黃琦 趙大偉 代會琳 黃啟燕 羅娜

摘? ?要：當(dāng)前，人工智能技術(shù)在金融領(lǐng)域應(yīng)用“火爆”，或?qū)⒁I(lǐng)時代變革、助推金融業(yè)務(wù)智能化轉(zhuǎn)型。然而，人工智能技術(shù)在金融領(lǐng)域的廣泛應(yīng)用也可能引發(fā)尾部風(fēng)險事件，加劇金融風(fēng)險的隱蔽性、傳染性、疊加性和難預(yù)測性，放大金融體系的脆弱性，威脅金融安全與穩(wěn)定。在“人工智能+金融”高速發(fā)展的背景下，金融監(jiān)管機(jī)構(gòu)需要調(diào)整對金融創(chuàng)新風(fēng)險事件的預(yù)期，制定新的金融監(jiān)管策略。本文在梳理人工智能技術(shù)在金融領(lǐng)域應(yīng)用及引發(fā)的潛在金融風(fēng)險的基礎(chǔ)上，提出預(yù)防性監(jiān)管建議，旨在將金融風(fēng)險管理“關(guān)口前移”，健全金融穩(wěn)定長效機(jī)制，維護(hù)金融安全。

關(guān)鍵詞：人工智能；金融風(fēng)險；金融安全；金融監(jiān)管

中圖分類號：F830? 文獻(xiàn)標(biāo)識碼：B? 文章編號：1674-2265（2023）11-0077-05

DOI：10.19647/j.cnki.37-1462/f.2023.11.009

當(dāng)前，人工智能技術(shù)在金融領(lǐng)域應(yīng)用“火爆”，生成式人工智能ChatGPT上線不到一周日活用戶破百萬，僅僅2個月，月活用戶突破1億，并在多個領(lǐng)域?qū)崿F(xiàn)了應(yīng)用落地。與互聯(lián)網(wǎng)連接式特征不同，人工智能技術(shù)具有嵌入式特征，且使用成本低、應(yīng)用范圍廣泛，既能承擔(dān)重復(fù)性腦力工作，又能釋放機(jī)械工業(yè)系統(tǒng)潛力，這可能會帶動生產(chǎn)關(guān)系的范式變革，衍生出諸多新型商業(yè)模式，甚至改變并重構(gòu)世界商業(yè)秩序。但不可忽視的是，人工智能技術(shù)在金融領(lǐng)域的應(yīng)用也引發(fā)了一系列新的金融風(fēng)險，給金融系統(tǒng)帶來了巨大威脅，對金融監(jiān)管形成了新的挑戰(zhàn)，需要金融監(jiān)管機(jī)構(gòu)采取有效措施，加強(qiáng)風(fēng)險防范和管理，進(jìn)而保障金融安全和維護(hù)金融穩(wěn)定。

一、人工智能技術(shù)在金融領(lǐng)域的應(yīng)用

（一）人工智能技術(shù)在金融領(lǐng)域的應(yīng)用場景和案例

1. 人工智能技術(shù)在信用評分和風(fēng)險管理方面的應(yīng)用。人工智能技術(shù)可以利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、自然語言處理等方法，對借款人的個人信息、信用歷史、社交網(wǎng)絡(luò)、行為特征等進(jìn)行綜合分析，提高信用評分的準(zhǔn)確性和效率，降低信貸成本和風(fēng)險力。如Enova利用人工智能技術(shù)為非主流消費(fèi)者、企業(yè)和銀行提供高級分析和技術(shù)，其搭建的Colossus平臺通過對大量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，為借款人提供適當(dāng)?shù)馁J款額度和利率，同時降低違約率和損失率①。Scienaptic System搭建了一個信貸平臺，該平臺可以為銀行和信貸機(jī)構(gòu)提供更高的透明度，并利用人工智能技術(shù)連接非結(jié)構(gòu)化、結(jié)構(gòu)化數(shù)據(jù)并轉(zhuǎn)換數(shù)據(jù)②。

2. 人工智能技術(shù)在欺詐檢測和預(yù)防方面的應(yīng)用。人工智能技術(shù)可以利用計算機(jī)視覺、語音識別、生物識別等方法，對用戶的身份、交易、行為等進(jìn)行實(shí)時監(jiān)測和驗(yàn)證，及時發(fā)現(xiàn)和阻止欺詐行為，保護(hù)用戶和金融機(jī)構(gòu)的利益。Socure創(chuàng)建了一個身份驗(yàn)證系統(tǒng)，使用機(jī)器學(xué)習(xí)和人工智能來分析申請人的在線、離線和社交數(shù)據(jù)，幫助客戶滿足“了解你的客戶”相關(guān)條件③。Zest AI是一個人工智能技術(shù)驅(qū)動的信貸評估平臺，可用于評估沒有或幾乎沒有信用信息或歷史的借款人，該平臺利用數(shù)以千計的數(shù)據(jù)點(diǎn)，幫助貸款機(jī)構(gòu)更好地評估傳統(tǒng)上被認(rèn)為“處于風(fēng)險中”的人群④。

3. 人工智能技術(shù)在個性化推薦和產(chǎn)品營銷方面的應(yīng)用。人工智能技術(shù)可以利用自然語言處理、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法，對用戶的需求、偏好、行為等進(jìn)行智能分析和預(yù)測，并根據(jù)用戶畫像和場景推薦最適合的金融產(chǎn)品和服務(wù)，提高用戶滿意度和忠誠度。DataRobot為數(shù)據(jù)科學(xué)家、業(yè)務(wù)分析師、軟件工程師、高管和IT專業(yè)人員提供機(jī)器學(xué)習(xí)軟件，并幫助金融機(jī)構(gòu)快速建立準(zhǔn)確的預(yù)測模型，協(xié)助圍繞欺詐性信用卡交易、數(shù)字財富管理、直接營銷、區(qū)塊鏈、貸款等問題的決策制定。

4. 人工智能技術(shù)在智能客服和聊天機(jī)器人方面的應(yīng)用。人工智能技術(shù)可以利用自然語言處理、語音識別、情感分析等方法，對用戶的語音或文本輸入進(jìn)行智能理解和回復(fù)，并根據(jù)用戶的情緒和需求提供相應(yīng)的服務(wù)和建議，提升用戶體驗(yàn)和效率。Kensho Technologies為摩根大通、美國銀行和摩根士丹利等領(lǐng)先金融機(jī)構(gòu)提供機(jī)器智能和數(shù)據(jù)分析，為復(fù)雜的金融問題提供易于理解的答案，并從表格和文檔中快速提取見解⑤。Derivative Path幫助金融機(jī)構(gòu)控制其衍生產(chǎn)品組合，其云平臺Derivative Edge具有自動化的任務(wù)和流程、可定制的工作流程和銷售機(jī)會管理等功能，使用該平臺進(jìn)行貸款管理的組織可以期待貸方報告、貸方批準(zhǔn)等信息⑥。

（二）人工智能技術(shù)對金融業(yè)務(wù)智能化轉(zhuǎn)型的作用

人工智能技術(shù)具有自主性、智能性、學(xué)習(xí)性和創(chuàng)新性等特征，可以提高效率、降低成本、優(yōu)化體驗(yàn)并創(chuàng)造價值，助推金融業(yè)務(wù)智能化轉(zhuǎn)型（廖高可和李庭輝，2023）[1]。一是助推咨詢服務(wù)和智能投顧服務(wù)智能化轉(zhuǎn)型。當(dāng)前，投資者資產(chǎn)配置需求日益高漲，但普遍缺乏識別、選擇、配置金融產(chǎn)品能力，亟需專業(yè)投資建議。人工智能技術(shù)將依托算法模型幫助金融機(jī)構(gòu)更好地理解客戶需求，預(yù)測不同交易策略的表現(xiàn)，為客戶提供更具針對性的金融服務(wù)和投資建議，甚至實(shí)現(xiàn)交易方式自動化、智能化轉(zhuǎn)型。二是助推風(fēng)險管理智能化轉(zhuǎn)型。金融機(jī)構(gòu)傳統(tǒng)的風(fēng)險管理方式是主要運(yùn)用結(jié)構(gòu)化的風(fēng)險防控模型分析結(jié)構(gòu)化數(shù)據(jù)輔以人工判斷，進(jìn)行風(fēng)險監(jiān)控、識別和評估。人工智能技術(shù)在數(shù)據(jù)和模型上實(shí)現(xiàn)了雙突破，拓展了“數(shù)據(jù)庫”“模型庫”“參數(shù)庫”，將推動風(fēng)險管理由“人控”“機(jī)控”向“智控”轉(zhuǎn)變。三是助推客戶識別及監(jiān)測智能化轉(zhuǎn)型。人工智能技術(shù)能夠突破傳統(tǒng)技術(shù)的局限性，幫助金融機(jī)構(gòu)實(shí)現(xiàn)對客戶登錄、欺詐識別、洗錢和網(wǎng)絡(luò)攻擊各環(huán)節(jié)監(jiān)控的自動化管理。四是助推資產(chǎn)管理服務(wù)智能化轉(zhuǎn)型。對于注重基礎(chǔ)研究能力的主動管理型資產(chǎn)管理機(jī)構(gòu)，人工智能技術(shù)將幫助其擴(kuò)展量化分析方式，突破結(jié)構(gòu)性數(shù)據(jù)分析的局限性，如利用社交媒體數(shù)據(jù)、地理空間數(shù)據(jù)等進(jìn)行資產(chǎn)管理研究，提高資產(chǎn)管理機(jī)構(gòu)資產(chǎn)分配和定價的效率，創(chuàng)造新的交易策略，亦可根據(jù)歷史價格和當(dāng)前趨勢來預(yù)測未來資產(chǎn)價格。

二、人工智能技術(shù)在金融領(lǐng)域的應(yīng)用對金融安全帶來的沖擊和挑戰(zhàn)

（一）“幻覺信息”和“算法偏見”將帶來信任鴻溝

未來，金融創(chuàng)新或越來越依賴人工智能技術(shù)，但除了技術(shù)開發(fā)人員了解技術(shù)的思維過程，金融監(jiān)管機(jī)構(gòu)、金融機(jī)構(gòu)以及社會公眾均無法“查詢”人工智能做出投資決策的過程，訓(xùn)練數(shù)據(jù)和算法的黑匣子問題可能潛藏著“幻覺信息”和“算法偏見”。一是“幻覺信息”或?qū)⒔档退惴Q策的可信度。在金融決策的可信度方面，人工智能技術(shù)的性能很大程度上取決于訓(xùn)練數(shù)據(jù)。諸如ChatGPT之類的人工智能技術(shù)可借助其速度和規(guī)模優(yōu)勢生成訓(xùn)練數(shù)據(jù)，因此，很難辨別用于訓(xùn)練算法的基礎(chǔ)數(shù)據(jù)是否也是由人工智能技術(shù)生成的，這將產(chǎn)生沒有事實(shí)依據(jù)的“幻覺信息”。如果一些人工智能算法通過“幻覺信息”學(xué)習(xí)如何回答問題，那么，問題答案和幫助其獲得答案的數(shù)據(jù)特征或已被人為預(yù)先設(shè)定。如果訓(xùn)練可用的數(shù)據(jù)有限，算法開發(fā)者可能會模擬“幻覺信息”，以忽略真實(shí)數(shù)據(jù)中的特性，并專注于構(gòu)建更一般化的決策規(guī)則，導(dǎo)致算法模型做出的決策受到質(zhì)疑。二是“算法偏見”或?qū)_擊普惠性、公平性原則。如果算法模型缺乏全面數(shù)據(jù)清理和數(shù)據(jù)匿名化過程，人工智能技術(shù)有可能演化出群體偏見，給出錯誤的投資建議，尤其可能會沖擊普惠性、公平性原則。如當(dāng)金融市場參與者大量使用非傳統(tǒng)數(shù)據(jù)集（如衛(wèi)星數(shù)據(jù)或社交媒體數(shù)據(jù)）來開發(fā)人工智能模型，不能確保所開發(fā)的模型不會對某一類人群產(chǎn)生歧視，也不能確保做出的決策是公平和無偏見的。同時，如果人工智能技術(shù)給出一個錯誤方案，將會把風(fēng)險轉(zhuǎn)嫁給提供方案的金融機(jī)構(gòu)，給金融機(jī)構(gòu)帶來聲譽(yù)風(fēng)險和信譽(yù)損失。

（二）數(shù)據(jù)問題是基于人工智能決策的內(nèi)在缺陷

在基于人工智能技術(shù)的機(jī)器學(xué)習(xí)的每個階段，任何錯誤都會影響風(fēng)險評估的準(zhǔn)確性。在數(shù)據(jù)收集階段，機(jī)器學(xué)習(xí)容易受到“垃圾輸入，垃圾輸出”問題的影響，如果數(shù)據(jù)有問題，在此基礎(chǔ)上訓(xùn)練的算法所做出的決策最終也會存在缺陷。在風(fēng)險管理實(shí)踐中，各類數(shù)據(jù)問題都可能影響機(jī)器學(xué)習(xí)算法評估潛在投資損失風(fēng)險的準(zhǔn)確性。如果算法是在一個足夠大的數(shù)據(jù)集上訓(xùn)練的，外生問題不會對算法的最終效能產(chǎn)生重大影響。但如果存在系統(tǒng)性問題（如在電子表格中使用了一個不正確的方程來程式化某些單元格，那么基于算法做出的決策就存在重大缺陷。此外，當(dāng)前以文本、視頻、圖片等形式存在的非結(jié)構(gòu)化數(shù)據(jù)正在以指數(shù)級速度快速增長，且重要性與日俱增，這對基于人工智能技術(shù)的機(jī)器學(xué)習(xí)算法來說構(gòu)成了新的挑戰(zhàn)，對于機(jī)器學(xué)習(xí)算法來說，從諸如社交媒體信息中學(xué)習(xí)非結(jié)構(gòu)化數(shù)據(jù)要比從Excel數(shù)據(jù)表中學(xué)習(xí)更加困難。

（三）人工智能算法的尾部風(fēng)險事件防控能力不足

尾部金融風(fēng)險是指由難以預(yù)期的事件或小概率事件引發(fā)的系統(tǒng)性金融風(fēng)險。歷史上的尾部金融風(fēng)險爆發(fā)均具有難以預(yù)測、發(fā)生概率極低、造成危害極大等特點(diǎn)。從金融安全的角度來看，人工智能算法的特點(diǎn)和局限性會低估尾部風(fēng)險，也會使事先評估尾部事件風(fēng)險的能力受限。一是若數(shù)據(jù)和算法有問題，那么，經(jīng)過訓(xùn)練的算法所做出的決策也會有缺陷，但投資者可能會被復(fù)雜的人工智能算法所迷惑，盲目聽從其給出的投資決策結(jié)果和風(fēng)險評估結(jié)果，導(dǎo)致金融市場更嚴(yán)重的“同買同賣、同漲同跌”現(xiàn)象，加劇市場的波動和共振。二是若能反映尾部風(fēng)險的數(shù)據(jù)或算法有缺陷，導(dǎo)致尾部風(fēng)險被低估，當(dāng)金融市場受到?jīng)_擊時，尾部風(fēng)險相依度越高越易引起金融市場的共振，進(jìn)而增加風(fēng)險的波動和順周期性。三是尾部風(fēng)險事件罕有發(fā)生，可供人工智能學(xué)習(xí)的尾部風(fēng)險事件歷史數(shù)據(jù)有限，缺少足夠的數(shù)據(jù)對尾部風(fēng)險事件進(jìn)行建模（Allen，2022）[2]。

（四）人工智能技術(shù)會放大“羊群效應(yīng)”

基于人工智能技術(shù)的機(jī)器學(xué)習(xí)算法的普及很可能會放大個體風(fēng)險對金融市場的影響，眾多個體們“不約而同”做出同樣的金融決策是造成金融不穩(wěn)定的原因之一。當(dāng)前，幾種主流的基于人工智能技術(shù)的機(jī)器學(xué)習(xí)算法不僅可能減少決策參與者的數(shù)量，還可能使剩余決策者之間的風(fēng)險評估趨向標(biāo)準(zhǔn)化。用于訓(xùn)練金融風(fēng)險管理算法的數(shù)據(jù)是有限的，有限的數(shù)據(jù)來源不僅會降低算法的準(zhǔn)確性，還會使其在應(yīng)用于類似資產(chǎn)時的操作更加一致、結(jié)果更加趨同。如果多個金融機(jī)構(gòu)都依賴于幾乎完全相同的預(yù)先打包的數(shù)據(jù)集，或由第三方專業(yè)供應(yīng)商提供的、完全相同的、預(yù)先訓(xùn)練好的算法，“羊群效應(yīng)”將變得更加明顯。舉例來看，如果一款流行的機(jī)器學(xué)習(xí)算法一直低估與特定類型資產(chǎn)相關(guān)的風(fēng)險，使該類型的資產(chǎn)看起來非常有利可圖，大量“同款算法”客戶的存在可能會導(dǎo)致該資產(chǎn)類別出現(xiàn)泡沫。如果這些相同的算法在隨后的運(yùn)行中又同時認(rèn)定該資產(chǎn)的風(fēng)險已經(jīng)增加到難以維持的程度，就會引發(fā)大規(guī)模拋售（Gerding，2009）[3]。

（五）金融體系的脆弱性被放大或?qū)⒃斐缮鐣C(jī)

人工智能技術(shù)的廣泛應(yīng)用，將導(dǎo)致傳統(tǒng)金融風(fēng)險的表現(xiàn)形式、傳染路徑發(fā)生變革，金融風(fēng)險的突發(fā)性、隱蔽性和破壞力進(jìn)一步加強(qiáng)，金融體系的脆弱性或被巨量放大。金融機(jī)構(gòu)間、金融市場間本就存在復(fù)雜的風(fēng)險相依結(jié)構(gòu)，人工智能等新技術(shù)在金融領(lǐng)域的廣泛應(yīng)用或帶來更多的信息不對稱。部分金融產(chǎn)品結(jié)構(gòu)復(fù)雜，杠桿水平高、隱藏的金融風(fēng)險較大，但可能披著“創(chuàng)新”的外衣廣泛存在于金融市場中，人工智能技術(shù)可能會幫助其“混淆視聽、推波助瀾”，向投資者推薦由算法計算出的“優(yōu)質(zhì)”金融產(chǎn)品，甚至代替投資者做出購買高風(fēng)險金融產(chǎn)品的決策，這將對金融安全和社會穩(wěn)定造成沖擊。

（六）“監(jiān)管逃逸”和“監(jiān)管套利”更易有機(jī)可乘

一是技術(shù)外包式“監(jiān)管逃逸”。金融機(jī)構(gòu)將關(guān)鍵職能外包給第三方技術(shù)供應(yīng)商，可通過轉(zhuǎn)移風(fēng)險管理職責(zé)實(shí)現(xiàn)“監(jiān)管逃逸”。由于金融機(jī)構(gòu)選擇技術(shù)外包的方式進(jìn)行金融產(chǎn)品和服務(wù)創(chuàng)新，不必承擔(dān)技術(shù)衍生風(fēng)險，金融機(jī)構(gòu)或要求第三方技術(shù)供應(yīng)商增加技術(shù)的復(fù)雜性，尋求監(jiān)管逃逸。二是“監(jiān)管套利”。人工智能技術(shù)在金融監(jiān)管領(lǐng)域的應(yīng)用存在潛在風(fēng)險，如金融機(jī)構(gòu)不斷提高人工智能技術(shù)的復(fù)雜性和創(chuàng)新速度，或?qū)⑹埂氨O(jiān)管套利”更具復(fù)雜性和隱蔽性。三是“監(jiān)管套利”的區(qū)域溢出效應(yīng)顯著。目前，金融科技監(jiān)管缺乏國際層面的協(xié)調(diào)機(jī)制，如果一個國家采用了嚴(yán)格的金融監(jiān)管制度，該國金融科技創(chuàng)新者可能會將其業(yè)務(wù)轉(zhuǎn)移到金融監(jiān)管寬松的國家。但金融體系是全球性的，金融風(fēng)險具有區(qū)域溢出效應(yīng)，其產(chǎn)生的風(fēng)險仍可能損害金融監(jiān)管嚴(yán)格的國家。

三、預(yù)防性監(jiān)管是人工智能背景下維護(hù)金融安全的有效措施

人工智能技術(shù)在金融領(lǐng)域的應(yīng)用仍處于早期階段，這意味著金融監(jiān)管機(jī)構(gòu)仍有時間引導(dǎo)人工智能技術(shù)在金融行業(yè)中規(guī)范應(yīng)用。鑒于此，本文提出預(yù)防性金融監(jiān)管策略，旨在將金融風(fēng)險管理“關(guān)口前移”，健全金融穩(wěn)定長效機(jī)制，維護(hù)金融安全。

（一）明確法律責(zé)任

人工智能技術(shù)將通過算法推進(jìn)金融交易、資產(chǎn)管理等決策自動化，使金融監(jiān)管環(huán)境越來越復(fù)雜。預(yù)防性金融監(jiān)管需要明確，如果算法得出的結(jié)果觸犯法律，誰將為算法結(jié)果承擔(dān)法律責(zé)任。目前，沒有關(guān)于算法結(jié)果違法責(zé)任界定的明確要求。因此，預(yù)防性金融監(jiān)管需要事先在法律層面明確，如果金融機(jī)構(gòu)基于有缺陷的人工智能技術(shù)得出的結(jié)果，應(yīng)該由開發(fā)算法的程序員來承擔(dān)責(zé)任，還是由選擇用于訓(xùn)練算法的數(shù)據(jù)集的專家來承擔(dān)責(zé)任，抑或是應(yīng)該由第三方技術(shù)供應(yīng)商來承擔(dān)責(zé)任。

（二）構(gòu)建基于原則的金融監(jiān)管框架，形成“傘式”監(jiān)管結(jié)構(gòu)

由于尋找所有技術(shù)存在的問題需要投入大量的資源和精力，同時金融監(jiān)管制度的修訂速度也很難跟上新技術(shù)更新?lián)Q代的步伐。例如，當(dāng)金融機(jī)構(gòu)使用人工智能來管理內(nèi)部運(yùn)營流程或投資組合風(fēng)險時，金融監(jiān)管機(jī)構(gòu)很難通過制定詳細(xì)的規(guī)則來明確金融機(jī)構(gòu)應(yīng)如何使用新技術(shù)。由此可見，構(gòu)建基于原則的金融監(jiān)管框架更具可行性和可操作性，并為金融監(jiān)管機(jī)構(gòu)提供一個“傘式”監(jiān)管框架。

（三）非正式與正式引導(dǎo)相結(jié)合，動態(tài)調(diào)整預(yù)防性金融監(jiān)管措施

人工智能技術(shù)將廣泛用于金融創(chuàng)新，但考慮到其潛在的風(fēng)險，金融監(jiān)管機(jī)構(gòu)須對融合該技術(shù)的金融產(chǎn)品和服務(wù)保持警惕。但如果采取嚴(yán)格的金融監(jiān)管審查方式或?qū)⒆璧K金融創(chuàng)新，而如果采取“觀望”的金融監(jiān)管方式，技術(shù)將以指數(shù)級速度發(fā)展，金融監(jiān)管技術(shù)或?qū)ⅰ凹铀俚雇恕保˙arefoot，2020）[4]。此時，金融監(jiān)管機(jī)構(gòu)可采取動態(tài)調(diào)整的金融監(jiān)管方式，前期發(fā)布非正式指導(dǎo)，在創(chuàng)新技術(shù)成熟后再制定更為正式的規(guī)則。例如：金融監(jiān)管機(jī)構(gòu)通過演講、聲明、新聞稿、警告信、解釋性指導(dǎo)和非公開會議等方式，在現(xiàn)有法律法規(guī)框架內(nèi)對人工智能技術(shù)在金融領(lǐng)域的應(yīng)用提出具體要求（Wu，2011）[5]。

（四）探索“沙盒”監(jiān)管模式，明確準(zhǔn)入要求和退出機(jī)制

為鼓勵金融科技創(chuàng)新，推動人工智能技術(shù)廣泛應(yīng)用，應(yīng)主動探索“沙盒”監(jiān)管的模式，鼓勵中低風(fēng)險領(lǐng)域先行先試，但要明確準(zhǔn)入要求和退出機(jī)制，避免潛在風(fēng)險。其原因是人工智能技術(shù)或使金融交易以驚人的速度和規(guī)模在金融產(chǎn)品和金融市場之間“高速切換”，放大金融風(fēng)險的“羊群效應(yīng)”，準(zhǔn)入和退出要求均能有效避免測試期內(nèi)任何錯誤影響的放大?！吧澈小北O(jiān)管需明確準(zhǔn)入要求：一是如果人工智能技術(shù)創(chuàng)新對金融體系產(chǎn)生系統(tǒng)性影響的風(fēng)險較大，或者創(chuàng)新過于復(fù)雜且難以理解，那么應(yīng)用此類技術(shù)的金融機(jī)構(gòu)將不能被納入“沙盒”監(jiān)管框架；二是系統(tǒng)重要性金融機(jī)構(gòu)不能僅依賴一家第三方技術(shù)公司提供的人工智能技術(shù)；三是使用同一算法的金融機(jī)構(gòu)，不能同時測試其創(chuàng)新產(chǎn)品。同時，應(yīng)建立“沙盒”監(jiān)管的退出機(jī)制：一是在沒有充分的證據(jù)證明某一項(xiàng)金融創(chuàng)新有繼續(xù)測試的必要性時，測試一段時間后，測試應(yīng)自動終止；二是在“沙盒”監(jiān)管測試過程中一旦發(fā)現(xiàn)創(chuàng)新可能威脅金融穩(wěn)定，則應(yīng)終止對金融創(chuàng)新的測試。

（五）應(yīng)用人工智能技術(shù)有效解決“監(jiān)管套利”風(fēng)險

由于人工智能算法的復(fù)雜性和隱蔽性，金融監(jiān)管機(jī)構(gòu)全面理解金融創(chuàng)新的邏輯面臨挑戰(zhàn)。金融機(jī)構(gòu)可能會嘗試選擇性地將忽略尾部風(fēng)險的數(shù)據(jù)集代入模型，從而試圖尋求“監(jiān)管套利”。同時，僅用文字規(guī)則來解決金融風(fēng)險問題可能也會為監(jiān)管套利提供空間。因此，金融監(jiān)管機(jī)構(gòu)可以開發(fā)自己的人工智能應(yīng)用來檢查用于訓(xùn)練算法的數(shù)據(jù)集，并評估這些訓(xùn)練數(shù)據(jù)是否充分考慮了可能會影響整個金融系統(tǒng)安全的尾部風(fēng)險，進(jìn)而判斷金融機(jī)構(gòu)是否存在套利行為。此外，深度嵌入金融科技的金融產(chǎn)品需要可信任的基礎(chǔ)。金融監(jiān)管機(jī)構(gòu)可通過技術(shù)手段，設(shè)計“剎車”機(jī)制，當(dāng)金融交易發(fā)生得太快而來不及人為“干預(yù)”時，金融監(jiān)管機(jī)構(gòu)可實(shí)施技術(shù)性干預(yù)措施，阻斷風(fēng)險蔓延、消除風(fēng)險共振；也可引導(dǎo)金融機(jī)構(gòu)將信任機(jī)制融入金融科技產(chǎn)品開發(fā)的每個階段，如用戶體驗(yàn)、關(guān)鍵功能開發(fā)、業(yè)務(wù)分析等。

（六）適度拓展金融監(jiān)管邊界，有效解決“監(jiān)管逃逸”問題

一方面，隨著人工智能在金融領(lǐng)域的廣泛應(yīng)用，金融市場活動將越來越受到算法的驅(qū)動，“影子銀行”產(chǎn)品等或有更多的機(jī)會偽裝自己，以期實(shí)現(xiàn)監(jiān)管逃逸。同時，人工智能將促進(jìn)高頻交易快速發(fā)展，潛在金融風(fēng)險的傳播速度指數(shù)級提高。為維護(hù)金融穩(wěn)定，金融市場參與者須向金融監(jiān)管機(jī)構(gòu)披露其算法和可供學(xué)習(xí)的數(shù)據(jù)源，使金融監(jiān)管機(jī)構(gòu)可通過模擬運(yùn)行算法來了解金融產(chǎn)品和服務(wù)的創(chuàng)新原理。另一方面，當(dāng)使用人工智能技術(shù)的金融市場參與者未處在當(dāng)前的金融監(jiān)管框架下時，適度拓展金融監(jiān)管邊界以解決技術(shù)創(chuàng)新滋生的“監(jiān)管逃逸”問題具有較強(qiáng)的必要性。為解決“監(jiān)管套利”的區(qū)域溢出效應(yīng)，有必要加強(qiáng)金融監(jiān)管國際合作，促進(jìn)技術(shù)信息共享，從而充分認(rèn)識新興金融科技風(fēng)險，并形成一系列協(xié)調(diào)應(yīng)對措施。

注：

①https：//discingdaily.com/innova-colossus-review/.

②https：//analyticsindiamag.com/scienaptic-systems-uses-ai-enabled-ether-offer-customer-solutions/.

③https：//www.socure.com/.

④https：//www.zest.ai/.

⑤https：//kensho.com/.

⑥https：//derivativepath.com/.

參考文獻(xiàn)：

[1]廖高可，李庭輝.人工智能在金融領(lǐng)域的應(yīng)用研究進(jìn)展 [J].經(jīng)濟(jì)學(xué)動態(tài)，2023，（03）.

[2]Hilary J. Allen. 2022. Driverless Finance：FinTech's Impact on Financial Stability [M].Oxford University Press.

[3]Erik F. Gerding. 2009. Code，Crash，and Open Source：The Outsourcing of Financial Regulation to Risk Models and the Global Financial Crisis [J].Washington Law Review，127.

[4]Joann Barefoot. 2020. A Regtech Manifesto：Redesigning Financial Regulation for the Digital Age[R].Alliance for Innovative Regulation 10，Jul.

[5]Tim Wu. 2011. Agency Threats [J].Duke Law Journal.