AI金融評論9月29日報道，近年金融科技發展迅猛，對金融監管提出了新要求。由深圳市科學技術協會和深圳市羅湖區人民政府主辦，深圳市源創力離岸創新中心和深圳市和信中歐金融科技研究院承辦的“中英金融監管科技高峰論壇”于近日舉行。本屆論壇邀請了國内外頂級學府資深教授、政府機構、金融科技領域權威人士、境内外知名企業參會。
深圳市和信中歐金融科技研究院（以下簡稱研究院）是一家以金融科技創新、金融科技人才培養和金融科技産業化為宗旨的非營利性研究機構。研究院的建設獲得了深圳市羅湖區政府的大力支援。研究院擁有一支世界一流的研究團隊，團隊成員以牛津大學、北京大學和盧森堡大學的教授和博士為主，主要從事智能合約安全驗證，安全區塊鍊，智能身份認證以及金融相關的人工智能和大資料技術的研發工作。研究院院長Bill Roscoe教授是英國皇家工程院院士，安全驗證領域泰鬥級科學家，原牛津大學計算機系主任。研究院從事的技術研究工作與産業緊密結合。
會上，清華大學五道口金融學院教授、中國人民銀行金融研究所所長、和信中歐金融科技研究院學術委員會主席謝平以“人工智能與金融監管”為主題發表了演講。謝平教授被稱為“網際網路金融之父”，在昨日的論壇上，謝平教授指出，目前來說，基于各類科技的成熟，資料的收集和處理獲得極大的進步，與金融監管相關的資料已經比較齊全，資料的廣度、品質達到了可推動AI落地應用的階段。是以，與AI在金融投資領域的應用快速發展一樣，謝平教授表示，“将來金融監管會慢慢走向人工智能化。”
“從資料本身、資料技術和計算能力看，為中國金融監管服務的資料科學沒問題，隻是目前我們中國做的不大好。”
以下是謝平教授演講原文，雷鋒網AI金融評論做了不改變原意的編輯：
金融監管确實很費勁，需要很多人力和物力，而且國家也做了很多的預算，像證監會、銀監會等三會也加強了金融監管力度。我這篇文章也是做一個遠景的假設——金融監管怎麼樣能夠優質地解決這個問題。金融監管在應用人工智能的方面，我認為将來的方向肯定是無法想象的。
首先，跟金融監管有關的資料比較齊全，資料的廣度很大，所有監管的身份曝光、使用者照片、指紋資訊等等，這些中央機構都有。現在人們到集團、證券公司去都要拍照，動不動就要人臉識别、寫清楚資訊。是以，社會資料很好，資料的廣度已經有了。
現在幾乎（所有）銀行的客戶的身份資料非常全。我們國家的市場資料很好，我們國家幾乎所有證券市場、資本市場、銀行監事、貨币市場的資料，存款、貸款等整個金融市場相關的資料生成的時候就是數字化，幾乎沒有紙質的。
行為資料有點複雜，可以從社交媒體、微信抓取，從各種各樣的網際網路使用者對金融市場的評價、自己的體會，（到）對銀行、股價的評價、轉發以及評論，這些行為資料用現代技術都可以抓到，而且人工智能可以分析。
交易資料實作了全部數字化，監管資料也是。我們國家監管要求，所有的法規法律，銀監會、證監會、保監會（出台規定）等整個監管都不僅需要資料的廣度，而且是深度。并且，機器處理已經非常容易了，可以非常容易地把它标準化，因為我們平時任何行業都沒有像金融行業這樣，其資料很容易标準化，而且很容易抓取，這些資料基本上能夠覆寫金融具有的行為風險。這是很重要的。
資料品質高的第二個大方面就是時效問題——每一秒鐘、每一時刻，我們的監管方式隻要你的電腦速度夠快，隻要你的技術好，實時資料、無縫對接，都沒有問題，我們中國整個跟金融相關資料的時間差幾乎沒有，金融機構和監管當局的接口都是對接的，而且還有很多的中介服務，會計事務所，各種各樣的網絡公司、銀行服務公司都有資料，是以說資料收集是沒問題的。
資料技術是難以成熟的，（比如）怎麼樣分析資料、歸納資料、進行分類。計算機速度也很快，現在中國的雲服務也服務的非常好。
是以說，我第一部分的主要結論就是，從資料本身、資料技術和計算能力看，為中國金融監管服務的資料科學沒問題，目前我們中國做的不大好。
第二大部分就是風險名額。
當資料充分發達以後，監管需要的風險系數、參數都很明确。因為銀行、證券、保險、信托、财務公司以及各種各樣的金融機構，隻要實作好上面提的邊界——你要衡量風險、資本沖突率、貸款集中率、單一客戶集中率……各種各樣的風險名額，用電腦把它們轉化為參數非常容易。
另外，監管标準是由世界上獨立的研發室規定的，國際組織加保險行業的決策，以及各種各樣的監管機構組成（這樣的研發室），将監管标準轉化為風險指數的參數。這樣的話，在人工智能當中就可以嵌入這些風險場景。兩個條件：一，數學基礎好，二，風險參數也明确。
現在大家知道，人工智能在許多領域都已經運用的很好了，尤其是在新媒體公司，進行交易、語音識别、圖像識别，今天上午介紹的交通規則、城市管理，都可以用人工智能。是以說，原來人工智能在金融部門主要有三個用途：金融監管、證券合作、貨币風險。
現在貨币政策和證券投資相比較複雜一點，金融監管方面可能相比較簡單一些。為什麼呢？關于證券，機器人模拟人的行為很複雜，人的心理因素。但是監管是比較容易的，都是參數。
再加上現在的監管科技也已經發達了，在金融機構内部，好多金融機構為了應付合規，也運用了大量的監管科技技術。比方說，節約資料處理資本、反洗錢、反欺詐、了解客戶的軟體等等，現在這些現成的為金融機構提供的監管器械已經在運用，它可以很容易處理監管的大資料。
在這種情況下，銀行三會或者說監管當局，主要是銀行監管，這種機制我們有幾種假設：
當資料足夠大的時候，金融機構所有從業人員關于金融監管的知識組合這個概念很重要，這些人關于金融監管的知識組合，機器是可以學習的，而且是不斷地改進學習。機器學習可以模拟統計規律，自動校準算法并跟蹤每個金融機構的風險和金融系統的風險，給出解決方案，而且機器可以給出處罰規定，給出教育；因為處罰規定也是現成的，你違規，罰款多少，高管處分，這都是有參數、有明确法令的。
是以說金融監管不涉及人的感情、文化，機器完全可以替代，而且機器也可以不斷地學習現有的監管理念。
舉個例子，一行三會的監管人員假設（有）5萬人，這5萬人對于監管的知識電腦管理可以做，他給電腦分析股價，因為監管的規定是死的，一段時間都不會變。然後，運用人工智能對資料進行實時的搜集和整理分析，保障監管的實時性和動态性。
這個機器做的肯定比人好一點，因為機器24個小時不停，它每分鐘都可以工作，人還會累還要加班。自動識别、風險識别，機構風險和系統風險主要靠算法，隻要你有一個算法，算法是不斷改進的，機器完全可以自動識别，盯住每一個金融機構的風險系數來識别這個機構怎麼樣。
美國證監會也說到，美國證監會作為全世界最大的金融交易系統資料場所，它每天的交易記錄有580億（條）（這麼多），而且美國納斯達克自動識别内部交易的系統，現在都用的很好，我們的證監會也跟他們簽了合約，互相借用這個技術。現在證監會抓内部交易也抓的比較快，算法一下子就算出你的相關賬戶。這是在納斯達克做的。
而且，加州理工有兩個博士生利用北京的地鐵系統，推測到有些人上車下車，通過地鐵的視訊很容易找到那兩個人（偷竊），他上班時間不上班嘛。這個例子就說明隻要有大資料技術，隻要你電腦運算快，而且視訊的比對都可以在監管上運用，這些都比監管運用的好。以上兩個案例都是利用統計規律，同樣适合于金融監管應用。
人工智能一定要換個概念，在監管方面這些人工智能是會自己不斷學習、不斷完善自己的知識，這和我們人是一樣的，這是他優秀的點，會自己校正。現在甚至已經造出了給自己程式設計式的人工智能，（對）監管變化進行修正和改進。
一旦有機構有了一些問題，人工智能就可以預警。預警可能是人工智能在金融監管領域當中突破的第一個環節，當人工智能發現我們的金融機構出現風險征兆的時候，會主動預警、提醒。這個過程有點像持續的壓力測試，等于機器在盯着每一個金融機構，觀察你每一分鐘的估值、變化、風險，整個金融資産和風險比對的關系。
在這個問題上，人不可能做到，人工智能可以做到，它把所有的交易，在每一分鐘系統價值、風險場景、風險計價都算出來，然後給出預警。
舉個例子，工信部的資訊中心；針對現在國内網際網路金融也有一個自動的檢查輿情技術，可以分析國内1000多個網站機構，（進行）跟蹤，這是利用爬蟲技術，跟蹤每一個網站機構，監管方也在用。
當機構超過紅線的時候，因為接口是人工智能自動接的，人工智能有可能自動把你的某些業務停止，不讓你做。我們現在的人工做法就是檢測你的業務，不準你拆借、發行産品，将來一旦這種産品和人工智能對接的話，它就會自動停止，而且自動進行網上通報：某某機構已經出了風險，某某産品已經停發。
這些都是标準的，人工都沒法做的——觀察你的改善狀況，看機構名額什麼時候回到正常指數，回到正常指數它再松開你的視窗讓你去做業務，最後解除處罰。這些實際過程，人工智能都是可以智能操作的，而且可以經常發生，一般情況可以改善和減輕。
是以說，人工智能可以經常對金融機構處罰、解除，這就說明人工智能可以把整個金融監管工作在時間序列上不斷地連續下去，不像人類的工作流程——内部要處罰一個機構，還得寫簽報，報給處長簽，處長簽完了主席簽，然後再通知出去。如果你進入人工智能系統，整個讓金融監管進入一個智能的階段。
在大資料的條件下，傳統監管手段面臨的局限性，金融交易的日益頻繁，其複雜性越來越高，傳統監管手段已經力不從心。人工智能可以快速處理大量資料，通過機器學習挖掘資料潛在聯系，更新知識庫，成為大資料條件下金融監管的有效手段。而且第二點就是金融創新是在深刻影響現在的銀行體系，賬戶支付、存款、貸款，一些金融業務都将發生改變，人工智能監管是應對這些挑戰的有效途徑。
我認為将來金融監管會慢慢走向人工智能化。
這就是我今天的發言，謝謝大家！
本文作者：吳陽煜
![9.spark Core 進階2--Cashe[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)