张建通/文金融创新和金融监管就像一对孪生兄弟。金融活动越复杂、越丰富，金融监管的故事就越复杂。在美英等发达国家，金融领域的“捉曹操”、“无间道”屡屡上演。近年来，金融创新与监管的故事又多了一个主角——金融科技，多了几个全新的注脚——智能金融与监管科技。
根据金融稳定委员会的定义，金融科技是指科技带来的金融创新，可以创造新的商业模式、应用、流程或产品，从而对金融市场、金融机构或金融服务提供方式产生重大影响。支付、大数据风控、智能投顾、无人银行，都是金融科技的“最佳实践”。现阶段，大数据和人工智能对金融行业的影响最为直接。
面对智能和监管难题。
京东金融研究院近日发布的《智能金融白皮书》指出，基于海量数据，以生物识别、深度学习等人工智能技术为工具，金融业态正在从“千人千面到定制金融”，从“不可预知风险到安全金融”，从“有限边界到互联金融”转变。金融业的不断创新带来的不仅仅是效率的提高，更是监管的新课题。比如，一方面，传统的投资咨询业务得到了人工智能技术的加持，可以为更广泛的人群提供更实惠的投资产品和服务；另一方面，KYC实现了由传统投资顾问通过深入调研、问卷调查等方式进行的在线问卷和机器问答已经取代。这个过程是控制风险还是分散风险？还没有定论。再比如金融风控的“技术化”和“产品化”趋势。这类科技风控产品往往有反欺诈、反洗钱等多种“模块”，适用于不同场景。在有效提升风控水平的同时，谁来监管技术风控产品本身？
拆解智能金融，数据是养料，算法是基础，金融行为和决策是表象。因为人工智能在金融方面的应用还处于起步阶段，这三个方面都或多或少存在不稳定因素。第一，个人行为数据，机构投资数据，市场交易数据等。存在泄漏和被盗的高风险。例如，摩根大通和富国银行等巨型金融机构也被曝光，其数据被盗。第二，金融算法天生具有歧视性，容易被操纵。当金融算法由人来设计时，难免会被人操纵和歧视。即使用人工智能“中立地”学习，也可能出现“结果偏差”，造成歧视。比如深度学习算法，通过对过去借贷行为的“学习”，可能会把种族作为“借贷标准”，但会造成客观的歧视。再次，人工智能算法计算出来的财务决策并不能完全消除风险。例如，近年来，美国证券投资市场上由人工智能算法和大数据分析技术实现的“机器人决策”越来越多。这类“机器人”交易员往往能严格执行决策，不受情绪因素影响；但带来的是决策的同质化，进一步加剧了投资行为的顺周期性，并可能导致市场波动的风险。2018年2月8日美股的下调，被很多市场分析师称为“资本市场历史上第一次算法股灾”。
如何监管智能金融？要回答这个问题，我们需要先思考另一个上位问题——金融监管如何应对创新挑战。2005年，ZOPA在英国成立，直到2014年才被纳入正式监管——英国监管层对新事物“晕”了快十年。2015年，英国监管部门率先推出“监管沙盒”。该项目自运行以来，仅用三年时间就引领了监管科技的发展潮流——但这种战略上的突然转变正处于“倾斜”过程中。相比之下，美国的金融科技监管策略被哈佛商学院资深院士凯伦·戈登·米尔斯和科技咨询资深专家布雷登·麦卡锡比作意大利面汤，平淡而混乱。虽然美国的金融监管在这一轮金融科技发展中被诟病“没有太大建树”，但原因并没有那么消极:一是美国的金融监管体系灵活，对于创新的监管空足够大；第二，美国的金融科技发展较早，监管实践丰富。
金融进化博弈
关于创新与监管的关系，专门研究生物学的约翰·梅纳德·史密斯教授提供了一种分析方法——进化博弈论。进化博弈是指博弈双方有限理性不断试错并优化策略的动态博弈。与分析金融创新与监管之间博弈的传统思维不同，演化博弈重视演化的视角，将金融创新与金融监管视为相互作用的两方，从而在相应的动态变化过程中达到博弈均衡。以监管策略为例。在进化博弈中，基于博弈双方都是有限理性的基本前提，监管策略受到惯性、眼前利益和突变的影响。
惯性是指长期的思维和行为模式形成的习惯。人们懒于寻求改变游戏策略或者改变游戏策略的成本很高。所以我们总能在英国的金融监管体系中找到行业自律传统的影子，或者在美国的金融监管体系中找到价格自我修正的幽灵。眼前利益是指能够改变长期惯性的短期利益。当短期收益大到超过惯性带来的收益时，往往会改变博弈策略。无论是哪个国家，鉴于金融业的兴衰，金融监管往往会因为政治、经济、社会中的切身利益而改变监管策略。
2008年次贷危机后，美国通过多德-弗兰克法案，全面限制华尔街大型机构的权益；2018年，特朗普总统上台后，通过了《金融监管放松法案》，为前述机构松绑。这背后的原因在于选举政治造成的切身利益考虑。灾变是指不以利益考虑为基础的客观因素的变化，当客观情况发生变化时，博弈策略有时也会发生变化。最直观的例子就是50年前铺设的大量“离行”ATM，使得银行可以向非银行客户收取额外费用，实际上扩大了银行服务的客户数量和服务内容。50年后，“虚拟银行”借助移动互联网再次打破服务边界。无论是面对ATM铺设带来的大银行垄断，还是“虚拟银行”发展带来的经营风险，金融监管都需要有针对性地改变策略。
技术参与的最佳博弈策略
在这一轮创新和监管博弈中，技术的作用已经超越了“突变因素”。因为这三者呈现在同一个维度，这个维度就是数据。在创新方面，人工智能技术创新性地利用数字化信息，不仅改变了供求关系，还创造了全新的金融“生产函数”。普惠金融就是一个很好的例子。人工算法对市场底层和广大农村的长尾客户的数据进行处理，为他们提供风险评估和信用支持，将银行体系外的受众带入金融服务可以触及的人群。人工算法还通过算法评估、批量放款等方式降低了提供金融服务的成本，而不是传统的以人为核心资本的普惠金融形式。
在监管端，人工智能技术可以整合被监管数据、监管数据和监管要求。国际清算银行和京东金融研究院对监管科技的研究在国际和国内都是领先的。根据他们的研究结果，监管技术离不开智能数据收集和分析。在市场监管、不当行为检测与分析、微观审慎监管和宏观审慎监管方面，可以利用人工智能算法形成自动报告和实时检测报告，并可用于数据整合、整理和分析。以反欺诈行为为例，人工智能可以分为两步高效完成监管目标。一是反欺诈模型利用无监督学习识别监管文件，从而判断市场主体间的异常行为；第二步，人工解释机器学习的输出结果。目前，美国证券交易委员会已经尝试用这种模式来监控证券市场的违法行为。从进化博弈的角度来看，当金融监管面临数字化金融创新时，最佳均衡策略是数字化监管。
在这一轮技术发展中寻求最优策略，既要遵循进化博弈的基本原则，又要坚守与技术发展相关的原则。一方面，技术和金融要负责任地创新。责任体现在内部责任和外部责任。内在责任是指金融业务的技术创新要符合内部自律，即创新主体要有底线和操守。这里的伦理不仅指道德、金融职业伦理，还包括技术伦理。比如通过记录测试和计算，尽可能降低技术带来的不可预知的风险。外部责任是指金融创新要遵守包括金融监管在内的一切外部约束框架，从而有效控制风险，合理配置资源。金融监管往往在三个方面实现这一目标:评估、预测和分析风险，管理现有风险和减少过度风险。另一方面，技术和监管要有针对性。定向整合是监管的合理博弈策略，这就要求监管要做到:第一，科技不应该加剧监管的复杂性，而应该辅助监管。本质上，科技是提高金融监管的手段，也是辅助监管取得更好效果的工具。第二，科技不应忽视监管的价值取向。金融监管应兼顾效率和公平。只有充分理解金融业发展的逻辑，监管才能像南方科技大学何佳教授所说的那样，不仅给出边界解，而且给出内部最优解。第三，科技要有助于实现创新的全环节监管。监管与金融创新在数据层面的一一对应，也是技术创新的应有之义。因此，监管技术需要实现实时风险监控、数据质量控制和基础业务合规评估的有机结合。
进化和竞争是发展的必然方式。创新和监管也是在试错的过程中平衡的。我们对新技术的控制是非常有限的，所以新技术引起的试错往往会影响到更大的范围。这在一定程度上可以说明金融科技行业面临的问题和困难。拨开迷雾，负责任的金融创新和科技监管的高效融合，一定是这场三元博弈的正确方向。
