独角兽排名，1 ～ 10名全部是美国或者中国的企业，欧洲企业都在10名之外。这对市场竞争的格局是不利的，欧洲企业没有什么大的发展。
中国要吸取欧洲的教训。从中国的角度看，监管政策非常灵活，中国人民银行做了三年规划，业界也做了很多解读，最值得关注的是打造更开放的生态。中国金融科技有这么大的发展，与监管层的引导和及时纠错密切相关。人行提供了很好的框架，为科技公司发展提供了很好的基础。在数字货币的研发方面，中国也走在了世界前列，有望成为世界上第一个发行数字货币的央行数字货币国家。互联网公司主要为消费者服务。现在，科技企业跟传统银行或者传统企业合作，再由传统银行或企业服务最后的消费者。金融科技公司可以提供场景、流量，而传统银行本身对行业有很深的支持与积累，这样的结合可以起化学反应，最后可以实现普惠金融。现在要做的是怎样同传统银行一起合作，把小贷、消费贷等传统业务从线下引申到线上，降低成本，促进降费增效，接触到长尾人群，做更好的风控。这才是真正的价值所在。

邱明：金融科技拓展金融学前沿研究边界

科技发展是促进金融学发展的核心驱动力。第二次世界大战结束后，20 世纪50 年代最重要的技术突破是大型计算机的出现。1956 年马科维茨提出现代投资组合理论，而现代投资组合理论中有十几个变量需要进行优化，已经不可能通过人工计算来进行最优解，必须要借助计算机。到了20世纪60 年代，小型计算机出现，可以进行更加复杂的计算。到了20 世纪70 年代，出现了两个重要的发展，一个是1976 年的期权定价理论，通过连续不断对冲，期权定价理论可以对未来可能发生的事件进行定价；另一个是数值模拟的应用。现代金融包括定价、风控或者其他量化计算，是没有解析解的，只能做数值模拟，而后者一定要通过计算机计算。这两种发展得出了如下启示：数据的运动会分成两种。一种是人类社会或者自然界存在的数据变化；一种是在资本市场上的价格变化。当我们用了现代技术，人工智能也好大数据也好，可以适用的范围就被划分开了。如果是自然现象，存在自然规律，用人工智能和大数据就有可能建立有效的模型。而资本市场的价格变动，是人创造出来的运动，这个时候就不能够用人工智能、大数据对这一类价格变动进行建模。

20 世纪80 年代奠定了金融宏观审慎框架。宏观审慎框架建立在在险价值的基础上，是在一个概率分布上，在一定时间之内，例如，在一年时间内，在某个时候会出现资本金不足，资本金已经没有办法应对非预想到的损失。宏观审慎对传统金融界监管的根本理论在于，金融机构能够对多维度风险进行数值模拟，进而判断真正的风险点。
1976 年期权价格的发展，以及20 世纪80 到90 年代的Q 度量，都是建立在风险中性概率分布上，为金融衍生品的定价构建了现代风险管理的框架。这导致在20 世纪90 年代，金融衍生品的交易规模迅速增加。从20 世纪90 年代到2007 年，全球交易金融衍生品的名义价值已经达到了600 万亿美元，并在2007 年达到了一个高点。2007 年至今，全球金融衍生品市场规模约为500 万亿美元。由于计算能力的发展和与之配套的金融理论的发展，在过去20 至30 年当中，最大的发展是金融衍生品的发展，本质上是风险分散和风险转移。最近20 年最大的发展是数字技术。数字技术不仅仅带入了下一代金融产品和服务，而且金融学和经济学理论也将实现突破，进入下一个阶段。

关于数字技术有很多讨论。移动互联网或者Mobile Internet，触达几个亿，甚至几十个亿的客户。例如，支付宝国内触达客户是9 亿，全球触达客户是12 亿，这就是移动互联网带来的触达能力。而这种触达终端介质是手机，但很有可能五年之后，所触达的介质或者设备就不是手机了。
大数据最重要的作用是减少信息不对称，达到更精准的风险管理。大数据非常重要的作用是减少风险溢价。对一个群体放贷款、提供证券服务或者保险服务时，如果没有办法精准定价，可能会将所有风险聚合在一起，提高风险溢价。
人工智能是驱动这一轮数字金融最重要的一大类技术。原因在于人工智能技术不仅仅能够更快处理数据，而且能够拓展自己技术能力的边界。

关于人工智能和监管科技。不仅仅行业要发展，而且是与行业发展所配套的一整套的监管基础设施也要随之发展。过去十几年，中国数字金融如此之快的发展，是因为行业监管保持了非常好的协调性。如果监管跑到行业之前，往往会产生一定的阻碍作用。但监管又不能落得太后，落得太后的话容易造成风险聚集。

人工智能对于微贷、财富管理、风控、客服等都有明显作用，效率比以往模型提升提高200% ～ 500%。算法最底层是感知，然后是理解，再上是预测，最顶层是决策。包括在金融领域当中，人工智能用得最多的还是知识图谱技术。

在支付和信贷领域，风控领域是一层一层逐渐递增的，重点关注反欺诈能力和反洗钱能力。反欺诈和反洗钱最根本的技术能力还是自我进化，即所谓的人工智能技术。

区块链有一个非常重要的作用，即可实现所谓的信任。第一种是信息真实性信任。在互联网1.0和2.0 已经看到，信息交互性和互相传输没有问题，但互联网信息是不可信的。而区块链提供了一个让人可以信任这些数据的技术平台。第二种是价值锚定信任。其催生了数字货币。中国的法定数字货币要尽快稳妥推出。因为数字货币是在数字经济环境当中原生态的货币，而人民币电子化并不是数字经济时代原生态的货币。

传统应对经济下滑的方法是宽松的货币政策，而在现在这个时代，应该利用技术的能力。一方面，金融科技要和传统金融机构建立合作关系；另一方面，要服务实体经济。当金融和科技真正联合起来的时候，数字技术会加速智能化、数据化、云端化的发展，金融商业实践、行业发展、监管模式都将发生巨大的变化。中国金融科技在跨越发展过程当中会引出一系列亟待解决的问题，这个时候需要重大的理论创新来破局。

邹传伟：金融科技的基础设施

金融科技是以技术驱动的服务创新，体现为新的商业模式、应用、流程和产品。重点包括在支付、货币管理和保险接待等方面。金融科技的健康发展需要下列基础设施。第一类是信息基础设施；第二是支付清算基础设施；第三类是监管基础设施。

第一类，信息基础设施，可划分为三个层次。第一层次是怎么记录和收集信息。目前，各种活动，衣食住行、金融活动和社交活动的数字化程度非常高。这些活动都是基于各类账户进行的。我们有银行账户、社交网络账户、电商账户。尽管不同账户实名制强弱不同，但总是和身份关联在一起的。有两个重要趋势，一是随着人脸、指纹、虹膜，甚至声音等生物识别技术发展，账户和身份的关联程度将进一步加强。二是账户可有效记录在很多不同场景下的行为。基于账户记录下的这些行为信息，通过一些分析手段可以对用户进行画像。在中国的金融科技实践已经证明了两点。一是场景化数据在金融里面特别有价值，例如，电商数据做信用评估，社交媒体在搜索引擎上识别客户的偏好，对客户做精准营销。二是对软信息的处理需要一个对消费者的评估系统，电商将消费者的各种评分、点赞记录下来以后，就成为目前所谓的金融科技公司。
第二层次是怎么分析信息。目前，人工智能主要用的是模式识别技术，即所谓深度学习。深度学习是有边界的，下围棋非常厉害，但做自动驾驶难度更高。模式识别比较适合于规则有限、边界非常清楚的环境。目前，AI 在全世界最成功、最大范围的应用是人脸识别，对客户进行画像和信用评估，包括对保险出险率的高低，借款的意愿和能力的评估。把AI 用在资本市场里面不是特别成功，因为股票价格的影响因素非常复杂。

第三层次是相关计算能力问题。计算能力在信息基础设施里面是最硬科技的东西，因为摩尔定律存在，瓶颈是最小的。目前，有云计算、5G 专用芯片、边缘计算等，算力也大宗商品化。

第二类，支付清算基础设施，与区块链有一些关系，但也不完全和区块链有关，更重要的是强调范式的转变。支付清算基础设施里面会逐渐由账户范式走向Token 方式。Token 可以和区块链有关，也可以无关。其不仅在货币领域，在证券市场也有很深的影响。在法定货币领域，存在二级银行账户体系，个人、企业和政府部门在商业银行开的存款账户，商业银行在中央银行开的存款准备金账户，法币是金融系统负债方，不管是跨行转账，还是跨境都是通过一系列银行账户来进行的，体现为一系列借记和贷记操作。重点需关注以下两点。

第一点是第三方支付。首先，第三方支付对中国的影响十分巨大，直观感受是让现金流动越来越少，趋近于无现金流社会。其次，目前，第三方支付备付金集中存款，相当于中央银行把它资产负债表拓展至一些私人机构，这在全世界范围内都没有先例，货币承付也非常复杂。从商业角度可以解释这种现象。目前，社会生活里面各种各样的场景，包括衣食住行和社交都离不开账户。但银行账户和各种互联网账户之间的互联互通性不是很好，所以服务不是很通畅，第三方支付通常在这两者之间发挥桥梁作用，基于互联网账户创新。

第二点是跨境支付。跨境转账是通过代理行的往来账户进行的，这里面会积累一些闲置资金。闲置资金会造成跨境支付里面很重要的成本来源，金融机构通讯是通过SWIFT 来实现。

对账户做个重点总结。一种是开立需要高度审批，不是什么人都可以开；二是和身份关联，即现在所谓的Token，一定程度上是想通过电子化的方式来实现一些类现金的特征，有一定的匿名性，在互联网上进行交易。用Token 和现金交易一样，交易和结算是同步完成的，没有结算风险。比现金好的地方是，它是电子化的，可以实现编程，不管是中央银行发行，还是私人银行发行，逻辑都是一样的，基于百分百的货币准备金来发行。货币准备金可以是单一货币也可以是一揽子货币，可探索的空间多种多样。
Libra 代表一揽子货币用作跨境交易。它显然有价值储藏功能，至于是否能成为真正的支付工具，仍有待市场检验。Libra 会不会造成对本国货币的替代，造成对货币主权的侵蚀，其中一些风险是非常显而易见的。例如，法律储备准备金的管理，对跨境系统流动的影响，对反洗钱的影响，反恐怖融资的影响等。中央银行发行法定数字货币是可以不用区块链技术的。它有一个中心化账本，可以向现金一样流通，中央银行在后台制造地址和每个人身份之间的关联。

第三类，监管基础设施，其主要体现在以下三个方面。

一是传统金融监管。传统金融监管有很深的背景，为什么金融科技在危机之后会普及，反映了金融对科技的供给的影响力，反映了金融机构在压力下透明化的过程。强调功能监管概念，不管是什么机构，只要做同样业务，承担同样风险就要接受同样的监管。

二是竞争监管。政策监管在维持市场竞争秩序，保护金融消费者的前提下保证优胜劣汰的实现。如果科技机构和持牌机构从事同样的业务，应该实行统一的监管，不然会造成监管扭曲，并且产生监管套利。不管是信息技术设施，还是支付清算基础设施，目前均有公私合营的方向。如果有这个情况发生，应该坚守市场中立原则。Big Tech 公司拥有平台、技术、用户的和数据等方面的优势，因而提供金融服务时存在垄断或者公平竞争的问题，由此在国际上引起了持续关注。

三是数据隐私监管。中国一直在整顿一些数据公司。数据有一些特征，很难进行确权，很容易复制，不是产权非常清楚的产品。现实中也可以看到，数据非常重要，非常有价值，不管是监管手段，还是技术手段，都想让数据成为可以交叠的资产，确定产权，让它有一个定价机制。例如，欧盟赋予了数据持有者的主权。如果数据发生采集或者泄露，要做一些告知义务。把数据变为资产是非常前沿的经济学技术问题。目前，关于隐私经济学有非常好的结果。银行通过API 把数据开放给第三方机构，由它来进行开发使用。开发使用是定向的，且离不开密码和技术的使用。

由于技术的影响，明显可以看到，很多金融模式风险很难在事前进行评估，这也是监管沙箱存在的意义。通过技术和法律，划出一个可测试的边界，在边界里面可以进行一些与外界有充分风险隔离的金融模式创新，借助一些受限制的、有监管的、安全可控、将来可退出的措施进行试验，成熟以后再进行推广。目前，中国香港、英国、新加坡关于监管沙箱有很多讨论，我国最近对这个问题也非常关注。

数字金融新发展

浏览过的版块