AI金融评论9月29日报道，近年金融科技发展迅猛，对金融监管提出了新要求。由深圳市科学技术协会和深圳市罗湖区人民政府主办，深圳市源创力离岸创新中心和深圳市和信中欧金融科技研究院承办的“中英金融监管科技高峰论坛”于近日举行。本届论坛邀请了国内外顶级学府资深教授、政府机构、金融科技领域权威人士、境内外知名企业参会。
深圳市和信中欧金融科技研究院（以下简称研究院）是一家以金融科技创新、金融科技人才培养和金融科技产业化为宗旨的非营利性研究机构。研究院的建设获得了深圳市罗湖区政府的大力支持。研究院拥有一支世界一流的研究团队，团队成员以牛津大学、北京大学和卢森堡大学的教授和博士为主，主要从事智能合约安全验证，安全区块链，智能身份认证以及金融相关的人工智能和大数据技术的研发工作。研究院院长Bill Roscoe教授是英国皇家工程院院士，安全验证领域泰斗级科学家，原牛津大学计算机系主任。研究院从事的技术研究工作与产业紧密结合。
会上，清华大学五道口金融学院教授、中国人民银行金融研究所所长、和信中欧金融科技研究院学术委员会主席谢平以“人工智能与金融监管”为主题发表了演讲。谢平教授被称为“互联网金融之父”，在昨日的论坛上，谢平教授指出，目前来说，基于各类科技的成熟，数据的收集和处理获得极大的进步，与金融监管相关的数据已经比较齐全，数据的广度、质量达到了可推动AI落地应用的阶段。因此，与AI在金融投资领域的应用快速发展一样，谢平教授表示，“将来金融监管会慢慢走向人工智能化。”
“从数据本身、数据技术和计算能力看，为中国金融监管服务的数据科学没问题，只是目前我们中国做的不大好。”
以下是谢平教授演讲原文，雷锋网AI金融评论做了不改变原意的编辑：
金融大数据基础完备
数据维度广：信息化程度高
金融监管确实很费劲，需要很多人力和物力，而且国家也做了很多的预算，像证监会、银监会等三会也加强了金融监管力度。我这篇文章也是做一个远景的假设——金融监管怎么样能够优质地解决这个问题。金融监管在应用人工智能的方面，我认为将来的方向肯定是无法想象的。
首先，跟金融监管有关的数据比较齐全，数据的广度很大，所有监管的身份曝光、用户照片、指纹信息等等，这些中央机构都有。现在人们到集团、证券公司去都要拍照，动不动就要人脸识别、写清楚信息。所以，社会数据很好，数据的广度已经有了。
现在几乎（所有）银行的客户的身份数据非常全。我们国家的市场数据很好，我们国家几乎所有证券市场、资本市场、银行监事、货币市场的数据，存款、贷款等整个金融市场相关的数据生成的时候就是数字化，几乎没有纸质的。
行为数据有点复杂，可以从社交媒体、微信抓取，从各种各样的互联网用户对金融市场的评价、自己的体会，（到）对银行、股价的评价、转发以及评论，这些行为数据用现代技术都可以抓到，而且人工智能可以分析。
数据质量高：标准化、时效强
交易数据实现了全部数字化，监管数据也是。我们国家监管要求，所有的法规法律，银监会、证监会、保监会（出台规定）等整个监管都不仅需要数据的广度，而且是深度。并且，机器处理已经非常容易了，可以非常容易地把它标准化，因为我们平时任何行业都没有像金融行业这样，其数据很容易标准化，而且很容易抓取，这些数据基本上能够覆盖金融具有的行为风险。这是很重要的。
数据质量高的第二个大方面就是时效问题——每一秒钟、每一时刻，我们的监管方式只要你的电脑速度够快，只要你的技术好，实时数据、无缝对接，都没有问题，我们中国整个跟金融相关数据的时间差几乎没有，金融机构和监管当局的接口都是对接的，而且还有很多的中介服务，会计事务所，各种各样的网络公司、银行服务公司都有数据，所以说数据收集是没问题的。
数据技术成熟
数据技术是难以成熟的，（比如）怎么样分析数据、归纳数据、进行分类。计算机速度也很快，现在中国的云服务也服务的非常好。
所以说，我第一部分的主要结论就是，从数据本身、数据技术和计算能力看，为中国金融监管服务的数据科学没问题，目前我们中国做的不大好。
风险指标参数明确
第二大部分就是风险指标。
当数据充分发达以后，监管需要的风险系数、参数都很明确。因为银行、证券、保险、信托、财务公司以及各种各样的金融机构，只要实现好上面提的边界——你要衡量风险、资本冲突率、贷款集中率、单一客户集中率……各种各样的风险指标，用电脑把它们转化为参数非常容易。
另外，监管标准是由世界上独立的研发室规定的，国际组织加保险行业的决策，以及各种各样的监管机构组成（这样的研发室），将监管标准转化为风险指数的参数。这样的话，在人工智能当中就可以嵌入这些风险场景。两个条件：一，数学基础好，二，风险参数也明确。
现在大家知道，人工智能在许多领域都已经运用的很好了，尤其是在新媒体公司，进行交易、语音识别、图像识别，今天上午介绍的交通规则、城市管理，都可以用人工智能。所以说，原来人工智能在金融部门主要有三个用途：金融监管、证券合作、货币风险。
现在货币政策和证券投资相比较复杂一点，金融监管方面可能相比较简单一些。为什么呢？关于证券，机器人模拟人的行为很复杂，人的心理因素。但是监管是比较容易的，都是参数。
再加上现在的监管科技也已经发达了，在金融机构内部，好多金融机构为了应付合规，也运用了大量的监管科技技术。比方说，节约数据处理资本、反洗钱、反欺诈、了解客户的软件等等，现在这些现成的为金融机构提供的监管器械已经在运用，它可以很容易处理监管的大数据。
人工智能金融监管的工作机制
在这种情况下，银行三会或者说监管当局，主要是银行监管，这种机制我们有几种假设：
第一，人工智能金融监管的基本原理
当数据足够大的时候，金融机构所有工作人员关于金融监管的知识组合这个概念很重要，这些人关于金融监管的知识组合，机器是可以学习的，而且是不断地改进学习。机器学习可以模拟统计规律，自动校准算法并跟踪每个金融机构的风险和金融系统的风险，给出解决方案，而且机器可以给出处罚规定，给出教育；因为处罚规定也是现成的，你违规，罚款多少，高管处分，这都是有参数、有明确法令的。
所以说金融监管不涉及人的感情、文化，机器完全可以替代，而且机器也可以不断地学习现有的监管理念。
举个例子，一行三会的监管人员假设（有）5万人，这5万人对于监管的知识电脑管理可以做，他给电脑分析股价，因为监管的规定是死的，一段时间都不会变。然后，运用人工智能对数据进行实时的搜集和整理分析，保障监管的实时性和动态性。
这个机器做的肯定比人好一点，因为机器24个小时不停，它每分钟都可以工作，人还会累还要加班。自动识别、风险识别，机构风险和系统风险主要靠算法，只要你有一个算法，算法是不断改进的，机器完全可以自动识别，盯住每一个金融机构的风险系数来识别这个机构怎么样。
美国证监会也说到，美国证监会作为全世界最大的金融交易系统数据场所，它每天的交易记录有580亿（条）（这么多），而且美国纳斯达克自动识别内部交易的系统，现在都用的很好，我们的证监会也跟他们签了合约，相互借用这个技术。现在证监会抓内部交易也抓的比较快，算法一下子就算出你的相关账户。这是在纳斯达克做的。
而且，加州理工有两个博士生利用北京的地铁系统，推测到有些人上车下车，通过地铁的视频很容易找到那两个人（偷窃），他上班时间不上班嘛。这个例子就说明只要有大数据技术，只要你电脑运算快，而且视频的比对都可以在监管上运用，这些都比监管运用的好。以上两个案例都是利用统计规律，同样适合于金融监管应用。
人工智能一定要换个概念，在监管方面这些人工智能是会自己不断学习、不断完善自己的知识，这和我们人是一样的，这是他优秀的点，会自己校正。现在甚至已经造出了给自己编程序的人工智能，（对）监管变化进行修正和改进。
预警作用
一旦有机构有了一些问题，人工智能就可以预警。预警可能是人工智能在金融监管领域当中突破的第一个环节，当人工智能发现我们的金融机构出现风险征兆的时候，会主动预警、提醒。这个过程有点像持续的压力测试，等于机器在盯着每一个金融机构，观察你每一分钟的估值、变化、风险，整个金融资产和风险比对的关系。
在这个问题上，人不可能做到，人工智能可以做到，它把所有的交易，在每一分钟系统价值、风险场景、风险计价都算出来，然后给出预警。
举个例子，工信部的信息中心；针对现在国内互联网金融也有一个自动的检查舆情技术，可以分析国内1000多个网站机构，（进行）跟踪，这是利用爬虫技术，跟踪每一个网站机构，监管方也在用。
评级业务处罚
当机构超过红线的时候，因为接口是人工智能自动接的，人工智能有可能自动把你的某些业务停止，不让你做。我们现在的人工做法就是检测你的业务，不准你拆借、发行产品，将来一旦这种产品和人工智能对接的话，它就会自动停止，而且自动进行网上通报：某某机构已经出了风险，某某产品已经停发。
这些都是标准的，人工都没法做的——观察你的改善状况，看机构指标什么时候回到正常指数，回到正常指数它再松开你的窗口让你去做业务，最后解除处罚。这些实际过程，人工智能都是可以智能操作的，而且可以经常发生，一般情况可以改善和减轻。
所以说，人工智能可以经常对金融机构处罚、解除，这就说明人工智能可以把整个金融监管工作在时间序列上不断地连续下去，不像人类的工作流程——内部要处罚一个机构，还得写签报，报给处长签，处长签完了主席签，然后再通知出去。如果你进入人工智能系统，整个让金融监管进入一个智能的阶段。
总结：大数据和金融创新下的金融监管
在大数据的条件下，传统监管手段面临的局限性，金融交易的日益频繁，其复杂性越来越高，传统监管手段已经力不从心。人工智能可以快速处理大量数据，通过机器学习挖掘数据潜在联系，更新知识库，成为大数据条件下金融监管的有效手段。而且第二点就是金融创新是在深刻影响现在的银行体系，账户支付、存款、贷款，一些金融业务都将发生改变，人工智能监管是应对这些挑战的有效途径。
我认为将来金融监管会慢慢走向人工智能化。
这就是我今天的发言，谢谢大家！
