金融科技發展中的若干關系問題探析

■王去非

金融科技在賦能金融發展的過程中，與金融機構、金融監管、金融基礎設施建設以及金融消費者權益保護之間引致出的幾類關系值得研究，主要包括：部分金融機構“淪為”金融科技企業的資金來源和牌照通道，金融業務流程隱藏著技術黑箱，科技被用來反監管，趨同化算法引發風險共振，云服務等技術可能引發金融機構系統性運營風險，部分金融科技企業平臺具有金融基礎設施屬性但又缺乏公共性和中立性，算法歧視與信息盜用損害金融消費者權益等。本文在對這些問題進行深入分析基礎上提出了政策建議。

近年來，人工智能、大數據、區塊鏈、云計算等技術的興起，正深刻影響著金融生態，改變著金融業態。金融科技在服務實體經濟、促進普惠金融發展、提升金融風險管理水平等方面，發揮著越來越大的作用。科技在廣泛滲透并賦能到金融領域的方方面面過程中，與金融機構、金融監管、金融基礎設施建設以及金融消費者權益保護之間也出現了一些新情況、新問題，甚至出現了一些矛盾和沖突。因此，如何正確認識和審慎處理金融科技與金融領域諸多方面之間的關系，做到抑弊興利，值得持續關注和深入研究。

一、金融科技與金融機構融合發展的關系問題

（一）金融機構與科技企業主從關系轉換

在第三方支付“鼎盛”時期曾發生過銀行被后臺化的情況，即支付機構通過開設虛擬電子賬戶，可以一對多與銀行實體賬戶進行綁定，使得銀行經過多年積累才獲得的賬戶體系成為了第三方支付虛擬電子賬戶的后臺。在相關監管政策出臺前，眾多銀行面對大型支付機構均處于弱勢地位，只能被動接受支付指令劃撥資金，卻無法得到支付交易雙方的具體信息（馮彥明和高璇，2019），使得反洗錢等監管要求無從落實。

在出臺支付新規并設立網聯后，銀行被支付機構后臺化的現象得到了徹底扭轉。但目前又出現了部分中小銀行信貸業務被金融科技企業邊緣化的現象。典型的如騰訊所創的“微粒貸”，采用的是同業合作、共建聯合貸款平臺的模式，由騰訊負責貸款客戶名單篩選、風控等。平臺發放的貸款中，20%甚至更低比例由騰訊作為最大股東的微眾銀行出資，80%以上貸款資金由合作銀行提供。騰訊的這種聯合放貸模式迅速被螞蟻金服等其他金融科技企業效仿，眾多城市商業銀行以及部分農商行相繼參與合作。一些合作銀行由于自身成本、能力以及與金融科技巨頭的地位不對等等原因，在聯合放貸中只負責按照金融科技企業的指令放款，不參與風控、貸后管理等核心業務，其作用和地位也變成了金融科技企業的配資渠道。

隨著市場競爭日益激烈，金融產品不斷豐富，金融市場將可能逐漸轉為更加標準的“買方市場”，屆時擁有海量客戶資源的金融科技公司在金融機構面前將可能更加強勢，如果不處理好兩者的關系，越來越多擁有牌照的金融機構將喪失風險管理等核心業務能力，淪為金融科技公司的通道。

（二）金融業務流程隱藏技術黑箱風險

人工智能通常采用基于神經網絡的機器學習方法（伍旭川，2018），而這種方法存在著人們尚無法洞悉的“隱層”，或者說是機器試圖向人類解釋但人類還未掌握解讀方法而無法理解。更為突出的問題是，機器神經網絡和人的大腦一樣偶爾也會出錯，而人類對此還無法做出合理解釋，更沒有能力去預防。并且此類錯誤一旦發生，需要耗費大量時間和資源去糾正，有時不得不暫停服務從而造成無法挽回的損失。

對金融機構來說，運用此類技術應用程序就等同于在業務流程中加入了“技術黑箱”。雖然部分人工智能技術對金融市場的預測和判斷比多數人更為精準，但技術人員卻無法搞清楚人工智能在利用大數據開展機器學習后得出的優化結論來自神經網絡的哪個節點以及預測和判斷的理由，運作機制也無法被技術提供者、系統購買者和監管者追蹤，更無法被核驗，甚至可能成為推卸決策失誤責任的理由——“這些決策并不是我們做的，而是機器做的”，相應地也帶來了對違規行為的處罰難題。到底是該處罰此類軟件的使用機構（如金融機構），還是軟件的開發制作機構（如科技公司），又或是直接編寫軟件程序的人員，還是處罰、禁用軟件或技術自身呢？

二、金融科技與金融監管的關系問題

（一）金融科技同時作用于監管改善和監管規避

科技正被越來越多地運用到監管中來改善原有監管的不足。比如在檢測證券市場中的“坐莊”交易方面，傳統方法不僅難以識別真正的串通行為和市場操控，反而會產生大量的誤報信息。國外一些監管機構已開始采用大數據、云計算和人工智能等技術幫助發現和識別此類可疑交易行為與模式，以降低原有監控系統的誤報率，提高識別可疑交易行為的精準度，從而使寶貴的監管資源聚焦于貨真價實的案件中。

但是科技作為工具，自然也可能被用于反監管。與前些年借發展互聯網金融之名，行民間金融甚至非法金融活動之實的P2P、網絡集資相比，出現了一些技術含量更高、方式更為隱蔽的反監管手段。比如擁有大量交易數據的企業，通常將其數據加密后采用分布式、切片化的方式進行數據存儲，并且信息讀取技術是建立在企業自身擁有的技術發明專利基礎上，傳統的監管軟件及其腳本根本無法與這些復雜系統直接對接。監管機構必須在被監管企業的幫助下搭建數據查詢平臺，才能對企業的交易數據開展核查、實施監管。但是在這個過程中，監管者由于無法通過自身技術直達底層數據，甚至無法理解和跟上企業所采用的技術，如若企業在提供數據過程中作假或有所隱瞞，也很難被監管者及時發現。又比如洗錢集團、地下錢莊利用區塊鏈等技術制造更為復雜、更加隱蔽的資金流來躲避監管系統的監測，用比特幣等虛擬代幣交易來逃避反洗錢等金融監管措施均是比較典型的案例。

（二）算法趨同化中的波動共振風險

“算法”一詞從狹義的計算機技術角度而言，是指從輸入集合到輸出集合背后所蘊含的底層數學邏輯原理以及內在計算設計流程。“算法”是軟件的生命力所在，稱之為軟件的“大腦”。但是趨同化甚至同質化的“算法”也可能加劇市場波動，引發風險共振。一是在邊際生產成本幾乎為零的情況下，計算機軟件可以被無損復制任意多份，并且僅通過網絡連接便可將軟件銷往全國乃至世界各地。因此，軟件生產企業會盡可能擴大一款軟件的銷量，進而降低成本，提升利潤。二是由于我國目前知識產權保護較弱，一款好的軟件經常會被同行迅速模仿，金融軟件產品也是如此。三是金融軟件開發和運用都基于海量金融數據信息，而金融數據供應商的集中度較高，即便是不同公司的軟件在運行時所依賴的歷史或實時金融數據來源渠道也高度重合。在這種情況下，眾多使用同一甚至不同軟件的用戶，很可能基于高度一致的信息數據來源，采用同種或者類似的“算法”策略進行輔助投資，這將使得原本分層、存在博弈的市場主體投資決策趨于扁平化、一致化。在極端情況下，很可能出現大量投資主體同時獲得相同的市場最新信息，同時做出相同的投資決策，進而迅速拉高投資標的價位。在投資標的價位被拉高時，其他輔助決策軟件又會迅速發現“上漲趨勢”并采取各自的“追漲”策略。而在下跌過程中也會出現類似相反的情況。這將導致投資行為的羊群效應，加劇金融市場的順周期性。

（三）技術服務集中化下的系統性運營風險

數十年來，金融機構一直依賴少數科技公司提供“就地”計算的金融服務解決方案，典型例子便是常被提起的IOE（IBM、Oracle、EMC）。有了云服務后，現階段金融機構在“核心”金融數據的存儲和運用方面對第三方云服務商的依賴程度仍相對較低。據歐盟網絡與信息安全局調查顯示，盡管88%的歐洲金融機構至少使用了一個云應用程序，但只有1%的金融機構將云用于支撐“核心”應用程序。但是近年來，我國越來越多的金融機構存在使用云服務來支持業務包括核心業務的傾向，特別是一些業務規模不大、科技實力較弱的中小金融機構，開始大范圍引進、接入第三方云服務，以顯著降低開發運營成本。由于網絡規模效應的存在，第三方云服務商的市場集中度較高，前三位服務商（阿里、騰訊、華為）的市場占有率之和超過90%。未來如大量無力自建云平臺的金融機構紛紛轉向采用第三方云服務，而云服務商又相當集中，那么當這些云服務商出現運營失敗、網絡故障等風險事件時，就會造成多家金融機構的運營故障和網絡安全風險，甚至出現金融機構連鎖反應，發生系統性運營風險（李敏，2019）。如2019年3月阿里云宕機事件，就造成華北大量采用阿里云服務的互聯網公司網站和APP癱瘓。

三、金融科技企業平臺化與金融基礎設施的關系問題

（一）金融基礎設施屬性科技平臺的商業性與公共性矛盾

支付清算和征信領域是兩大金融基礎設施，那么在這兩個領域建立的金融科技企業平臺同樣具有金融基礎設施屬性。而金融基礎設施建設必須遵從一個重要原則，即公共性和中立性，平臺設施不能單純從商業利益出發，不能被濫用到市場競爭中去。我國曾有一段時間默認第三方支付機構對自身交易資金進行清算，也批準過8家市場主體籌備個人征信公司，但是這些市場主體都有著一大特點：與公共性和中立性原則不兼容。比如在“斷直連、不付息”監管措施落地之前，支付寶等將支付和清算予以合并，既繞開了銀聯等清算組織，又將巨額沉淀備付金作為與商業銀行談判的籌碼，以爭取更低的支付手續費及更高的利息收益。同時，平臺的接入具有排它性，如支付寶的支付清算平臺就不允許其他第三方支付機構接入。又如8家被批準籌備的個人征信機構，均依托某一企業或企業集團，業務和公司治理結構不具備獨立性，擬設立的征信機構與母公司之間存在明顯的利益關聯（劉新海，2018）。正因為考慮到公共性和中立性問題，央行對其提出了新的政策要求，做出了相應的規制。

（二）金融科技平臺數據供給質量與市場需求存在差距

一方面，金融科技企業平臺的信息覆蓋面在“量”上存在不足。由于每家金融科技企業都是依托互聯網建立起自己的業務閉環，同時也就構筑了平臺之間的信息“高墻”，形成了一個個“數據孤島”。如網貸領域各平臺都知道“共債”問題較為嚴重。百融金服2018年7月份發布的《2017年現金貸行業分析報告》顯示，在申請多次借款的客戶中，同時向多家機構申請借款的人數占比達49.4%，而只在1家機構申請多次借款的客戶僅占7.2%。中智誠的一次調查顯示，現金貸申請者存在“共債”的比例超過80%。但是單一平臺根本無法用技術手段來精準識別多頭借貸用戶，即便是已經擁有海量數據和極強大數據分析能力的螞蟻金服、騰訊等企業，從全局來看，其信息覆蓋面也還是不夠，也不能及時識別出財務狀況糟糕的“共債”借款人。

另一方面，金融科技企業平臺的數據在“質”上存在缺陷。如在信用信息領域，擁有大型互聯網生態圈的金融科技企業曾采用“流量換數據”“限時免費開放”，以向其他企業免費開放流量入口為條件要求合作方回傳數據等手段，收集大量數據信息，搭建信息共享平臺。理論上這種合作模式會使主導企業的大數據風控系統由于數據的不斷積累而愈發完善，并反過來可以為合作機構提供更優質的風控服務。但是由于主導企業既沒有能力去核驗，也沒有強有力的手段來約束合作企業回傳的數據質量，從而導致錯報、漏報等時有發生。例如有的合作企業采用選擇性上報數據策略，不報送優質客戶的信息，甚至將“白名單”摻入“黑名單”上報，使得其他平臺不敢給優質客戶放貸，將好客戶留給自己。諸如此類的不端行為使得數據庫信息混濁、失真，甚至失去客戶拓展以及風險控制的應有價值。

（三）科技企業建設金融基礎設施平臺規模不經濟

由市場自發建設形成的金融基礎設施從形態上看是分散的，從全局來看是低效的。以第三方支付的資金清算為例，在網聯成立前，一家第三方支付機構要直接連接幾家甚至上百家銀行，一家銀行也同時連接多家第三方支付公司，甚至有的銀行分支行也直接與某一支付機構建立連接。按照目前支付機構數量超過200家，直接接入央行大額支付系統的銀行數量超過300家來計算，如果這些銀行和支付機構完全相連，需要建立超過“200×300”條連接、200個清算平臺。并且，200個企業自發建立形成的清算平臺將接口不能共享，數據不能互聯互通。更為關鍵的是，不同支付機構和銀行的直連通道從業務協議、服務價格到實現方式都是單獨一對一談判出來的，業務標準、技術標準不統一，帶來很多系統運維和業務連續性方面的問題。由央行牽頭設立網聯平臺后，成本集約效應巨大，理論上銀行以及支付機構的連接數將從“200×300”降為“200+300”，清算平臺數量從200降為1。這將大幅減少重復建設和資源投入，金融科技企業以及金融機構可以把節省下來的人力、財力等投入到服務實體經濟的前端創新上。同時，建立統一、規范的基礎設施也有利于統一系統對接接口等技術標準，減少風險漏洞、提升業務運行的連續性。

四、金融科技與金融消費者權益保護的關系問題

（一）算法歧視影響金融服務的公平和公正性

隨著算法進入我們的生活，“算法歧視”侵犯消費者權益、有悖于公平和正義的問題開始顯現。“大數據殺熟”就曾引起熱議。一些企業通過算法技術，將價格歧視從以往的二級或三級提升至理想化的一級水平，即數據處理者通過對消費者畫像，精準掌握消費者的消費意愿和價格預期，然后按照每一位消費者的最高支付意愿進行差異化定價，而作為消費者卻毫不知情或無力反抗。算法歧視還體現在對消費者“貼標簽”上，如網傳：如果消費者在淘寶多次購買低于128元的連衣裙，將被淘寶后臺算法打上“底價人群”標簽。算法歧視如果在金融領域存在，它同樣將侵犯和傷害金融消費者合法權益，對此需予以關注。

（二）信息不對稱損害消費者權益

部分金融科技企業銷售產品時故意片面強調高收益，弱化產品潛在風險，甚至刻意隱瞞真實信息或捏造信息誤導投資人，人為加大交易雙方之間的信息不對稱程度。特別是互聯網金融創新產品的一大特點就是大幅降低市場準入門檻，服務“長尾”人群，而普通消費者的門檻越低，專業知識越缺乏，信息獲取、處理及抗風險能力越不強，越容易在虛擬化交易中受到誤導和欺詐，并直接推高了金融科技行業的整體風險狀況。盡管有關部門正在加緊制訂金融科技領域信息披露的標準，如中國互聯網金融協會陸續發布了《互聯網金融信息披露個體網絡借貸》（T/NIFA 1-2017）團體標準、《互聯網金融信息披露互聯網消費金融》（T/NIFA 2-2017）團體標準，但是如何確保信息披露全面、及時、準確，仍是一大難題。目前消費者普遍缺乏核實金融科技企業所披露信息的途徑和渠道。同時，金融科技產品的糾紛通常具有單筆金額小、整體數量大、涉及權益者多的特點，在我國集體訴訟等相關法律尚不成熟、不完備的情況下，相關糾紛的解決缺乏有效的司法途徑。

（三）信息采集強制授權損害個人信息保護

金融科技企業通過挖掘一些看似與金融無關的數據信息進行大數據分析，能夠多維度地刻畫出信息主體的特征并服務金融業務。在這種理念驅動下，金融科技企業采集信息的范圍被一再地擴大。在一些金融科技企業采集的來自各種聊天軟件、微博、互聯網社區、游戲等平臺的個人社交和行為信息中，部分就可能涉及信息主體隱私。雖然我國明確規定采集、提供、使用個人信息必須取得信息主體同意，但在實際操作中消費者的“同意權”往往被侵犯。金融科技企業通常會采用在有關協議中添加授權格式條款的方式，由消費者在安裝某項應用或使用某項服務時通過勾選同意復選框授權。這種做法的提示作用不明顯，大量消費者并不會仔細閱讀整個協議內容，極可能在并不知曉有授權條款的情況下勾選了“同意”，無意中完成了授權。此外，還存在強制授權和捆綁授權的情況。如將同意其采集信息作為使用其產品服務的前置條件，“強制”消費者授權，并且所要求授權使用的信息中，大量信息與產品應用本身并無關聯。又如要求使用者授權將該產品的使用信息分享給其他應用使用，這就屬于明顯的捆綁授權。

金融科技行業片面地追求信息數據的多和廣，導致消費者普遍擔心對授權的濫用和在未經自己授權的情況下信息被盜用。根據艾媒咨詢數據顯示，41.8%的受訪用戶擔心使用移動支付會泄露銀行卡等財產信息，40.4%的擔心個人賬號被盜。還有一些公司開發應用人臉識別、指紋識別等生物信息識別技術，采集的都是個人獨有、無法更改的生物特征信息，消費者擔心此類生物信息一旦被泄漏，不能像“密碼泄漏更改密碼、手機號泄漏更換手機號”那樣去更換臉，幾乎沒有挽救余地。這些狀況既破壞了消費者對金融科技行業的信任，也不利于金融科技的健康有序發展。

五、政策建議

（一）厘清金融科技企業與金融機構的業務合作邊界

攜有用戶、場景、數據流量和技術優勢的金融科技企業與金融機構之間的合作，帶來的不僅僅是新的金融產品、業務流程和服務，與此同時還帶來了新的商業模式、新的生態角色、新的合作關系，亟需重新定義金融機構與非金融機構的劃分界限，金融機構與合作機構的各自定位和角色，以及金融風險的內涵和外延。如明確金融科技企業對客戶風險識別等核心業務的基本信息必須提供給合作的金融機構，同時金融機構對于風控、貸后管理等核心業務必須深度參與，不允許其將風險管理等核心業務外包了事。或者對于金融機構只提供資金和牌照通道，不參與金融核心業務管理的，鑒于此類金融科技企業事實上等同于自身從事金融業務，故而將其納入監管框架并要求持牌經營。

（二）調整金融監管的外延和內涵

當前金融監管如巴塞爾協議Ⅰ、Ⅱ、Ⅲ等，主要以資本充足率為核心，以信用風險控制為重點，強調資本在吸收損失、抵御系統性金融風險的作用，但隨著金融信息化、科技化水平的指數級增長，監管部門應將技術納入監管范疇并放到更加重要的位置。如監管部門一方面要重視監管科技的發展，與金融科技企業進行技術賽跑，充分利用大數據、人工智能、云計算等技術不斷豐富金融監管工具和手段（何海鋒等，2018）；另一方面要將金融機構以及外包采用的技術納入監管范圍，保持金融科技在監管者面前的透明度，持續跟蹤及動態監測金融科技的發展、演進和風險變化。如規定金融機構要向監管部門報備人工智能算法所采用的模型參數以及數據來源，還要有適當的叫停程序和中斷方法，并且要定期對算法得出的數據結果進行人工核驗等。同時，監管部門不僅要對單個金融機構的技術風險進行評估，對技術風險可能引發的系統性運營風險也要進行評估。

（三）加快金融科技領域的金融基礎設施建設

為充分體現基礎設施的公共、中立特性，現階段建議由中央銀行牽頭，相關金融機構、金融中介機構、金融科技企業共同參與建設的模式。通過金融基礎設施的“共建、共有、共享”，發揮其規模效應和資源集中效應，減少分散重復建設，降低整體運行成本。同時，盡快制訂、出臺、完善與金融基礎設施相關的行業標準規范。央行等金融管理部門還要充分利用金融基礎設施的相關信息，做好風險的識別和預警，并為宏觀決策和微觀監管提供參考和服務。

（四）加強對金融消費者權益的保護

一是監管機構加大對金融科技企業誘導交易、欺詐、販賣客戶信息等侵犯消費者權益行為的查處力度，加強對生物特征信息的管理。監管機構隨機核查驗證金融科技企業信息采集及信息披露情況，或聘請第三方審計機構對披露信息數據進行審計，嚴懲故意竊取、販賣信息，披露信息不實不全的行為。二是通過行業自律組織促進金融科技企業合規采集信息及披露信息。如由中國互聯網金融協會等自律性行業組織在建立行業行為評判標準規范和公約的基礎上，組織不定期抽查會員單位的信息采集和披露情況，對違反行業公約的會員單位視情節輕重分別采取警示約談、發警示函、業內通報、公開譴責、暫停會員權利或取消會員資格等措施。三是進一步健全法律法規。如借鑒美國的集體訴訟制度，金融消費者個人針對侵權事件提起的訴訟可以有效覆蓋所有其他同類利益受損的消費者，從而極大提高違法成本，督促相關企業和個人提高遵紀守法意識，營造不敢違、不愿違的良好氛圍。