0
“之前有90%的投資人，都不太理解為什么要堅持監管科技。他們甚至會反問我，為什么不去放貸。”一位在該領域深耕多年的科技公司CEO感慨道。
但他也指出，經受新冠疫情之后，他們得到了更多支持，“現在已經有一些投資人能聽懂它的戰略意義了。”
監管科技，這個寬泛的概念，似乎在2021年終于得到了更具象化的呈現、更深入的價值討論。“十四五”規劃中更是明確寫著，“要強化監管科技運用”，技術驅動型金融監管框架的建立已經提上日程。
風口總算來了？是不是來得太晚了？總有業界人士疑惑，監管科技的討論總是流于表面，市場大則大矣，卻似無頭蒼蠅。
但也不止一位受訪者告訴雷鋒網AI金融評論，現下正是水到渠成的時候，百億甚至千億級的市場機會，已經浮現。
它正在，也理應成為金融科技世界的下一個主角，可距離這個目標，到底還有多遠？
顧名思義，與監管有關的一切技術手段，都算是監管科技。
“所有致力于幫助金融機構達成監管要求和合規的科技服務，產品，技術都可以屬于這個范疇。”同盾科技監管科技咨詢高級總監Zhe介紹道。
從廣義上講，應對巴塞爾協議、新資本協議、IFRS9、CCAR（美國）等國際上的，以及我國監管機構提出的合規要求的量化分析，都屬于監管科技。
我們的視角，或許可以再高屋建瓴一些——在文因互聯CEO鮑捷眼中，監管科技就應當是針對金融的每一個環節加強監管，在此過程中的“全方位的動作”。
最近五年的金融監管，在防范系統性風險的大方向下有序展開，去杠桿、強監管互金、治理資本市場等一系列主題的背后，信息的收集已經從可選項變成了必選項。
因此在他看來，監管的核心，就是海量的信息收集和業務規則的建立。監管科技的關鍵議題之一，就是其中的自動化能力提升。
這就好比交通違章，如果沒有攝像頭大規模鋪設，絕大多數違章是很難被查到的。監管科技也可以被看作是，給金融的各個角落安上“攝像頭”，搭建起背后井然有序的監測體系。
“它的本質，是在倒逼全體金融機構來進行自動化，構造一整套的金融信息處理的自動化底層框架，在避免合規風險的同時，也完成了內部業務流程和業務知識的沉淀，極大地提升了自身的市場競爭力。”鮑捷強調。
實現自動化、穿透式監管的理想目標之前，在相當長的一段日子里，監管科技很大一部分工作，是對底層數據進行收集和整理，機構間數據壁壘的打通，數據上如何“對齊”“達成共識”。
這些工作沒有太多的故事可以講，這也是監管科技的風口，為何讓人覺得遲遲未至。
因此，從數據維度來看，構建金融信息的“高速公路”，也是監管科技的主題之一。當“高速公路網”建成，路旁的加油站、服務區等基建，甚至連綿成片的城鎮，也就相應誕生。
“估計五年左右的時間，一個國家級金融信息高速公路系統會建立起來，自然而然形成很多細分市場，出現一批抓住場景機會的新公司——這意味著無數個細分的百億級的市場機會，其總和無疑至少將是千億級的。”
而這片千億級藍海究竟涵蓋多少細分市場，業界眾說紛紜。
Zhe指出，就目前的市場熱點來看，監管科技至少可以覆蓋企業風險管理，金融反欺詐，金融反洗錢，模型風險管理，數據隱私性管理，區塊鏈技術等領域。
恒生電子的視角更關注交易線上化趨勢和金融監管體系的復雜度，將主要應用場景歸納為以下六大方向：
用戶身份識別、市場交易行為監測、合規數據報送、法律法規跟蹤、風險數據融合分析、金融機構壓力測試。
“監管科技到底包括什么，怎么立體地看待，行業內有共識嗎？最多只能聊到個別熱點，很片面。”一位來自銀行科技子公司的從業者卻向AI金融評論抱怨，這種“點狀”的劃分和討論并不友好。
巴曙松也在去年十月的一篇論文中，直指目前對于監管科技的研究大多處在宏觀層面，多著眼于內涵、發展路徑和應用于整體金融監管的情況，關于細分領域應用的文章較少。
某股份行高管則認為，“其實監管科技也好，金融科技也罷，一開始都是從點狀的應用開始，再逐步深化、規模化，完成量變到質變的過程。”
但我們可以先從這三條路線來觀察和討論監管科技。一位第三方咨詢人士分析稱，監管科技至少有這三種方向上的發展：
“一是使用主體上，使用者從監管機構擴散到被監管者，從主動監管到主動合規，例如從一行兩會到金融機構、上市公司自身。
二是業務鏈條上，應用從單個環節增加到多個環節，例如針對上市公司的自動化審查，從公告合規到財務數據分析、關聯交易審查等。
三是隨著新業務、新產品一同誕生，如前段時間走紅的REITs（房地產投資信托基金），新設立的科創板，圍繞這些新事物怎么做監管科技，也是發展方向的一種。”
盡管圍繞監管科技的討論，不時被抱怨“浮于表面”，但仍然有部分細分場景率先跑出，借著政策熱度和技術成熟度，率先成為第一批有成熟解決方案的場景。
反洗錢，就是其中一大典型。就在今年4月，中國人民銀行發布了《金融機構反洗錢和反恐怖融資監督管理辦法》，明確將非銀行支付機構、網絡小額貸款公司，以及消費金融公司、貸款公司、銀行理財子公司等納入了監管要求，這也意味著，協助監管的技術手段必須再上一個臺階。
Zhe強調，反洗錢需要建立完整的治理框架和體系，對于風險的管控體現在前端風險預防，中端風險探測，和后端風險分析與報送。
“除了需要對接多方數據，借助黑白名單充分調查客戶身份，也需要引入各類模型判斷和監控客戶以及交易層面的風險，結合大數據分析處理、數據交換、知識圖譜、決策引擎、實時計算等技術，實現客戶盡職調查中的KYC（Know Your Customer）和CDD（Client Due Diligence）的全流程管理。”
具體來看，某技術專家介紹稱，監管科技在反洗錢上，至少可以在客戶身份識別、監管機構收集與呈現交易數據、數據分析等環節上“對癥下藥”。
例如數據分析上，銀行通常用一套人工經驗總結的規則系統，用于數億級的賬戶交易識別，但他透露，系統所識別的可疑案件，95%以上可能都是“誤傷”，銀行可能要配備上百人團隊，人工剔除這95%，挑出剩下5%的真實洗錢行為上報給央行。
但引入機器學習，能夠對歷史洗錢案件進行特征提取，根據交易數據、賬目數據計算出指標，在此指標空間訓練機器學習模型，大幅降低誤傷概率。
另一個已有大量成熟應用的場景，即是針對上市公司的所有審查環節。
證券交易所們對此頗有心得。早在2018年8月，深交所就上線了“企業畫像”監管系統，到2020年已經進入三期建設階段。根據公開報道，一套基于信息披露、公司治理、規范運作、營運能力、財務異常等維度精準識別風險的分類監管評價體系，已經建立完成，涵蓋100余項風險指標。
同時，升級重構年報審查、重組審查等已有模塊功能，結合監管實踐修改或新增160余條觸發規則，從六大維度構建180余項標簽體系，對應觸發規則360余條。
就以公告審核為例，這一環節看似簡單，但如果趕上定期報告披露的高峰，交易所一天內要合規檢查的文件數量能達到3500~4000篇的水平。
歷史最悠久的辦法之一是通過XBRL（可擴展商業報告語言）技術將一些財務數據結構化，相當于各方共同學習一套新語言來交流。
該技術面世至今已過去十來年，但也有使用者抱怨國內是經過很長一段時間，才有較為趁手的輔助工具，據說財政部、上交所、深交所等機構間的XBRL標準甚至都沒有統一。
更“輕松”也更直接的方式是，基于AI直接從披露的PDF文件中，進行信息自動化抽取。鮑捷表示，該方法已經經歷了四年的實踐，也已應用在不少核心監管機構，“各大交易所和銀行間都證明這條路是走得通的。”
相比起XBRL，用AI“讀懂”公告更像是配備一個“翻譯”。雷鋒網AI金融評論此前也曾報道過文因互聯與上交所合作的自動公告摘要系統：
通過LSTM深度學習網絡，首先將不同類別公告的關鍵語句抽取出來，抽取過程僅需公告制作小組業務專家對少量公告進行標注，期間通過Dropout等方法提供模型泛化能力。關鍵語句抽取后，再通過規則方法進行細粒度提取，從而將公告結構化。
此外，在財務狀況、關聯交易、風險預警、輿情監控等公司風險監控環節，知識圖譜等新技術已經小露身手，通過調查供應鏈、股權關系、現金流等辦法，推斷是否存在財務造假或者風險傳導，將潛在隱患連根拔起。
相對應地，企業也可以應用技術手段，對監管規則進行數字化解讀，并將其嵌入金融機構與各類業務中，同時根據監管規則的變化保持更新。
恒生電子合規管理事業部副總經理顧大煒介紹稱，目前公司已有監管規則數字化方案，可使用機器學習和自然語言處理技術，來閱讀和解釋新的和現有的法律法規要求，向客戶提供差距分析，以幫助識別企業合規方案中的潛在缺陷，并根據相關監管規則變化完成合規方案的實時更新。他認為，該類解決方案“至少要實現半自動化”，否則會極其耗時耗力。
除了那些已經成熟的應用，監管科技還有哪些值得期待的潛力場景？
再過十來天時間，《數據安全法》將正式施行，多位受訪者也不約而同地提到數據隱私性管理，認為這將是監管科技后續最重要的細分市場之一。
監管機構之間、監管與金融機構間也存在著數據壁壘的問題，為了保護各參與方數據隱私、同時更高效、準確地使用孤立的數據，隱私計算沖上風口。
Zhe也強調，監管對于金融行業的多方數據融合應用有著重重限制，亟需安全可靠的數據共享流通辦法。
而鮑捷則注意到了一些“擴散”現象。他告訴雷鋒網AI金融評論，在2017-2020年間，監管科技的應用主要是在核心交易所和極少數頭部券商的投行部，但在過去一年多的時間里，他們目睹了應用從純粹的國家監管機構大量擴散到中間服務機構，例如會計師事務所、評級機構等等。
“評級，是我們觀察到的一個新的增長點。”
自去年起，債券強制評級持續松動，監管層要求進一步降低評級依賴，將企業評級選擇權完全交予市場決定。業內人士認為，取消評級有利于降低企業的融資成本，同時也將緩解評級虛高、區分度不足等問題。
他強調，這說明評級公司必須應變，從傳統的靜態評級升級到動態的、持續的風險預警和監控。
同時，ESG、碳中和、綠色金融等新興概念進入到人們的視野當中，這對監管科技又是全新的考驗。“比如傳統財務報表可能只有一兩百個字段，但對ESG投資而言，要查看的字段可能超過2000個。”
注：ESG是指Environmental（環境）、Social（社會責任）、Governance（公司治理），這些因素被納入到公司可持續發展的衡量指標。
無論是強制評級的取消，還是ESG投資概念的引入，又或者是近年來的信用債危機、城投債破產，其實都意味著同一個監管科技的發展趨勢、一個巨大的增量市場：企業價值判斷。
傳統的企業價值判斷，往往是純財務角度的，但如今資本市場的看法已經發生深刻變化，原先的企業數據產業都無法支撐這種全面而先進的審視。
但恰恰是過去數年監管科技的發展，底層數據大量的梳理工作，才使得這種非財務的指標分析，使企業價值評判體系的重塑，成為了一種可能。
鮑捷感慨，一旦完成這類“打地基”式的底層工作，“你會看到（應用）像雨后春筍一樣冒出來。”
不過，從整體發展水平而言，國內的監管科技仍然落后一些身位。“相比于歐美國家，中國的監管科技起步相對較晚，差距還是比較明顯。”多位業內人士認為，無論是監管體系的全面程度，還是底層數據體系的完整度，國內其實都有所欠缺。
但他們也指出，國內越來越多的科技企業加入到這一賽道，利用各自行業經驗、技術能力在幫助監管機構、金融等機構進行監管政策的理解以及監管技術落地——在某些細分領域或場景，例如前文所述的PDF文件底層解析能力，國內的監管技術甚至要領先于國外。
如今的監管科技，讓他們想起了支付在海內外截然不同的發展歷程：“在沒有新增硬件成本的情況下，我們國家就完成了移動支付的彎道超車——誰說監管科技就不會有類似的過程？”
轟鳴的引擎聲清晰可聞，有著無限潛力的監管科技緩緩攀上風口，只待時機成熟，順利起飛。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
