原创《大数据如何助力监管科技》：此文是一篇助力监管科技论文范文,为你的毕业论文写作提供有价值的参考。
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.
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 、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,通过和由监管政策、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,这和金融系统的复杂性、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、征信业务都是在特写作度框架下推动的,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廣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,还涉及金融行业和 、工商、海关、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,是监管部门需要考虑的问题.*学的进步为数据共享中的安全问题提供了可选的解决方案,除此之外,还需要建立配套的机制实现对数据使用权限的管理.数据的聚合程度越高,相应的密级越高,访问控制越严格.对密级高的数据,可考虑用机器操作,减少人工操作.
数据质量的问题.大数据推崇使用全量分析,而来源不同的各种信息聚合在一起会加大数据的混乱程度,一些错误数据也可能由于规避特定监管要求等因素而混进数据库.统计学者和计算机科学家指出,巨量数据集和细颗粒度的测量会导致“错误发现”的风险增加.事实上,应用大数据并不意味着放弃“小数据”,“小数据”中已有的经典数据模型和成熟的统计理论,在某些场景下分析效率更高,将大数据和“小数据”相结合,往往能达到更好的效果.因此,对于宏观审慎管理而言,应该严格把控数据来源的可信度和数据质量,对于最终的分析结果,需要运用“专家判断”的方式予以确认和矫正,对模式识别的风险信号做人工判定,减少因数据失真、模型算法失效而带来的风险,以保持决策的准确性和权威性.
相关建议
助力监管科技论文参考资料：
结论：大数据如何助力监管科技为关于本文可作为助力监管科技方面的大学硕士与本科毕业论文助力监管论文开题报告范文和职称论文论文写作参考文献下载。
