网贷百科
网贷百科 >>所属分类 >> 法律条文   

RegTech

RegTech定义为科技与监管的有机结合,主要作用是利用技术帮助金融机构满足监管合规要求。

业内人指出,RegTech初期是指金融机构利用新技术来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)。RegTech公司利用云计算大数据等新兴数字技术帮助金融机构核查其是否符合反洗钱等监管政策、遵守相关监管制度,避免由不满足监管合规要求而带来的巨额罚款。

目录

金融机构为什么需要RegTech 编辑本段 回目录

金融危机之后金融监管逐步收紧,金融机构遵守监管法令的成本增加。JP摩根大通指出,2012—2014年间,为了对应XX制定的规范,增添了1.3万位员工,比重高达全体员工数量6%,每年成本支出增加20亿美元,约全年营业利率的10%。德意志银行表示,2014年为了应对法令,追加支出的成本金额高达13亿欧元。HXXC2013年追加聘用3000位法定程序人员(ComplianceStaff)。

而RegTech可以提高金融机构的合规效率。随着机器学习(ML)与人工智能(AI)的发展,RegTech可以利用ML和AI技术为金融机构的决策、降低成本以及合规问题等方面,提供更好的解决方案。AI将替代目前由人工手动执行的昂贵功能,帮助银行开展对反洗钱或员工不当行为的检测。RegTech已在多个领域得到应用,如数据聚合、风险建模、情景分析、身份验证和实时监控。RegTech公司通过对海量的公开和私有数据进行过自动化分析,帮助金融机构核查其是否符合反洗钱等监管政策,利用云计算、大数据等新兴数字技术帮助金融机构遵守相关监管制度,避免由不满足监管合规要求而带来的巨额罚款。

监管机构也需要RegTech 编辑本段 回目录


当金融机构更大范围、更大程度地采用RegTech时,如果监管机构不采用RegTech,将面临以下问题:一是更严重的信息不对称问题。当金融机构通过ML和AI来处理和分析金融大数据产生的信息与风险时,监管者将知之甚少。随着监管机构与金融机构之间的信息不对称问题加剧,监管机构对金融风险的识别与应对将变得更加迟缓,不利于金融的稳定。二是更高级的监管套利。当金融机构通过ML和AI用来规避不满足监管合规要求带来的罚款时,也能用于寻找监管体系的漏洞,并以此谋取监管套利,这将使人工监管的有效性将降低。三是更严重的系统性风险。金融机构的决策对数据更敏感,经济不好时“跑”得更快,顺周期性行为将可能进一步强化。

监管机构RegTech+人工智能 编辑本段 回目录


人工智能能够解决监管者的激励约束问题。监管者的激励约束制度本身是一个****的问题。为了解决这个问题,可以设计很多机制,让监管者更有动力去监管,但是用人工智能来进行监管就可以避免这个问题,其优势在于人工智能监管不需要考虑薪酬和奖励。基于人工智能的监管系统可以依据监管规则即时、自动地对被监管者进行监管,避免由激励不足导致的监管不力等问题。

人工智能具有更高水平的全局优化计算能力。比如,高德地图在规避拥堵的路线规划上,比人的经验判断更加精准。基于RegTech的智能监管系统也可以充分利用人工智能强大的计算能力,发现更多人工监管发现不了的监管漏洞和不合规情况。

人工智能的RegTech可以更好地识别与应对系统性金融风险。FinTech的先进技术在金融领域里的运用,很容易形成金融风险与技术风险的叠加,一旦发生风险,将很有可能是系统性的。所谓系统性的金融风险,实际上是指金融风险扩散蔓延,最终对实体经济造成重大的伤害,在这个过程当中有很多的不确定性,所以系统性金融风险的识别和度量,一直都是宏观*当中的一个难题,在现实操作当中也是个难题,比如,什么情况下一个金融机构的风险就会导致系统性金融风险?一个多大的金融机构关闭会导致风险?一个金融市场的波动会不会造成系统性金融风险?这其中有很多模糊的地带,而且需要全局性的分析,在这方面反而有可能人工智能更具有优势,人工智能有可能会更好地识别与应对系统性金融风险。

人工智能AlphaGo与李世石的世纪之战,以及AlphaGo的升级版Master连胜人类职业高手60局,让人类重新认识了围棋,也重新认识了人工智能。过去大家认为人工智能在局部和细节计算方面有优势,但人类有全局观念。但人工智能屡屡下出职业高手看不懂的棋,让人类不得不承认,人工智能在全局观念上有更强的优势。尽管人工智能不能穷尽围棋的计算,但人工智能每一步的选点都是将全盘所有的点都进行重新的考量。相比之下,人类的认知与判断具有很大的局限,通常只关注局部,很容易滋生贪婪或者恐惧的情绪。因此,人工智能监管可能对系统性风险会处理得更好。

人工智能主要依靠以下两种推理方式进行自我学习:一是规则推理(Rule-BasedReasoning)。人工智能通过规则推理可以反事实模拟不同情景下的金融风险,更好地进行系统性金融风险识别。但是规则推理也有局限性,每个规则都对应一个新的程序,电脑不会自动更新,而需要人为修订后再深度学习,以自动适应监管规则的升级。二是案例推理(Case-BasedReasoning)。人工智能利用案例推理,通过机器学习过去所有的监管案例,用过去的监管案例来评价新的监管问题、风险状况和解决方案,并对有关错误进行预防。这更符合现实中的危机处理思路,如果金融市场出现了一次剧烈的波动,可以查看全球历史上有哪一次市场波动与之相仿,当时采取了什么措施,获得了什么效果,作为这一次管理金融市场波动的参考。监管者花费数十年只能积累有限的案例,而人工智能却可以在很短的时间内学习全球历史上所有的案例,并进行推理。

主要国家积极支持人工智能在监管上的应用。美国金融监管当局正在评估与投资相匹配的人工智能金融监管模式。美国证券交易委员会正在采取机器学习的方法来进行未来投资者行为预测,特别是在市场风险评估方面,这包括发现潜在的欺诈和监管部门渎职。英国通过鼓励发展RegTech来提高监管的有效性,比如利用鼓励、培育和资助FinTech和金融服务公司利用新技术加速达到监管要求,利用大数据技术和软件集成工具降低企业合规成本等,鼓励FinTech机构创新科技手段以降低合规成本等。我国可以探索将人工智能应用于金融监管,以RegTech应对Fintech。

参考资料
[1].  孙国峰:从FinTech到RegTech   http://www.weiyangx.com/239168.html

附件列表


词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

词条信息

巴拉巴拉有能量
巴拉巴拉有能量
超级管理员
最近编辑者 发短消息   
  • 浏览次数: 4428 次
  • 编辑次数: 2次 历史版本
  • 更新时间: 2017-07-07

相关词条

相关新闻

关注我们

微信公众号wdzj-official