正文
近期频繁爆发的互联网金融风险“跑路”事件如E租宝、泛亚、中晋系等借“金融创新”、“互联网金融”之名，行非法集资之实，涉案金额巨大，覆盖全国众多地市，严重损害了广大民众的利益，扰乱了社会经济、金融的正常秩序。为防范互联网金融风险和化解潜在隐患，提高金融监管的前瞻性、时效性和精准性，构建大数据驱动的互联网金融风险监测预警系统，树立“技术驱动型监管创新”思维在现阶段显得尤其重要和紧迫。
总体上，在互联网金融监管国际合作机制尚未形成、我国互联网金融监管立法滞后缺失、跨部门协同不够、政府信息共享难以及法律环境仍不成熟的背景下，互联网金融行业监管始终滞后于发展要求，监管与创新的不同步蕴含着发展与风险的并存。
由于互联网不分地域、快速传播、涉众面广等特性，互联网金融监管相比传统行业监管面临着更多的困难。目前，我国现有的互联网金融监管模式存在“五难”现象，互联网金融监管技术手段亟待加强。主要表现在：
一是发现难，单靠人防已无法应对当前严峻形势，技术防范能力不足，包括日常监测、信息共享、证据收集留存等方面。
二是研判难，立案前的调查、取证、分析、研判、定性等环节职责不清。
三是决策难，缺乏精确的数据证据支撑，打击非法集资的时机难以把握。
四是控制难，由于没有日常登记托管制度，数据缺乏，非法集资案件一旦爆发，无法有效“控人员、控资金、控资产、控事态”。
五是处置难，案件的管辖权难以确定，处置原则难以统一。随着商事主体登记的更加便利，大量互联网金融企业的注册，我国急需加强技术手段对这些企业进行风险监测和预警。
共享实用程序：允许公司通过云或在线平台共享服务共享解决方案以降低行业的负担和监管成本。云/云计算：鼓励企业使用创新软件，允许企业通过互联网提供的按需计算服务。在线平台：鼓励监管机构和被监管者在政策设计和新技术推广方面更多地互动，提高金融、技术界对法规和合规性的理解。备选报送方案：允许被监管公司使用不同方式的软件向监管机构提供数据，或允许他们简化流程和调整内部系统。
实现集成、标准化和智能理解类技术
语义技术和数据点模型：将规范文本转换为编程语言的技术，实现机器可读规则更多的自动化。共享数据标准：实行统一数据标准，分享对监管数据结构的共同理解，简化交互并帮助消除歧义。应用程序接口（API）：允许使用交互的技术并提供创新平台，鼓励系统之间的集成和互操作性。
实现预测、学习和简化数据类技术
大数据分析：跨多个数据集使用大数据分析可以提供新的见解和明智的决策。风险预警和合规性监测：允许实施开放性、非侵入性监控以及通过关联多个信息源和使用强大的计算引擎来识别实时风险/欺诈可以降低风险和误报率。建模/可视化技术：允许使用建模技术评估预测监管的影响以及模拟行为和交互操作来评估它们对整个系统的影响。机器学习和认知技术：利用人工智能从数据和模式识别学习中获取知识获技能以达到重构/改变算法。或者允许系统根据用户的输入自动重新评估和完善流程。
实现监管合规流程的新方向技术
区块链通过安全记录和加密方式验证数据，使数据在分布式数据库中能跨网安全共享并增加流程的透明度。内置合规性：可以实现自动启动监管“程序代码”，减少监管和人员成本。生物识别技术：用于测量和分析人们的生理特性和行为特征，使用更有效和可靠的方式验证身份。
总而言之，大数据时代，计算模式的核心从“流程驱动”转向“数据驱动”。用数据价值思维方式思考问题，解决问题。大数据提供的信息使得决策更加科学智能化，动态实时化，即通过数据解释、数据分析能产生价值。用信息找人的思维方式思考问题、解决问题，注重用大数据决策而弱化人的主观因素。例如，以多源数据为驱动，对数据预处理，通过机器学习形成信息融合子模型，得出综合评分信息作为决策依据。大数据监测预警金融风险是将金融杂乱无章的风险信息转化为智能数据决策活动，从而提供金融风险评估和监测预警能力。
科技驱动金融监管创新
一是构建主动、包容的金融监管框架，具体来说打造监管机构与市场信息互动共享空间，构建监管机构与金融服务提供商间的定期知识共享机制。
二是构建互联网金融风险常态化监测和风险预警研判机制，动态监测、及时识别和主动防控金融科技整体风险和个别高风险领域。
三是实施监管机制创新，设立“监管沙盒”，运用监管科技，提升监管的主动性和有效性。
技术重塑监管新范式
借助高科技辅助金融监管，可分成两类，一类是“器”，一类是“术”，“器”更多的是指硬件、大数据、运算速度，“术”是对这些风险数据信息的处理，包括文本挖掘、数据挖掘和生物识别技术。具体来说，技术重塑监管模式的新范式主要包括以下几点：
一是以大数据为驱动，利用人工智能和数据挖掘等技术实时处理多源的风险相关的信息，建立风险预测监测模型，以达到及时、有效地识别流动性风险，从而帮助金融机构规避流动性风险。
二是利用人工智从用户提供和搜索到的大量信息中提取有用部分，对该部分信息进行分析并反馈给互联网金融机构，从而降低了交易双方的信息不对称性，降低了道德风险。
三是利用区块链技术以低成本建立共识信任，打破“信息孤岛”，提高信息披露透明度、实现更好用户数据的隐私保护，有助于提高整个金融系统的安全性以及减轻政府的监管负担。
“冒烟指数”实现大数据风险监测预警
其最初构想来源于“森林开始冒烟是要发生火灾”，通过烟与火的形象比拟来推断冒烟指数与非法集资企业的关系，即从集资类企业冒烟指数高低来判断其从事非法集资类业务的倾向性。
冒烟指数实现大数据重塑金融监管流程：通过爬虫技术收集监测企业公开的互联网数据信息，基于海量大数据风险信息，凭借机器学习、知识图谱、自然语言处理、云计算等技术，通过两次非法集资风险点比对、一次人工专家干预等一系列步骤，得出综合风险评分。也就是说通过大数据挖掘的手段对研究范围内的企业进行及时有效的综合风险筛查与预测，并为监管机构提供差异性处理策略的依据。
其突出优势在于：一是降低对现场检查、汇报数据的依赖，变被动监管为主动监测，破解地方监管与开放主体的难题。二是预警监测有效前置，可根据冒烟指数的程度采取关注、警示、约谈等监管措施，既防患于未然，提高监管措施前瞻性、及时性。
非法集资监测预警平台作为金融风险监管平台的一部分，可以凭借在大数据打击非法集资风险监测预警方面积累的业务知识和实践，以技术驱动监管创新为理念，落实建设全国性互联网金融风险监测预警云平台，对金融风险进行全覆盖、全行业的常态化监测预警。以满足市场需求和解决现实问题为导向，运用大数据分析和数据挖掘技术实时处理与互联网金融风险相关的信息，以达到金融风险常态化监测预警的目的，属于金融科技的应用方向之一。
目前，国外已经把监管科技成功地应用在大量量化业务、信息业务、风险识别，形成了一系列敏捷实用的管理工具如立法/监管差距分析、合规性、健康检查、活动监控、风险数据仓库、风险报告自动化生成等。包括：技术驱动型监管创新，利用大数据和人工智能技术实现监管的日常化和智能化，并在一定程度上实现从分析到预测，及时防范金融风险。数据共享和开放，通过数据共享和开放，来实现多数据源的关联分析，通过关联关系的挖掘从而发现金融风险和违法线索。通过更多的实时监控管理，实时和系统嵌入式合规和风险评估工具允许通过自动化收集，评估和呈现数据的方法，自动化生成报告，从而进行更加先发制人和主动的风险管理。
上一篇：对商业银行理财业务转型的思考
下一篇：设想与解读：行业发展及其监管导向
