大数据如何助力监管科技

大数据如何助力监管科技

ID:21596396

大小:29.50 KB

页数:8页

时间:2018-10-23

大数据如何助力监管科技_第1页
大数据如何助力监管科技_第2页
大数据如何助力监管科技_第3页
大数据如何助力监管科技_第4页
大数据如何助力监管科技_第5页
资源描述:

《大数据如何助力监管科技》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、大数据如何助力监管科技    伴随着金融科技(FinTech)的不断演进发展,监管科技(RegTech)的概念被一些国际组织和研究机构提出,并引起各方的广泛关注。在RegTech提出之初,包括英国金融行为监管局(FCA)、国际金融协会(IIF)在内的机构都认为它是FinTech的子集,从近两年的研究情况看,RegTech的外延一直在不断扩展中,“运用新技术,促进达成监管要求”是当前被广泛认可的定义,不仅包括金融机构在提升自身合规和风控能力方面的尝试,还包括监管机构在提升监管能力、避免监管套利、提高合规审查效

2、率等方面的探索。事实上,还有更广义范畴上的“RegTech”概念,即将RegTech的技术延伸到了政府管理、医疗健康、环保监测等非金融领域。下载论文网/3/  从国内外央行和金融监管当局对RegTech的研究和实践情况看,以大数据、区块链、云计算、人工智能等为代表的新技术所带来的影响,早已不仅仅局限于技术本身,还有监管的视角、理念和工作机制等方面更深层次的改变。大数据对RegTech的启示  大数据为RegTech所带来的,不仅有更强大的计算和分析能力,还包括全新的思维模式。  从宏观审慎管理角度看。现代金

3、融市场具有产品复杂、交易频率高、资金流动快等特点,金融风险跨机构、跨行业、跨市场传递已成常态,单个、局部风险有可能通过流动性、产品联结、资产负债表、资金价格等渠道引发跨市场风险联动,得以放大和扩散,演化成全局性、系统性风险。因此,监管部门所监测的数据来源应该是跨机构、跨行业、跨周期和跨市场的,而且需要有很强的准确性和时效性,以便全面地分析出经济和金融运行情况。在数据共享和融合的基础上,建立相应的模型和完善的预案体系,对系统性风险做出准确预判。2017年全国金融工作会议明确了“服务实体经济、防控金融风险、深化

4、金融改革”三项重要任务,强调健全风险监测预警和早期干预机制,加强金融基础设施的统筹监管和互联互通,推进金融业综合统计和监管信息共享。新监管要求的落实,离不开大数据的支持。此外,运用大数据技术对主流媒体、搜索引擎、社交网络中的文本、日志等信息进行分析,监管部门可以判断出社会公众对某项金融新政颁布后、或在市场剧烈震动后的情绪波动情况,预测出当前及未来一段时间内市场走势,对潜在的风险进行预判和预防。  从微观审慎监管角度看。对于金融工作会议中重点提到的功能监管和行为监管而言,监管部门除了要掌握反映宏观经济运行情况

5、的数据外,还要尽可能地掌握各类市场主体微观层面的数据,如交易活动的明细数据,以及分散在公安、工商、税务、海关等部门的数据等。将这些数据聚合,采用语义学、数据点建模等技术提炼出市场主体的行为特征,通过与由监管政策、规定和合规性要求所推导出的规则要求相比对,判断其是否符合监管要求。监管部门还可将监管规则以“数字化协议”的形式下发至金融机构,金融机构将经营过程产生的各类数据输入系统进行规则比对,从而实现自身的合规审计,对于新监管规定的落实具有基础性作用。除了传统的数据报送渠道外,监管部门还可以利用互联网上的非结构

6、化数据,对被监管机构开展更多数据维度的采集,如行为、企业文化等方面的信息,建立有效的“画像”,满足不同的监管要求。  综合来看,大数据对RegTech的启示主要体现在三个方面:一是系统性、全局性的视角。监管部门所监测的数据是跨机构、跨行业、跨周期和跨市场的,这与金融系统的复杂性、风险的传导性相契合。二是综合性、关联性的分析方法。大数据思维着眼于对各类金融市场运行规律、供需关系、风险规则的总结提炼,而非简单的因果推导。三是决策的时效性。依托于大数据基础软件所提供的强大的存储和计算能力,以及应用基于大数据的人工

7、智能和机器学习的数据分析理论,如决策树、支持向量机、神经网络等,可支持对多来源、多维度数据的快速分析,能最大程度地保障对风险的事前预防和事中控制,而不只局限于事后分析。大数据对RegTech的挑战  数据共享的问题。传统的金融统计、反洗钱、征信业务都是在特定制度框架下推动的,同时依托于配套的行业基础设施,为金融监管和金融服务提供了有力的支撑。随着FinTech创新的不断深入,监管部门所关注数据的深度和?V度有待于在原来的基础上进一步扩展,除了金融行业内数据、互联网上公开数据外,还涉及金融行业与公安、工商、海

8、关、税务等其他部门和外部机构的数据共享问题,需要更高层面的顶层设计和统筹协调。  数据安全的问题。Hadoop、Spark等大数据基础软件在设计之初,大部分只考虑在可信的内部网络中使用,对用户身份识别、授权访问、密钥管理以及安全审计等方面考虑较少,虽然在持续改进的过程中,但整体的安全保障能力仍然较弱。在数据采集、流转、聚合和分析的过程中,如何保障数据的保密性、完整性和可用性(CIA),维护各方利益,是监管部门需要

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。