金融科技背景下金融數據監管模式構建

蘇海雨

（南京審計大學法學院，南京211815）

2017年，中國人民銀行印發《中國金融業信息技術“十三五”發展規劃》提出加強金融科技（Fintech）和監管科技（Regtech）的研究與應用。隨著“互聯網+”的發展和運用，金融科技成為新的經濟增長點。金融科技的蓬勃發展帶來金融風險的復雜性、違規行為的隱蔽性以及風險傳導的易擴散性，需要與之相適應的金融監管科技。金融數據一直以來是金融監管科技的核心內容。由于金融行為的多樣性以及不同制度和文化背景下金融監管運作規律所具有的差異性等，如何通過對金融行為外部性的觀察與監管來防范金融風險是一個世界性的難題。金融業是典型的數據密集型行業，海量金融信息數據被記錄、儲存和交換。例如，銀行儲戶信息、申請貸款企業的經營信息數據、各類資產負債數據等等[1]。如何提高監管科技，實現數據共享和監管聯動，是提升金融監管體制改革效果的關鍵所在。

一、傳統金融監管與金融數據的割裂

近年來我國金融業體量劇增，并伴隨多元化發展趨勢，金融信息系統儲存了大量金融數據。金融數據是由金融機構為經營金融服務業務而產生或者收集的所有數據與信息，是各個金融機構的數據集合。當前我國金融科技迅速發展，但傳統金融監管模式滯后，未能充分收集和利用金融數據實現及時有效地科技監管。以微觀審慎監管為基礎的傳統金融監管未能有效應對金融數據與金融監管的割裂狀態，數據缺口①國際貨幣基金組織MF和金融穩定委員會FSB將實施宏觀審慎監管對數據信息整合的需求與微觀金融數據之間的矛盾，稱為“數據缺口”。逐漸增大。

首先，傳統金融監管數據真實性存疑。金融監管機構對客觀性金融數據的收集過程會面臨隱蔽性信息不對稱與敏感性信息不對稱的問題[2]，難以獲得真實的數據信息。金融機構首先進行合規性的自我審查與評估，主要內容包括審查金融業務是否符合現有法律法規與相關政策，并對自身經營風險的控制與評估。金融監管機構獲得的信息是由被監管者也就是金融機構收集、篩選、整理并提交的，其信息的真實性受到質疑。

其次，傳統金融監管數據全面性缺失。所有金融機構的金融數據之和也可能不能真實揭示整個金融系統風險的來源與相關程度。采集樣本數據并以此為監管依據的監管模式可能因為部分樣本數據的偏差造成金融監管決策的失誤。隨著新型金融機構與交叉業務涌現，非銀行信貸業務游離于正規金融監管之外，部分金融數據缺失導致監管漏洞頻現，導致監管機構對金融業的系統脆弱性難以實施精準有效的監管手段。

再次，傳統金融監管數據的滯后性明顯。各金融機構通過委托不同的技術公司獲得數據收集應用軟件，雖按照數據標準規范統一數據報送格式，但事后數據報送的方式使各金融機構與監管機構之間無法實現實時的數據共享和精準的數據分析。金融監管機構主導的傳統監管范式是依據已有審查體系，加之主觀評價方式，形成對金融機構的監管決策。這種傳統金融監管依據的是金融系統內部自報監管數據，監管機構組織評估亦是事后性審查評價，缺乏真實性、準確性和及時性。

傳統金融監管難以做到及時有效的監管預警和監管應對，與金融業系統風險防控之間是割裂與背離的。各金融機構內部管理所依賴的數據與監管機構外部監管所依賴的數據存在差異，故數據報表形式的信息統計不能全面、客觀地反映金融系統的真實形態，致使金融監管的實際效果大打折扣。

金融科技的發展給監管科技帶來諸多挑戰，最為關鍵的問題在于誰主導監管科技則誰決定監管的未來。傳統監管機構是政策制定者，而金融機構是被監管者，也是規避者。所以這兩者之間存在合作與對抗兩個范式。傳統金融監管重視對抗（監管與被監管者的關系），采取的監管范式是“命令和控制”模式；相應的，金融機構則是“服從和規避”[3]，但規避則會產生數據的失真與空白[4]。金融機構的目的是逐利，監管機構是尋求公共利益與金融安全。這兩者之間看似存在沖突，但實際上金融監管是社會共治性治理，是為了金融機構和金融市場共同發展。這意味著金融監管不單是監管機構的任務，而是監管者和被監管者之間的合作。監管科技的引入則是為金融機構與金融監管機構之間搭建數據合作的橋梁。傳統金融監管模式需要向運用大數據監管科技的金融數據監管模式轉變。

二、金融數據監管轉變的現實基礎

監管科技的興起和發展，尤其是互聯網、云計算、人工智能、區塊鏈等新一輪信息科技的到來，對金融業產生前所未有的顛覆性影響[5]。監管科技是指將新科技應用到現有監管過程中，以促進達成更有效的風險識別、風險衡量、監管要求以及數據分析等活動[6]。金融數據監管是監管科技在金融監管領域的應用。

（一）金融行為數據是監管科技的應用基礎

有學者認為，大數據金融監管是指在可獲得的微觀金融數據的基礎上，使用數據挖掘、機器學習、數據可視化分析等大數據技術，對系統性風險進行量化；利用監測與系統性風險高度相關指標的方法，達到對系統性風險的事前預測與審慎監管[7]。金融監管科技將人工智能、機器學習、區塊鏈、云計算等新技術嵌入到客戶盡職調查、風險管控、合規管理等應用場景。這實際上突出了對交易數據、風險數據、監管數據的分析處理和共享運用。金融數據監管將金融監管政策與制度予以數字化，推進監管合規的標準化、工具化和程序化，將數據技術、數據工程、數據科學與金融業務場景緊密結合，優化金融市場結構及監管框架體系[8]。金融數據監管與評估需要依托大量的數據信息，按照數據提供主體的不同，可將數據監管涉及相關性數據分為監管機構數據與金融機構數據。其中，監管機構數據包括金融統計數據與經濟性數據，但也不能忽視金融監管活動與行為本身所產生的信息數據，這些數據更具有政策連貫性。金融機構數據要實現分享與聚合，即通過允許各金融機構與商業伙伴在安全網絡中分享專有數據管理合規要求，與此同時，可以通過訪問備用數據庫，組成結構化和非機構化信息，以及匯總多重資源促成更準確和高效的身份驗證和合規。這實際上是金融機構對大數據的自我合規與共享機制。金融機構應用大數據提升合規效率與效果，那么監管機構則也應當建立在金融大數據基礎上的實時數據監管。金融行為數據是各個金融機構在監管機構規范之下應用數據系統將自身經營行為輸入為結構化和非機構化的統一數據。金融行為活動所產生數據具有實時客觀性、可測度性與可監管性，是金融監管科技實證應用的基礎。

1、實時客觀性。金融監管是對金融行為與活動的客觀性評估。金融活動過程中會客觀地形成經營性的相關信息數據，無論是內部金融機構活動還是外部金融活動，都可以實現復雜的數據收集、存儲或者應用。譬如，違法性金融行為是具有直觀性的數據，通過類型化的歸納分類與實證分析，可以得出違法違規金融行為的類型和相應的處罰結果，而非主觀性判斷的結果。

2、可測度性。數據監管重在測度，即對已有的數據庫進行即時性的評測，達到一個測試性的結果。金融機構在各種金融行為與活動中必定會產生大量的數據與信息，對此類數據采用統一數據單位、格式加以標準化處理，以便數據直接輸入與運算。金融監管機構制定統一連貫的監管與評估指標，并加以實時監測。監管機構對合規性金融行為及活動的樣態與不合規金融違法違規行為之間進行數據收集、對比和分析，實現對金融市場風險情況的實時性鑒別。

3、可監管性。金融風險監控并非僅停留在評價測試層面，而應通過一系列的措施去遏制或者糾正存在的問題。傳統金融監管范式是由監管機構主導的金融風險評估，是一種金融系統的外部監管模式。而金融服務機構主導的自我合規審查評估是一種內部監管模式。金融數據監管是以大數據和云計算等監管科技手段促使金融內部監管外部化和金融外部監管內部化。金融監管科技可以將兩種內外部監管打通并融通形成一致性的監管效果，如此可以緩解宏觀審慎監管與微觀審慎監管之間的矛盾。

（二）金融數據監管是創新性監管

傳統金融監管采用的是其金融服務機構按照格式化表格報送的數據，這其中難免存在不真實不全面的情況。當前金融信息應用系統已經在金融服務機構展開，各金融機構分別委托或者采購金融科技公司研發的信息應用系統。但目前部分金融機構的數據系統并未接入到金融監管機構的信息系統。因此監管機構實際上并未獲得第一手的數據與信息，這種情況下作出金融風險評估的準確性值得商榷，更不用談宏觀性監管的有效性。金融機構占有直接性的海量數據，監管機構具有專業型的監管政策與規則，兩者之間卻是互相割裂的，無法實現優勢互補。想要創新監管模式就必須打破監管機構與金融機構之間的數據割據局面。這就需要通過建立連續性、有實際應用價值的金融監管數據庫，健全系統化、結構化、有明確數據源對接的監管指標體系，在此基礎上形成科學的金融風險評估與預測。

金融數據監管應當由誰主導，應當如何監管，才能發揮其有效的監管作用？一方面，監管機構須基于法律授權才能夠獲得金融機構的交易信息數據，故須明確有權獲取金融數據的監管機構。金融監管并非是一成不變的。在金融科技背景下，首要解決的問題是監管機構的金融數據監管權。通過金融立法授權金融監管機構在金融數據收集、監測、評估、調試等方面的監管權力，實際上這也意味著對金融數據監管賦予了一定的監管裁量權空間。當然，金融數據監管可以委托金融科技服務機構研發一款數據軟件平臺，甚至也可以委托第三方研究機構對金融行為數據進行研究與應用，提升監管政策與監管手段的有效性。在金融行為數據的形態下形成有針對性的風險評估報告，則是國務院金融穩定發展委員會作出決策的有力依據[9]。金融風險評估活動應成為金融監管工作的常態方式之一，但這并不意味著否定其他常規監管方式。

另一方面，金融行為數據是在金融機構進行金融業務的基礎上形成，具有分散性、封閉性特征，金融數據監管受到金融機構信息應用系統的技術制約。金融數據監管需要綜合多方真實數據，才能完成對具體的金融行為與金融業務的綜合性實證分析。只有利用監管科技，監管機構才能夠自行獲得實時、整合的數據，獲取的海量的實時交易數據，這對于監管機構監測金融機構個體風險和金融系統性風險具有重要意義[10]。

三、金融數據監管的數據類型及其指標設計

金融科技蓬勃發展帶來了豐富的金融數據，我國金融數據已經積累到一定量級程度。金融數據監管應利用大數據技術，制定涵蓋銀行、信托、證券、保險、基金等在內的統一的金融數據庫存儲標準，從而構建具有易用性、便捷性的金融大數據監管平臺。金融監管科技利用數據進行量化，加之計算分析與指標測評，形成金融監管的評估性結論以反映金融運行中存在的風險；通過可視化、移動化、智能化、集成化的大數據監測，以客觀數據分析為金融監管提供準確、詳實的信息，增強金融監管的及時性、有效性。建立金融數據監管模式有助于實現數據監控、檢測、預測的制度化，數據內容和數據傳遞的標準化，能夠最大限度地避免信息失真。金融監管數據包括微觀性數據與宏觀性數據。其中，微觀性金融數據類型可以分為交易業務類數據、客戶個人類數據、機構管理類數據、金融糾紛類數據、違法違規類數據等。在此基礎上，還需要設計金融監管數據監測指標對上述各類型數據進行專項性和全面性的評估。

（一）被監管對象的數據類型

金融機構需要從組織、流程、運營、標準、監控、考核等方面構建全生命周期的數據治理系統，優化風險管理與內部控制模式，強化錄入端的系統自動控制和數據校驗，統一數據標準，保證數據監管的接入[11]。

1、交易業務類數據。交易業務辦理數據，是金融行為直接產生的數據。金融機構形成的交易業務類數據數量是非常大的，而交易業務部門運作的數據狀態是衡量金融風險的重要表征。當前，我國金融機構交易系統都已經建立內部信息操作系統。那么，金融交易業務運行過程所形成的數據天然地應當作為監管數據來源。

2、客戶個人類數據。金融機構一方面為金融消費者提供金融服務，另一方面基于金融安全的考慮建立客戶實名制信息庫。各金融機構收集錄入了大量的客戶個人信息與數據，但都分散于每一個金融機構的各自信息數據庫。各金融機構之間的數據并不共享，對于客戶的征信記錄只能通過中央銀行征信中心獲取其金融信用。但客戶可能通過多個金融機構進行洗錢、非法集資等違法金融行為，金融機構僅能從自家金融數據庫中獲取個人的金融信息，并不一定能夠及時精準地發現其違法金融行為。如果這些客戶數據能夠由監管機構統一監管，則能及時發現風險爆發點，降低各金融機構的交易風險。此外，金融消費者信息的收集與應用涉及到公民的隱私權，金融數據監管不能忽視個人信息與隱私權的保護。

3、機構管理類數據。金融機構的股東變動、股權變動、關聯人交易、分支機構設立，以及金融機構內部制定規則所形成的合規數據等，都會形成內部管理數據。被監管機構在符合金融監管規則前提下，自行制定更加嚴格的數據審慎指標，這種內部風險控制標準和方式具有金融機構自身的特色。金融機構的內部合規治理需符合自身組織架構、業務特征、風險管理能力等特殊性，無法采取一致的規范標準，所以各金融機構的風險防控標準存在不同，風險評價標準也存在不同。當然，各具特色和業務重點也是各金融機構的生存空間。如何保持各金融機構之間的有序競爭，又能夠準確篩選檢測數據和風險指標，是金融數據監管機構需要謹慎對待的難題。

4、金融糾紛類數據。金融糾紛主要包括著金融民事訴訟類案件、金融行政類案件、金融刑事訴訟類案件以及其他金融糾紛協調案件等。糾紛是事實與規范之間的矛盾，通過收集分析糾紛案件的數據能夠發現金融法治運行中的問題突出點。金融糾紛類內容與數據可用于金融風險評估和風險預警，對于突出重點問題則需要盡快制定相關制度予以完善。

5、違法違規類數據。這主要包括紀委、監察委、檢察院、法院以及審計等部門查處的違法違規案件，其中可能涉及刑事違法、行政違法違規等類型案件。這些數據可以從“反面”視角對金融監管提供指標數據。此類事件的發生實際上是對金融系統和金融法治的破壞，也能突顯出金融系統中可能存在風險聚集點。此類違法違規案件中也要甄選出有針對性的內容，并非所有數據都是可用有效的。因為違法違規案件也與機構工作人員個人素質有關[12]。現有各類案件數據具有豐富的評估價值，如果納入到金融數據監管模式中加以分類分析，可以對其指標作出調整與預測。

（二）監管評估指標的設計原則

合理設計金融監管數據指標體系是金融風險評估真實性、有效性、全面性的前提，應當遵循以下基本原則。一是堅持科學設計原則。金融監管要符合金融業的基本原理，同時借助于經濟學、金融學、統計學、社會學、邏輯學等學科原理，對指標體系進行量化分析。金融風險評估的科學性應當是主客觀相一致的，客觀指的是金融機構的數據狀態，主觀則指的是金融監管者的決策狀態。所以，應當設計中國本土化的金融監管指標，以此為藍本的金融數據監管才是具有可行性和操作性的；二是堅持宏觀與微觀相結合原則。金融數據監管能夠打通微觀監管與宏觀監管割裂的現狀。監管數據指標體系的設計應當秉持宏觀性統籌與微觀性觀察相結合的設計思路，既要考慮到具體細節，也要關注相關性因素、國內外動態等，防止出現重復監管、監管對象不明、監管空白等問題。因此，監管數據指標設計要從多個層次和視角入手；三是堅持開放設計原則。數據監管評估指標體系并不是一個封閉的體系。隨著金融監管理論發展，監管數據內涵也會發生變化，數據指標就會存在進入與退出的情形。持有開放態度，才能保持金融監管數據指標體系的與時俱進[13]。故數據指標體系要兼顧結果導向與過程控制，滿足金融發展過程不同階段、不同節點、不同目標的任務所需。

四、金融數據監管模式的建構

當前，完全通過傳統的金融監管是無法達到科學監管的，利用監管科技的金融數據監管能夠充分運用金融監管過程中積累的金融數據，更為符合金融科技的發展需要。大數據時代下金融活動產生的大量信息數據，需要對其制定符合客觀公正、嚴格程序、科學準確的金融數據規范，使其成為真實有效的監管數據。

（一）金融數據監管模式的建立背景

我國金融監管一方面充分利用現有監管范式與體系，另一方面也要同時應用大數據技術推進金融監管的信息化，實現監管科技背景下監管技術的革新。2009年6月，《商業銀行信息科技風險管理指引》開始施行，該指引提出要重點關注信息科技治理以及對信息科技進行風險管理等內容。2010年12月，中國建設銀行啟動了核心系統建設工程，著力打造以支持引領、自主研發和安全運營為核心的IT能力體系。2015年，國務院印發《促進大數據發展行動綱要》，指出通過高效采集、有效整合、深化應用政府數據，將大數據作為提升政府治理能力的重要手段。2017年1月，國務院發布《“十三五”市場監管規劃》，提出充分運用大數據等新一代信息技術，實現“互聯網+”背景下的監管創新，降低監管成本，提高監管效率，增強市場監管的智慧化、精準化水平。2017年3月30日，中國銀監會制定《銀行業金融機構監管數據標準化規范》，規范在華境內依法設立的銀行機構對應檢查分析系統（簡稱“ESAT”系統）所需要的統一數據報送項和規范。這統一了不同規模銀行的統計口徑，明確了數據標準，尤其是是在公共信息，會計記賬信息、客戶信息、信貸管理信息、交易流水信息、統計全科目、資金業務、理財業務等10個領域。

2008年全球金融危機后，全球主要經濟體加強了金融數據整合與分析，并作為強化宏觀審慎監管的核心。在此背景下，體量巨大、類型龐雜且彼此關聯的微觀金融數據不斷匯集到監管當局，給金融監管帶來積極變化。歐美等國家或地區金融監管機構投入大量資金用以支持大數據技術的研發與應用。美國財政部下屬的金融研究辦公室（OFR）通過美國大數據項目計劃，計劃進一步加大對大數據技術的研發與應用，包括金融網絡分析、金融穩定性風險評估方法與算法、金融數據與信息的表達與標準化以及用于量化不確定因素和風險的金融風險管理技術（如壓力測試、風險和漏洞預測、統計分析建模、程序、相依結構）等，進而服務于金融政策決策[14]。在金融科技的發展下，數據技術得到充分重視，各國力求利用大數據技術對各金融機構的金融數據進行錄入和分析，繼而搭建微觀審慎監管與宏觀審慎監管的橋梁，預防系統性風險的發生。

（二）金融監管數據平臺是數據共享的物理基礎

金融數據與金融監管科技相互結合，形成金融數據監管新常態。金融數據監管應首先建立金融監管數據平臺，以此為基礎進行數據統計與分析，形成資金流動圖、風險熱力圖，借以實時了解資金的來源和取向，資金的動態，以及各類業務的問題爆發點，則可以及早發現風險的聚集地，提前進行風險防范。金融數據監管平臺對數據的積累與應用有別于傳統金融監管的事后報表數據。金融監管數據中的金融數據是寬泛意義的，既包括金融機構的金融行為與業務數據，也包括金融監管機構的監管數據，還包括發改委、財政等政府部門對涉及公共數據的安全、個人數據隱私以及金融服務機構的監管數據等。所以，建構一個金融監管數據平臺并非易事。監管機構外部監管與金融機構內部監管的模式決定了兩種金融監管的目標與內容設定有所不同，也意味著金融數據在表現形式和應用上的區別。金融監管數據平臺是在金融數據庫基礎上建立，是綜合性的金融數據實證分析，是對金融行為的過程性信息、金融活動的制度信息，以及對相關金融監管機構行使監管職能的數據訪問、計算與測評。在各個金融機構數據應用系統基礎上，由金融數據監管中心接入到各金融機構的數據庫，借助信息數據流轉與處理分析技術，再以金融監管標準化模式進行對比評測，形成客觀的實證數據結果。

金融監管數據平臺是建立在現有各個金融數據平臺基礎之上，并非是另起爐灶，無需增加額外成本。我國經過多年的金融信息化工程建設，大部分金融機構都已建立比較完備的信息化操作應用平臺，可以對具體的金融活動行為進行數字化輸入，逐漸積累了豐富巨量的金融數據信息。特別是在銀行、證券、保險等金融領域都已建立交易業務處理信息平臺，這為金融監管數據平臺的數據收集、功能擴展、信息共享等提供了技術支持、經驗積累與氛圍營造。金融監管數據平臺只需要在現有各金融機構數據庫基礎上開發一款數據應用軟件，由監管機構主導建立一個實時性的金融數據監管平臺。

海量的金融數據是金融監管數據平臺信息處理的前提。沒有大量的數據，即使利用非常先進的分析技術，也無法分析出真實的結果。金融監管數據平臺并非單純建立新的數據庫，而是利用新的數據科技技術，實現跨部門之間的數據庫訪問與數據分析。鑒于當前金融數據應用的法律法規不健全，金融機構的交易數據應用系統又是相對獨立的現實情況下，金融數據監管模式應當采取“物理分散、平臺訪問、實時監測”的方式。另外，針對金融運行中出現的違法違規行為也要進行數據收集，這有助于及時發現和糾正可能存在金融違法違規行為，探析違法違規行為的本質和法律的漏洞，形成新的監管指標和規制方法。

（三）金融數據監管模式的功能應用

金融數據不對稱在一定條件下會容易誘發由個人理性所導致的集體非理性行為，使得金融市場存在盲目性投資導致風險集中，而金融監管機構無法及時有效地進行干預。金融監管機構可以從整個金融系統中龐大、復雜和相互關聯的微觀金融數據中提取有關系統性風險的信息，使用數據挖掘、機器統計、數據可視化分析等大數據技術量化系統性風險，并尋找和監測與系統性風險高度相關的指標等方法，實現對系統性風險的預測和審慎監管。數據監管是一項系統工程,涉及數據對象及其完整性、數字監管的技術措施、法律和組織因素以及其他如政策標準、開放規范、元數據等要素[15]。金融數據監管中微觀性金融數據的統一與分析關系到宏觀審慎監管決策的制定。所以，建立金融數據監管模式非常必要，其功能概括為以下三個方面：

其一，數據可視化分析可以直觀展示金融業發展趨勢，并進行科學預測。宏觀審慎決策應當是“讓數據說話”，達到用“數據調研、數據決策、數據實施”的目標，從而能夠得出實證研究結論，為金融監管提供全景式的視角觀察；其二，預防與排查金融業運行的風險行為。金融數據監管與評估既要對已經發生的金融行為與活動進行評價，還要對即時性的金融行為活動進行事前或者事中的評估評測，評價其是否可能產生高風險，影響金融生態與體系，改進制度上存在的監管漏洞，提高監管機構的規則與政策制定的效率與能力；其三，促進金融數據的監管聯動和數據共享。金融數據資源是重要的國家戰略資源，應當充分挖掘其各種價值，實現供給方與需求方之間的均衡。大數據應用首先需要數據共享，金融數據資源共享可以推動社會大數據的有效配置。

（四）金融數據監管模式的模塊應用

金融數據監管模式不僅是一個數據庫，而且是金融監管指標數據深度運算的模塊化系統。金融數據監管評估的模塊主要包括金融風險程度、監管效果、宏觀審慎監管和監管反饋四個方面。金融數據監管評估的模塊可以隨著需求進行增加、刪減等操作，實現金融數據監管體系的隨時更新優化。

1、金融風險程度日常評估模塊。金融監管指標的設定標準應區分階段性監管指標和總體性監管指標。這個模塊設置應具有相應的測量標準，通過數據建模，將指標數據與指標權重進行分值運算，得出對金融風險程度評估的結果值。

2、金融監管效果的評估模塊。倘若歷經數年金融監管評估，金融數據逐年增加，則可以進行多項或者單項評估指標的縱向比較分析，形成金融監管措施的效果分析——哪種監管措施的適用效果較好，哪種監管措施的適用效果不佳——繼而分析其效果的原因，為預估后續監管措施效果并提高監管成效提供依據。同時，還可以針對部分重點領域分析風險形成和傳導的差異，適當調整部分領域在整體指標上的權重比例。

3、宏觀審慎監管的評估模塊。通過一定時間段內的數據預測經濟的近期和長期發展趨勢，從而判斷出經濟發展中存在的金融周期與風險問題，進而及時制定宏觀經濟政策與指標，根據數據分析與預測提出政策結論，預防系統性風險的發生。

4、金融數據監管的反饋調整模塊。金融數據監管是數據共享平臺，監管機構與金融機構之間是監管與被監管的關系，也是數據需求與供給關系。金融數據監管一方面是為了金融機構穩健運行提供保障服務，另一方面也是對金融行為的監管以及違法違規行為的金融處罰與執法，兩者不可偏廢。故需要金融機構及時對監管數據類型、監管指標、監管評價體系、監管政策進行反饋。針對金融數據監管評估過程中的問題進行相應的反饋糾正，并形成新一輪的數據信息，加以導入與運算，即“對監管的再評估”。

結語

金融科技背景下金融數據應用已逐漸受到重視，但在金融監管領域還未能得到充分應用。從單純傳統的金融監管向監管科技領域的金融數據監管轉變，應當明確金融數據的法律屬性，對金融數據監管進行法律定位，將其納入法治化的軌道。金融數據從金融系統的內部性數據上升為外部性數據，進而通過大數據技術算法[16]實施監管，需要解決法律與科技問題。金融數據監管可以將制度研究與實踐數據結合起來，對監管效能提升具有重要現實意義。金融數據監管應當堅持以評促建、以建促評，兩者互為促進、齊頭并進，構成金融監管不斷革新、不斷成熟、終而建成的堅固鏈條，從而促進金融業的良性發展。