邹传伟:金融追求安全稳健 而一些技术公司为抢占市场份额不计成本扩张
财经

邹传伟:金融追求安全稳健 而一些技术公司为抢占市场份额不计成本扩张

凤凰网财经讯 12月13日第六届“上海金融论坛”正式举行。本次论坛以“改革与开放:双循环下的上海国际金融中心建设”为主题,凤凰网财经全程报道。

万向区块链首席经济学家邹传伟

万向区块链首席经济学家邹传伟

万向区块链首席经济学家邹传伟在论坛上表示,金融科技定义经过很多迭代,目前基本收敛到金融稳定理事会表述,指技术驱动的金融服务创新,体现为新的商业模式、应用、流程和产品等。这些年,金融科技行业的关注重点一直在切换。邹传伟则从身份、账户、数据、货币、风险和竞争等基本概念出发,建构金融科技的新分析框架。

谈及账户,邹传伟介绍,账户主要分非金融账户和金融账户。非金融账户给金融账户提供场景。非金融账户会记录用户在衣食住行社交中各种数据。数据与人工智能、大数据技术联合起来就可以得到风险评估和定价。

而为什么身份管理很重要?邹传伟表示,金融活动需要了解参与的人和机构。比如,这个人信用情况怎么样,出现健康风险概率有多高,以及那家企业盈利前景怎么样,还债能力怎么样。这些既是监管的要求,更是风险管理和风险定价的需要。

邹传伟还对账户的区别、数据的获取和处理、金融活动组织形式等方面做了阐述。

在演讲中,邹传伟谈到了近期备受关注的大型科技公司。邹传伟表示,不管欧洲还是美国,对大型科技公司的监管都在加强。一些技术公司为抢占市场份额不计成本扩张。而金融首重安全稳健,与技术的扩张逻辑天然不兼容。大型科技公司在平台、技术、用户和数据等方面优势可能影响市场公平竞争。首先,一些大型科技公司打造一个从金融到衣食住行的包罗万象的生态,增加了用户的切换成本,并造成“二选一”问题。其次,利用支配性市场力量,通过排他性条件和价格战等抑制竞争对手。特别是,金融领域的价格补贴,会干扰风险定价效率。最后,数据垄断,通过对数据的非竞争性使用而获取信息租金。

以下为邹传伟发言实录:

主持人:金融科技在很大程度上改变了传统金融的固有逻辑、运行模式和业务范围,踏入了全新的应用领域。接下来,让我们有请万向区块链首席经济学家邹传伟为我们带来主旨演讲。掌声有请!

邹传伟:尊敬的张院长,各位朋友,很荣幸受邀做今天的分享。

问题的提出

我分享主题是“金融科技新分析框架”。这个题目看起来比较大,其实很小。假设上海高金的一位学生听了前面几位专家的讲话以后,想做一个思维导图式的总结,他应该怎么做。这就是我今天想讨论的问题。

金融科技定义经过很多迭代,目前定义基本收敛到金融稳定理事会表述,指技术驱动的金融服务创新,体现为新的商业模式、应用、流程和产品等。

这些年,金融科技行业的关注重点一直在切换。2015年前,重点是移动支付,网络贷款,股权众筹,以及数字普惠金融。移动支付和数字普惠金融在我国取得了很大成功。2015年后,重点变为区块链,央行数字货币,稳定币,数据要素和隐私保护,大型科技公司涉足金融,以及监管科技。

那么,作为一位学习金融科技的学生,如何穿透这些不断变化的商业模式、应用、流程和产品等,看到金融科技的内在逻辑呢?

金融科技新分析框架

我从身份、账户、数据、货币、风险和竞争等基本概念出发,建构金融科技及其监管的新分析框架。

先简单介绍一下这张图。身份管理是大部分金融活动的基础。身份管理与账户联系在一起。账户主要分非金融账户和金融账户。非金融账户给金融账户提供场景。非金融账户会记录用户在衣食住行社交中各种数据。

数据与人工智能、大数据技术联合起来就可以得到风险评估和定价。各种金融活动,包括货币和支付,银行,证券,以及保险,都是依托相应的金融账户进行的,而金融活动中资金的流通和资源的配置,都离不开风险评估和定价。

数据产生两个重要问题,一是数据权利,二是市场竞争。但今天要分析这两个问题,需要理解大型科技公司的影响以及网络效应和平台效应。

风险评估和定价,数据权利,以及市场竞争,也相应构成金融科技监管的三个重要维度。金融科技创新不断,给金融科技监管带来很大挑战,为此需要监管科技和监管沙箱。

从货币金融学的角度,区块链会促成不同于账户范式的Token范式。Token范式也被称为代币模式、价值模式、账户松耦合和广义账户体系等,目前最值得关注的是央行数字货币和以Libra(已更名为Diem)为代表的稳定币。Token范式,本质上是在数字世界中实现类似现金但又超越现金的特征。

接下来讨论这张图中的几个重要问题。

身份管理

为什么身份管理很重要?金融活动需要了解参与的人和机构。这是监管的要求,体现为KYC(“了解你的用户”),反洗钱,以及反恐怖融资等。这更是风险管理和风险定价的需要。比如,这个人信用情况怎么样,出现健康风险概率有多高,以及那家企业盈利前景怎么样,还债能力怎么样。这是监管的要求,

一种重要趋势是生物识别技术(特别是人脸和指纹识别技术)在身份管理中的应用。生物识别技术已广泛应用在金融交易验证中,正在向远程账户开立延拓。生物识别技术的进步离不开人工智能和大数据技术的发展。

但在有些金融应用场景中,匿名是一个需要保障的合法权益。比如,从全球看,央行数字货币的可控匿名要求,而这离不开密码学和区块链技术的应用。

账户范式和Token范式

国际清算银行在讨论央行数字货币时,提出一个重要的分类标准:账户范式和Token范式。目前金融体系基于账户范式,比如大家几乎每天都在用的银行卡和第三方支付。基于Token范式的央行数字货币和稳定币方兴未艾。Token范式本质上是在数字世界中实现类似现金但又超越现金的特征。我从四个维度对比这两个范式。

第一,开放程度和身份管理机制。账户范式是中心化管理,用户需要提供身份信息证明“你是你”。Token范式可以去中心管理,开放性更好,用户需要证明“你知道某些特定信息”(比如私钥)。作为参照,现金一旦投放到市场中,就是去中心化管理,任何人都可以持有和使用。

第二,实名制要求。金融账户遵循实名制原则。Token范式能实现可控匿名。作为参照,银行卡和第三方支付是100%实名制,而现金则是100%匿名。

第三,交易机制。在账户范式中,交易分层级。不管是境内支付,还是跨境支付,本质上都是对银行账户的操作。同行转账要同步调整交易双方在同一开户银行的存款账户余额。跨行转账除了调整交易双方在各自开户银行的存款账户余额以外,还涉及两家开户银行之间的结算。商业银行之间的结算需调整它们在中央银行的存款准备金账户余额。这就是交易分层级的体现。

跨境支付要复杂得多。比如,从上海银行汇钱到波士顿银行,这两家银行之间没有账户联系,资金流通需要经过代理银行的账户:先从上海银行到中国银行,再从中国银行到美国银行,最后从美国银行到波士顿银行,中国银行和美国银行就是代理银行。代理银行模式下,跨境支付涉及的银行账户多,每个环节都要满足合规要求。代理银行相互之间还要开立账户并锁定一些资金在账户中。这就是为什么跨境支付耗时长,成本高。跨境支付还体现了资金流和信息流的分离——资金流通过银行账户体系,信息流通过SWIFT报文系统。

在Token范式下,可以直接点对点交易,交易天然是跨境,并且资金流和信息流是合二为一的。“直接点对点交易”正是现金交易的特征,而“交易天然是跨境”则超越了现金。

第四,在账户范式下,不同用户有不同账户“视图”。比如,对同一笔交易,买方和卖方有不同的会计处理方式,甚至使用不同会计标准。但Token范式则是共享账本。

这四个维度对应区块链不同方向的应用。第一个维度对应区块链在普惠金融中的应用。第二个维度对应区块链在隐私保护中的应用。第三个维度对应区块链在跨境支付中的应用。第四个维度对应区块链在证券交易中的应用。

总的来说,账户范式和Token范式在金融资产托管、交易、清结算、金融监管和隐私保护等方面的含义完全不一样。我们今天习惯了账户范式,但对照Token范式,能帮我们加深对账户范式的理解。

征信与数据权利

获取和处理数据始终是金融的核心问题之一。今天上午周小川行长讲了获取和处理数据的能力对支付系统现代化的影响。目前,要理解这方面问题,离不开数据要素和隐私保护。

这方面一个特殊问题是征信。征信报告是公共产品,在信息来源、信息使用以及个人隐私保护等有严格监管要求。现在很多人讨论隐私保护时,会提到欧洲的《一般数据管理条例》(GDPR)。但实际上,GDPR的一些核心做法,在征信监管中早就有了。

我国前段时间流行过“大数据征信”概念。这个概念是错误的,因为大数据在来源和使用等方面,都没法达到征信监管要求。这就涉及征信与数据/风险管理市场的区别。与征信相对的是银行的内部评级,内部评级在数据来源和使用等方面要灵活得多,但评级结果仅限于自己使用。在征信与内部评级这两端中间,出现了多样化的数据/风险管理市场。比如,芝麻信用分的使用已经延拓到阿里体系以外。

数据要素市场涉及很多前沿问题。因时间关系,我只讨论四个。第一,非金融账户收集的场景化数据的金融价值,已在金融科技实践中被充分检验。比如,电商消费数据可以支持互联网上的消费金融贷款,社交网络数据有助于刻画用户的风险偏好,看用户适合什么样的金融产品。但搜索引擎数据,因为与身份关联较弱,金融价值要弱得多。

第二,数据权利保护将显著影响未来金融科技乃至互联网商业模式。前面已提到欧洲的GDPR。欧洲现在处于全球数据权利保护立法和实践的前沿,并被其他国家和地区借鉴。比如,欧洲正在讨论《数字服务法案》,其中一个要求是互联网平台要向竞争对手开放用户数据,以抑制数据垄断。

第三,数据要素市场的组织形态。很多数据具有公共产品的特征。比如,同样的数据,张三可以用,李四也可以同时用,而且张三用不影响李四用。因此,数据不适合像股票市场那样的集中化交易方式。我预计数据要素市场将借鉴金融市场的组织形态,出现数据银行、数据信托以及数据合作社等形态。

第四,安全多方计算、联邦学习等技术的应用使“数据可用不可见”,将在数据要素市场中发挥重要作用。

风险评估和定价

计算机领域有一个基本公式:程序=数据结构+算法。这对应到金融领域中是:风险评估和定价=数据+分析方法。前面已讨论数据,接下来讨论分析方法,这就涉及人工智能和大数据技术。

人工智能和大数据技术已深度渗透金融领域,产生了很好的应用效果。但实事求是地讲,人工智能和大数据技术有应用边界。

第一,目前人工智能落地的主要是以深度学习为代表的弱人工智能,就其本质而言,解决的是模式识别问题,比如图片分类。人工智能在生物识别,用户画像,信用评估,保险定价,以及监管科技等领域应用是成功的。识别人的身份、头像、指纹、风险偏好和信用资质等,是很有代表性的模式识别问题。

第二,人工智能和大数据技术在证券投资中的应用,则面临市场有效性理论的限制。市场有效性理论认为,市场交易形成的证券价格能综合反映与证券有关的信息。当然,现实情况不完全符合这个理论,但证券价格预测远远超越了模式识别范畴。现在证券投资行业的主流实践是,寻找新的数据,比如GPS、卫星遥感等不同于公司财务报表的“另类数据”,而非对现有数据使用更复杂的分析模型。

第三,模型透明度和可追责性、歧视定价、顺周期性等问题。人工智能和大数据技术使用的模型要有透明度,对外可解释,而不能像一个黑盒子,否则出错也不知道是哪个环节的责任。人工智能和大数据技术不能用于“大数据杀熟”等歧视定价。如果市场上有很多人使用同一个模型,可能造成“羊群效应”,放大市场的波动。这些问题说明,对人工智能和大数据技术的监管,是一个必然会发生的事件。

金融科技影响金融活动的组织形式

金融科技会影响金融活动的组织形式,这里面涉及非常复杂的商业、经济学和监管问题。

比如,全球银行业面临的一个重要趋势是“开放银行”。原来银行拓展业务,需要开设新的营业网点,比如“陆家嘴支行”。现在银行在数字世界展业,可以通过API(应用编程接口)在网络应用场景中开设“网络支行”。

再比如,我国的第三方支付本质上基于支付账户的创新。这看起来很简单,但衍生出复杂的金融生态。“第三方支付+互联网消费金融”能提供虚拟信用卡服务。

又比如,我国曾流行过“网络小贷公司+ABS(资产证券化)”模式。小贷公司不能跨地域经营,而且要受严格的杠杆率限制。但“网络小贷公司+ABS”可以在全国范围内展业,发放的贷款通过ABS卖给投资者以回笼资金,通过加快资金周转来扩大放贷能力。实事求是地说,“网络小贷公司+ABS”很接近全国性银行。

在金融科技的影响下,一些之前由金融机构“一站式”提供的金融服务,“化整为零”到多家机构,由市场分工网络进行。那么,怎么理解这些变化?

第一,这体现了“金融功能比金融机构更稳定”这一原则。金融发展有两条像DNA双链一样相互缠绕并上升的主线,一条是金融功能,另一条是金融机构。Zvi Bodie和Robert Merton上世纪90年代中期就提出,金融功能比金融机构更稳定,金融机构的形式取决于它们执行的金融功能。比如,100年前银行的组织结构和业务形态,与今天相比有很大差异,但银行执行的金融功能则变化不大。前面讨论的那些变化,再次支持了他们的洞见。

第二,技术发展模糊了金融市场(直接融资)、金融中介(间接融资)和其他金融服务提供者之间的边界。这是新制度经济学大师科斯研究的市场与企业之间的边界问题,在金融领域,特别是在新技术条件下的体现。

第三,监管套利的驱动。监管标准不一致造成了监管套利问题,一些金融活动或金融活动的部分环节转移到监管相对薄弱的环境中进行。

第四,穿透式监管,关键是分析那些变化中隐含的复杂的资金流通和风险分担模式。这个问题不仅存在于金融科技领域,也存在于影子银行领域。中国人民银行对互联网金融的风险整治,最近银保监会发布的《中国影子银行报告》,都体现了这个重要的监管方法论。

第五,要注意市场分工网络中利益不一致和激励不相容的影响。比如,在传统的银行贷款业务中,银行自己承担信贷风险,也独享信息收益,会很审慎地放贷,积极地做贷后管理。在目前“网络小贷公司+助贷”模式中,依托于互联网平台的网络小贷公司向银行推荐贷款对象,按促成贷款量收费,但很多银行不具备穿透到最终贷款对象的风险管理能力。网络小贷公司有没有可能为做大业务量而放低授信标准,让银行暴露在更高风险之中?这就是典型的利益不一致和激励不相容问题。

这个问题上一次系统性爆发,是在2008年之前美国的次级按揭贷款(即“次贷”)证券化市场。当时,美国的银行在发放按揭贷款后,可以很快通过证券化将按揭贷款卖出去。很多银行为扩大业务而放松了贷款标准。为此,国际金融危机后的监管改革,提出了风险留存措施,要求银行必须保留5%的证券化风险敞口。

大型科技公司涉足金融

不管欧洲还是美国,对大型科技公司的监管都在加强。前段时间英国《金融时报》有篇文章专门分析了这个趋势,可谓“环球同此凉热”。

一些技术公司为抢占市场份额不计成本扩张。而金融首重安全稳健,与技术的扩张逻辑天然不兼容。

大型科技公司在平台、技术、用户和数据等方面优势可能影响市场公平竞争。第一,一些大型科技公司打造一个从金融到衣食住行的包罗万象的生态,增加了用户的切换成本,并造成“二选一”问题。第二,利用支配性市场力量,通过排他性条件和价格战等抑制竞争对手。特别是,金融领域的价格补贴,会干扰风险定价效率。最后,数据垄断,通过对数据的非竞争性使用而获取信息租金。

全面监管框架

要对金融科技建立起全面监管框架,体现为三大支柱。第一,传统意义上的金融监管,核心目标是促进金融稳定和保护金融消费者。第二,竞争监管,特别是针对大型科技公司的金融科技业务。第三,数据隐私监管。

最后,我想强调两个观点。第一,对金融科技,功能监管、行为监管和金融消费者保护的重要性更突出。特别是,不管业务主体和技术形式如何,只要从事同类业务,就应该做到财务标准一致,监管标准一致,以防范监管套利。金融科技机构与传统金融机构在从事同样业务时,应该受到同等监管,否则会扭曲两者之间的公平竞争关系。

第二,不管对传统金融机构,还是对金融科技创新,风险识别、计量、防范和处置等方法的普适性。这正是“基于风险的监管”和功能监管的精髓。

比如,对“网络小贷公司+ABS/联合贷款/助贷”模式,存在两派观点。第一派认为巴塞尔协议不适用。第二派则是将ABS、联合贷款和助贷等的规模加在一起,计算整体杠杆率。实际上,两派观点都有可商榷之处。

巴塞尔协议(第三版)为分析和监管“网络小贷公司+ABS/联合贷款/助贷”模式提供了足够的工具。巴塞尔协议的核心思想是根据银行不同资产的风险特征,使用不同的风险权重,再据此讨论资本要求。8%的资本充足率,对应着银行破产概率不超过0.1%。这是在衡量银行破产对存款人的影响以及对全社会的外部性后,施加的风险容忍度约束。

因此,对“网络小贷公司+ABS/联合贷款/助贷”模式,可以根据风险承担和转移的实际情况,对ABS、联合贷款和助贷使用不同的风险权重,再根据对网络小贷公司的风险容忍度(因为网络小贷公司不吸收存款,可以适当放松风险容忍度要求),科学地制定风险资本和杠杆率要求。此外,需要校正“网络小贷公司+ABS/联合贷款/助贷”模式中的利益不一致和激励不相容问题。