基于大數據平臺的資金監管機制探析

王璇

摘 要：隨著大數據浪潮在科技監管的時代碰撞，其強大的新處理模式為監管帶來更多的可能性。在我國現階段面臨著資產總量膨脹而實體業徘徊低迷的現狀下，構建大數據監管平臺，從海量異構數據中挖掘更多價值，多維度描繪市場表現，有利于防范經濟過度脫離實體的潛在風險。本文以資金在市場運轉的來源和去向為線索，厘清過程中關鍵參與主體和薄弱環節，探析大數據平臺在監管中的功能架構和運作機制。

關鍵詞：科技監管 大數據 資金動向 脫實向虛

中圖分類號：F832.1 文獻標識碼：A 文章編號：2096-0298（2018）12（a）-011-04

1 大數據平臺賦能科技監管

RegTech，即監管科技—— “監管（Regulation）”和“科技（Technology）”的合成詞，指應用科技創新實現高效監管的過程。傳統模式下運用計算機技術構建的量化風險管理體系，是基于傳統結構性數據事后的、手動的監管，隨著經濟體量日益龐大、市場形勢復雜多變，已難以滿足實時性和靈活性的要求，對數據質量和管理也缺乏嚴格的把控[1]。而大數據技術的意義就在于其捕捉、存儲和分析的能力遠遠超出傳統數據庫軟件的范圍，依托新處理模式對全部樣本而非抽樣進行多維度分析，十分切合金融數據海量、高增長率和多樣化的特點，為監管模式的變革帶來更多可能性。

各行業都呈現出數據導向的趨勢，紛繁龐雜的市場下，每一筆細微交易如同微觀粒子，其運動情況反映了經濟體系中以貨幣表現的價值量與其對應實物量之間的狀態和發展趨勢，疊加出了市場形態。數據和信息不僅反映當前市場的細微動態，更暗含未來趨勢的蛛絲馬跡，可作為識別系統性風險的依據。目前金融行業云的快速建設落地也奠定了大數據的應用設施，推動了大數據金融生態系統的形成，為科技賦能監管提供了良好的基礎。

2018年2月伊始，美股大挫，三個交易日內市值“蒸發”逾1萬億美元，作為全球股市的風向標，美股稍有風吹草動就會波及全球股市劇烈震蕩。同樣掉頭下行的還有以比特幣為代表的數字加密貨幣，在瀑布式暴跌后距最高點幾乎腰斬。以財富分配、短期套利為主要動機的虛擬經濟過度膨脹，必然導致作為支撐的實體經濟無法滿足其巨大的“胃口”——大量信用被創造，風險不斷積累。

而資金作為實體和虛擬經濟間運轉的血液，從來源看，它是金融機構信用創造的總量和各經濟主體運行的動力來源；從運用看，它投入各領域的結構和效率會直接影響宏觀經濟的運行。所以厘清信用創造總量和結構，構建大數據平臺監管資金動向并對薄弱環節和關鍵主體進行防控及相關應用，有利于引導金融業真正發揮服務實體的作用，也是建立宏微觀審慎監管體系的基本路徑。

2 我國資金運作的機理分析

2.1 資金“從哪來”

2.1.1 宏觀流動性創設及運動框架

從供給端分析資金動向繞不開流動性和流動性運動。宏觀上，它包括從貨幣投入到創造的全過程，因而被作為貨幣總體供給情況的表征；微觀上，指資產以合理價格變現的能力，只涉及貨幣的轉移。

本文主要分析宏觀流動性，可進一步分為基礎貨幣和貨幣供應量兩個層面。首先央行是整個體系的核心，是最終發行者和調控者。它通過貨幣政策工具，如再貸款、再貼現、包括近年SLO、SLF、MLF等[2]，來投放基礎貨幣滿足商業銀行信用擴張的需求，構成貨幣供應第一層次。商業銀行信用倍數擴張，形成某一時點上為社會經濟運行服務的貨幣存量，即貨幣供應量。而輸送到其他經濟部門的貨幣除使用外，會回流金融體系形成循環，是貨幣供應第二層次，如圖1所示。

2.1.2 央行投放基礎貨幣的具體運作

基礎貨幣是宏觀流動性的源頭。伴隨著近年對外匯監管的加強，對沖外部流動性的角色在逐步淡化，并且SLO、SLF等各種新工具的開發表明央行對基礎貨幣投放越來越主動。

2.1.3 信用創造派生形成的貨幣供應

M2歷史上是反映貨幣供應量的重要指標，體現整個金融體系的流動性。我國的M2一直處于高位，與我國高儲蓄、以間接融資為主的方式有關，而且市場化改革、經濟結構改變等因素都會影響M2的反饋。回歸金融業本質是為實體經濟服務，從2011年起，央行公布了社會融資規模指標來反映實體經濟的金融環境[3]，它從整個金融體系的資產方進行統計，將各種表內、表外業務和直接融資等都納入范疇。由于統計角度范圍不一致，二者并不存在數量上的對等關系，但理論上具有較高的相關性。

總之，這些指標都歸結于對信用創造機制的考察，經濟學家伯南克曾提出“外部融資額外成本”概念，即以信用創造體系為基礎的融資會通過影響交易費用改變企業的外部融資額外成本，改變市場機會和資源配置，從而信用創造機制的扭曲會造成資金傳導出現阻礙。

2.2 資金“到哪去”

2.2.1 資金在各部門的投入結構

由于不良貸款率上升，銀行出于自身風險管理和風險容忍度的考慮，其經營活動會受到各種監管要求的制約，導致不同個體、不同行業甚至同一行業內個體的融資難易程度不同。縱向上看，受市場周期賺錢效應變化融資規模逐年變化；橫向上看，各行業運行情況不同，反映在資產總額和增速和資金流入占比差異上，在債市、股市、房地產等“優質資產”交易中尤其突出。

2.2.2 各部門的真正有效投資需求

隨著市場經濟的發展，社會總財富的使用價值和價值不斷積累，投資于各資產以追求價值增值，導致貨幣形式儲藏的財富比例遠高于實物形式。實體經濟的運行，包括其自身的產業結構、產能等因素導致的投資回報率不同，對新增貸款、存款余額特別是活期存款余額增速和固定資產投資增速會產生影響，因為資金偏向于追逐優質資產和短期投機機會，所以實體業真正有效需求偏低。

2.2.3 各部門的資金實際投向

一方面，如果存在的低效或無效投入越多，資金運作的效率會越低，比如資金在賬戶長期的沉淀淤積導致資源閑置；另一方面，資金輾轉進入資本市場、自我循環，或是中間流轉鏈條拉長，抬高融資成本，都會擴大風險、減弱資金運行效果，需要關注這部分資金是否解決了融資問題，實際投向是否合理，換來了相應經濟增長。

3 我國資金面臨的現狀及監管局限

3.1 我國資金動向的現狀總結分析

我國目前確實出現了值得警惕的經濟“脫實向虛”的現象。一方面，金融資產總量膨脹、資產價格快速上漲且劇烈震蕩；另一方面，實體企業的投資效率低下、缺乏有效融資渠道。

“脫實向虛”現象的背后，是實體經濟結構性供需失衡且同時存在金融市場發展不完善、監管相對滯后的問題，主要表現在以下幾個方面。

（1）“真實有效的基礎貨幣”投放不足。“真實有效”是為區別“名義基礎貨幣”而定義的，指用于購買“本國資產”、用于本國經濟建設的基礎貨幣。由于上文提到的對沖操作，使央行在控制外匯占款所導致的貨幣發行量基本不變的情況下，資產負債表中負債端和資產端雙雙增加，所以顯然并不是所有的“名義基礎貨幣”都產生乘數效應。如圖2所示，在剔除購買外國資產后的“真實有效的基礎貨幣”過少，即“真實貨幣乘數”—— “真實金融杠桿”過高，對“真實貨幣乘數”進行分析才更具有說服力。

（2）社會融資規模構成波動較大。人民幣貸款在融資規模中占比一直最大；金融機構表外融資在2007—2013年以年均39.5%的高速增長后，由于監管趨嚴近年來波動較大急劇縮減，在2015年和2016年占比分別為3.8%和6.2%；直接融資占比不大但在逐年增加，2016年非金融企業境內債券和股票融資占同期社會融資規模的23.9%。

（3）實體業“真正有效需求”偏低。近幾年由于產能過剩、成本上升等因素，實體業回報率走低，另外受市場需求的制約，企業投資意愿較弱導致新增信貸需求不足，對資金吸附能力較低。要素稟賦和外部環境雙重變化使得“固定資產投資拉動經濟”模式的效率在逐漸下降。

（4）股市、房市等領域資金過度投入。市場賺錢效應誘使資金向股市、房市等流入，資產價格隨之飆升。債券發行規模特別是政府類融資一直保持高增長，許多基建投資也來源于此，地方政府融資平臺的信貸扭曲帶來很多長期隱患。一些企業涉足房地產、金融業等非主營業務進行投機活動，片面追求資產價值增值。

（5）新興金融業態監管跟進不及時。如圖3所示，眾多融資輸送渠道中，間接融資中除已被社融總量所涵蓋的業務外，仍有大量表外業務因為自身的隱蔽性并未被統計，其經營具有一定風險；同業業務在拓寬融資渠道、帶來高額利潤的同時也隱藏一定風險；各種創新性金融產品在發揮融資避險作用時，也可能成為“脫實向虛”的重要工具[4]，同時跨境的資金流動需要更為有力的監管。

3.2 傳統監管存在的技術局限

3.2.1 由于數據多源分散導致信息孤島化

由于不同部門數據源結構模式存在差別且關注數據的角度不同，數據管理建設的職能就分散在各部門，缺乏統一規劃、可信的數據來源和標準，導致數據不規范、冗余、孤立等[5]，無法從全局視角對數據管理、監督和調控。

而大數據平臺根據業務類型和內容差異進行數據粗分類，在保證信息安全、隔離和合規中立的情況下采集全部樣本非抽樣數據更加精確地提取有價值的信息，將不同領域的數據集打包，消除信息孤島。

3.2.2 監控方式的設定和處理能力不足

傳統監控方式通過恒定閾值或同環比的方式實現告警，雖簡單易懂但存在缺陷。需大量工程師來監控并隨環境變化維護相應人工閾值，隨監控指標增加，告警信息會成倍增加，造成傳統監控超負荷運作，甚至無法準確告警、出現遺漏。數據在波峰突降或波谷徒增、數據緩慢偏離，會很難觸發恒定閾值；當流量在不同時間段不確定時，即閾值范圍不斷漂移，將無法通過人工設定捕捉。大數據平臺利用統計學方式，根據數據的正態分布規律，利用標準差或方差推斷閾值代替人工設定閾值。

3.2.3 數據分析系統的安全性建設不到位

隨著海量數據增加，對數據訪問控制技術、加密保護技術及多副本機制等安全性提出更高要求。相關部門在挖掘信息時一般采用聯機處理，數據分析系統建設不到位使環境的安全性難以保證。從數據庫提取數據再進行處理的過程中可能對傳統數據庫造成破壞、提取的數據在交付處理人員過程中的安全性也會降低等。大數據平臺傳輸中考慮保密性和完整性而設置安全權限控制，對不同種類數據采取不同措施全程防止數據泄漏或被篡改。

3.2.4 缺乏完善的數據全部流程體系運維

傳統系統尚未全面實現自動采集，同時跨局跨部門的數據檢索功能和溝通機制還不完善，存在業務需求不清的現象。大數據的智能運維能夠實時索引識別故障特征或利用學習功能對環境變更調整運維模式，所有數據交換和審批以及監控運維統一由數據信息控制中心負責，避免了跨部門協調及管理不規范等人為的時間損耗，提高數據的流通和使用效率。

4 大數據監管平臺的運行機制

4.1 大數據監管平臺機制分析及運行框架

4.1.1 大數據監管平臺運行框架

運行框架如圖4所示，通過對各機構、業務、交易等進行資金實時動向追蹤，依托分布式處理、數據庫、實時流數據、分析技術等，建立流量統計、智能篩選、模型設計、動態監測、風險預警等系列應用，實現動態監管。

4.1.2 大數據監管平臺的運作機制分析

包括5個層面：數據采集層、數據處理層、數據分析層、數據展示層、數據共享層。

（1）數據采集層根據數據存儲介質、類型和傳輸方式，借助不同的工具實現不同源、不同結構數據的導入，并且在導入基礎上進行簡單清洗和預處理工作[6]，對批量數據單設前端原始數據池，暫時存儲前端流入的多源異構數據，供大數據平臺處理調用。

（2）數據處理層由多個單元組成，除屬性篩選與流量統計等基礎應用外，還可轉換成結構化數據或時間序列數據方便后續處理。如時間序列聚合是把每單位時間采集的原始數據轉換為時間序列再對單位節點數據聚合；業務維度聚合則根據數據發生的時間、地域等業務維度聚合，得到多維業務數據。

（3）數據分析層是核心環節，主要針對數據隱性價值，基于可關聯數據庫比對挖掘，包括屬性關聯挖掘、趨勢分析挖掘、自定義指標挖掘等[7]。關鍵是人工設置算法模型定向監管，比如相互印證資金流向與實體經濟運行的周期指標、針對經濟結構調整對應可承受杠桿率、針對跨境資金流動設定外債統計、收支統計監測系統形成外匯儲備的有效調控體系等。

（4）數據展示層是溝通復雜信息的強大武器。由可視化工具將復雜的數據轉化成相對容易理解的圖形圖表等視覺效果幫助人們直觀了解數據的意義，是數據處理分析層的進一步歸納總結，展示更多關聯價值。

（5）數據共享層通過建立數據服務對接平臺來滿足跨部門跨系統的數據調用，打破部門間壁壘，推動各部門職能由管理轉為服務，提高數據利用率和透明度。大數據監管最終目的是服務于各經濟部門、單位，更方便更多樣化地提供數據服務，提升監管的意義。

4.2 關鍵環節應用及優化機制

4.2.1 實現統計數據的高速更新

上文分析是以資金來源和去向為線索，各指標都是資金流量表的實際應用，而資金流量統計恰恰非常滯后，加上統計部門的協調問題會耗費大量成本。大數據技術識別中剔除垃圾數據，利用算法模型有效解決數據量大雜亂的問題，建立跨領域的數據關聯幾乎實現實時更新，大型仿真訓練頁帶來顯著增加的運算量。

4.2.2 建立宏觀金融運行監測體系

（1）流動性風險識別。利用大數據深度分析，選取貨幣供應量、社融規模、利率、匯率等相關一系列指標加權構建實體流動性狀況指數，從來源、去向、資產負債表、政策等多重衡量流動性的數量型和價格型兩類指標，使流動性之水服從“流動性走廊”，服務實體經濟。

（2）虛擬經濟過度膨脹預警。通過相關指標的選取、篩查與比對，再基于大數據關聯性分析，根據歷史數據庫提前洞察市場的“暗波洶涌”，實現“提前治理”，即在問題未出現前采取有效措施或在政策失效前予以改進，將看似毫無關系的信息結合，判斷趨勢和異常。

4.2.3 對關鍵參與者主體行為畫像

金融市場復雜性、脆弱性和關系鏈條必然牽動整個市場發展[8]。對市場關鍵參與主體進行規制，如對金融控股公司股東資質的管理、外資金融機構的跨境資金流動、金融機構跨市場跨業的創新產品等。

（1）進行事前監管防控。事前監管是掃清金融市場潛在隱患的有效方法。通過對不同參與者進行入庫分析、分類監管、建立交易模型，對投資者的交易情況、上市公司的活動概況和金融機構的經營業績和管理活動全方位畫像并綜合打分，以嚴格控制參與者的市場行為，提高對市場不當操作的識別[9]。

（2）防止內幕和非法交易。隨電子化程度加深，參與市場后的留痕從交易信息擴展到地理位置信息，甚至日常消費信息、瀏覽信息及社交信息等，從而推演出活動路線圖，對內幕交易的發現取證有重大意義。監控平臺基本建設思路是利用以往案例收集特征詞，通過“兩次比對，一次干預，最后確認”的一系列步驟，涵蓋面極廣，對異常情況不同級別的處置，做到防患于未然。

5 結語

經濟與金融的高度融合，凸顯了貨幣體系與金融監管協調的重要性[10]。現階段金融市場日益復雜，尤其在經濟動能減弱的背景下，控制好貨幣金融體系是實體經濟運轉之前提。要建立一套能有效維護宏觀經濟與金融、杠桿率健康穩定的貨幣資金運行框架和調控體系，既要在調結構、防風險下保持平衡，也要在金融監管、金融業發展、金融服務實體經濟三者之間保持平衡。大數據時代是處理分析數據的升級，更是科學監管模式的革新。借助現在國家大力推動大數據應用的熱潮，加之合理立法，集中整合金融市場的大數據戰略資源來反哺社會，這樣強調良好結果導向的科技化智能監管的新模式，必將是未來監管的走向。

參考文獻

[1] 孫華東.商業銀行統一數據管控平臺設計與實現[D].上海交通大學，2015.

[2] 朱之偉，鄭斌.中央銀行再貸款風險防范系統設計與實現[J].華南金融電腦，2004（18）.

[3] 張林.金融業態深化、財政政策激勵與區域實體經濟增長[D].重慶大學，2016.

[4] 周宜強，張曉麗，邱峰.當前國內資本“脫實向虛”傾向的表現、成因、危害及應對[J].征信，2017（6）.

[5] 周錦標.企業級數據管理體系的構建[J].中國金融電腦， 2011（8）.

[6] 郭曉東.城市交通一卡通數據分析初探[J].交通世界（上旬刊），2017（1）.

[7] 王子陽，羅敦浪，謝先恒，等.淺析數據挖掘技術的概念及運行過程[J].魅力中國，2016（28）.

[8] 王輝.金融創新、復雜性與金融市場不穩定[J].現代管理科學， 2012（3）.

[9] 王冀寧，陳銘，陳庭強.中國金融市場監管行為的演化博弈研究[J].北京理工大學學報（社會科學版），2013（5）.

[10] 盛松成.社融與M2增速背離看金融去杠桿[J].中國金融， 2017（21）.