大數據和人工智能在證券監管中的創新和應用

隨著科學技術的發展，大數據和人工智能技術在處理分析大量、高頻交易信息中的優勢愈發明顯。從監管角度講，運用大數據技術推動證券監管的創新與完善是當下時代的潮流，也是歷史的必然選擇。本文以檢測內幕交易為例，探究了大數據和人工智能技術在證券監管中的應用，并提出建議。

背景概述

近年來，信息時代的發展使得證券市場的各類活動更加頻繁，證券市場活動受到空間、時間以及技術問題的制約愈來愈小。這也促生出“互聯網金融”“金融科技”“監管科技”等多個領域的創新。有些學者和業內人士反對“互聯網金融”，這并非反對在金融領域應用大數據等信息技術，而是出于對互聯網企業過分追求效率而忽略風險的擔憂。這恰恰從側面證實新時代下金融監管改革創新的重要性。

在證券市場，信息技術的應用催生了“高頻交易”這一從根本上依賴信息技術的交易策略。人工智能的發展使得一些投資者進行算法與算力的“軍備競賽”。這些無疑都給新時代的證券監管帶來了新的挑戰，即，傳統金融監管體系很難對以上的交易策略做出有效、快速的判斷和審查，從而使某些不法分子“有隙可乘”，進而破壞金融市場生態，降低市場穩定度，打擊投資者信心和對監管部門的信任。因此，大數據技術和人工智能也應當成為監管部門的武器，以維護金融體系的穩定與健康發展。

當下，各國都十分重視大數據和人工智能技術在監管領域的應用和創新。不可否認的是，我國相關部門對此有著更豐富的經驗和更為先進的認知。這有賴于我國監管部門對于高凈值、高流通的互聯網公司的監管經驗以及技術革新，堅決打擊金融系統腐敗、違法違紀以及資本無序擴張。

內幕交易監管現狀

證券監管是對證券市場的各類活動進行監督和管控，其中對交易的監管難度最大。證券在市場的活動按照時間順序劃分可分為發行、承銷、上市和交易。對上述活動的監管中，交易監管的難度首屈一指，這源自于二級市場交易的一些特性：高頻率、交易單數量龐大、單筆交易額浮動大、實際交易對手難以確定等。

內幕交易是指內幕人員和以不正當手段獲取內幕信息的其他人員違反法律、法規的規定，泄露內幕信息，根據內幕信息買賣證券或者向他人提出買賣證券建議的行為。由于這一行為極大地侵犯了不知情投資者的權益和利益，破壞市場公平性，打擊投資者的信心和對市場的信任程度，內幕交易在世界絕大多數國家都被定性為違法行為并且刑罰較重。雖然一些學者支持內幕交易的合法性，認為內幕交易在一定程度上刺激證券市場的競爭，但實際上其帶來的危害遠大于其優點。我國也是堅決打擊內幕交易的一員。

對于內幕交易的監管是難中之難。即便刑罰極重，但內幕交易帶來的巨額收益和其隱蔽性往往讓內部人士忽略法律風險而“放手一搏”。內幕知情者往往通過建立空殼公司等方式構建交易鏈條，并通過小額多筆交易瞞天過海，麻痹監管部門。而傳遞型內幕交易更為隱蔽，其“群體化”“裙帶化”特征明顯，即內幕知情者將消息傳遞給其直系血親，再由其血親傳遞給其他親屬、同學、同事、商業伙伴甚至其子女在讀所在學校人員等，使得相關監管部門監管難度進一步加大。根據證監會公布信息，2016—2017年間內幕交易立案數量為117起，其中信息傳遞型內幕交易占比約70%。

2023年3月，我國監管部門進行重大的改革重組，使得金融監管整體框架更加清晰明確，極大減少了多個監管主體配置重疊、責任區劃不清楚的情況。但我們仍然需要看到，有相當數量的內幕交易逃避了監管。而且在已經立案的案件中，事前、事后監管占了極高的比重，而過程中動態捕捉的案件微乎其微。事前監管往往會提高市場準入門檻，降低市場活力。而事后監管更像是亡羊補牢，是對于過去損失的一種補償，但在實踐中往往補償并不能彌補其帶來的損失，尤其是對于投資者信心這種“無形資產”的侵害。

總結來說，以往對于內幕交易監管根本上的難點是數據信息整合與分析的能力有限。檢測內幕交易不僅要對交易數據本身進行分析整合，還要對相關交易者背后的社會關系網和利益鏈進行分析。傳統的監管模式是人工分析，這不僅要耗費大量的人力物力進行調查分析，還效率低下。往往相關人員付出了巨大心血但一無所獲。而大數據技術和人工智能的應用，會在相當大的程度上改善監管部門所面臨的困境。

大數據及人工智能技術對內幕交易監管的應用和優勢

大數據技術的自身特點可以很好地解決內幕交易監管難題。大數據技術的4V特點有別于傳統人工模式：處理數據體量大、數據類別多樣化、數據處理和分析高速、高價值精準分析。這些特征十分契合實踐中內幕交易監管所面臨的難題。由于大數據技術是全數據的關聯性分析，而不僅是同類數據分析，這使得其可以同時做到對于交易數據和交易主體社會關系的分析，從而更快速精準地檢測識別出可疑交易和相關交易主體。

人工智能技術則可以成為另一個監管助手。有賴于以往大量的相關案件數據作為學習材料，使用機器學習讓其擁有對于內幕交易的識別能力，并通過未來的數據進行強化學習，即采用“半監督+強化”的機器學習模式，從而使得監管更為快速有效。

強大的全數據收集能力

大數據技術可以快速整合個體在證券市場的活動和其所在的社會網絡。傳統監管模式往往使用手工模式去收集數據信息，尤其是內幕交易中的交易主體社會關系網絡?？紤]到內幕交易者通常會采取措施來遮蓋其違法行為，其構建的關系網絡十分繁雜。每一個案例分析都要使得監管者重新構建一個新的社交網絡圖，這進一步增大了監管難度，降低監管的時效性。而大數據技術則輕而易舉地將這一難題解決，其可以快速準確地構建出相關的網絡圖，并將網絡中每一個主體所做的相關活動進行整合，使得監管者可以將工作重心不再放在多類數據收集與數據整合上，極大地提高了監管效率。

強大的數據分析和風險預測能力

大數據技術的分析能力和學習能力有助于對交易“事中”和“事前”階段的監管。內幕交易的隱蔽度高有賴于內幕消息知情人將消息“范圍廣”“裙帶化”地傳播出去，間接地參與交易。這使得傳統監管部門雖然能發現證券價格的異常波動，但很難追責到真實泄露消息者。而大數據技術所構建的交易網絡圖和人工智能技術的多維度、跨類別數據分析能力，使得上述難題迎刃而解。通過不斷地學習強化，人工智能的準確性和有效性會逐漸提升，這使得“事中”動態性監管成為可能，即在內幕交易發生過程中內幕交易就被識別檢測成功，從而避免了上文中提到的事前、事后監管所帶來的窘境。

而通過深入地發掘分析信息，人工智能也會對當前系統自身的漏洞進行修復，以及對未來風險進行預測。人工智能的這些特性使得其在天氣預報、詐騙檢測等領域已經得到應用。而在證券監管領域，人工智能可以對內幕交易的相關主體的違規行為和相關風險隱患進行警報和預警，從而提高對內幕交易的檢測能力。

減少有誤信息的干擾和誤導

上市公司的信息披露制度是上市公司的法定義務，但是現實中上市公司經常會將其信息進行加工和偽裝，從而誤導投資者做出錯誤的預期判斷。相關管理高層也時常會釋放一些“暗示性信息”來干擾投資者，甚至監管者，進而影響監管的有效性。而大數據技術則可以避免這類問題。由于大數據是收集全類別數據，并對其進行關聯性分析，從而會輕易剔除錯誤干擾信息，降低有誤信息干擾。

大數據及人工智能技術在監管應用中的現狀和挑戰

非法金融活動的監測和預警

人工智能與大數據技術的應用，已經使監管部門能夠通過深度學習和模式識別來發現潛在的非法行為。例如，美國證券交易委員會（SEC）的經濟和風險分析部（Division of Economic and Risk Analysis，簡稱DERA）利用這些先進技術，對投資顧問的監管報告進行深度分析，以識別可能的風險行為，如內幕交易或投資顧問失當的行為。大數據技術的應用，使監管部門能夠有效地處理和分析大量的結構化和非結構化數據，從而發現異常交易行為，及時預警可能的非法活動，維護了市場的公平與公正。

市場交易監控和合規性檢查

人工智能和大數據技術為監管機構提供了強大的支持，使監管機構能夠自動化地分析大量的交易數據和市場活動，快速識別可能的市場操縱和其他非法交易活動。美國金融業監管局（The Financial Industry Regulatory Authority，簡稱FINRA）通過采用先進的技術，如人工智能、機器學習、云計算和大數據分析來保護投資者并確保市場的完整性。通過特定的技術應用，尤其是云計算和機器學習，FINRA已經改進了其監管質量，并持續優化其算法以追蹤可能的市場操縱行為。FINRA為檢測潛在的欺詐行為，每天處理的交易量高達 6000 億筆，是世界上最大的數據處理者之一。

模型解釋性與監管合規性

在采用人工智能和大數據技術進行市場監管時，模型的解釋性成為一個重大挑戰。眾所周知，許多機器學習模型被視為“黑箱”，其運作邏輯和預測結果常不容易為人所解。這種情況在面對復雜的金融市場交易和監管場景時，可能會帶來理解和溝通障礙。此外，監管合規也是一個不容忽視的挑戰。監管機構在收集和處理個人及交易數據時，必須嚴格遵守相關的隱私法律和規定，以保護個人和機構的隱私權。同時，監管機構需要確保人工智能（AI）和機器學習模型的使用符合現有的法律和監管框架，也需要確保各金融機構能夠適應新的技術和數據分析方法，為此可能需要對現有的監管框架進行一定的調整和更新。在這種背景下，監管機構與金融機構的協同合作變得至關重要，以確保在利用先進技術提升監管效能的同時，不會妨礙市場的公平、透明和穩定。

大數據及人工智能技術在證券監管應用中的思考和建議

合理預判和規劃未來人工智能在證券監管中的發展階段

大數據和人工智能技術將不斷深化在證券監管中的應用，尤其是在內幕交易的識別和預警方面，為監管部門提供強有力的技術支持。

初期應用與探索階段

該階段包含技術與業務融合，以及風險識別與監管加強。人工智能和大數據技術開始與證券監管業務融合，尤其是在處理分析大量、高頻交易信息方面展現出其獨特優勢。而在風險識別與監管挑戰應對方面，將通過人工智能技術對風險進行識別，為監管體系提供數據支持，幫助應對監管中遇到的各種挑戰，如內幕交易的識別和預警。

成熟應用階段

該階段將出現高級金融科技監管的應用。在金融科技高級階段，人工智能技術將得到更廣泛的應用，例如通過機器學習實現知識體系的實時更新，創建標準化數據報告，發出風險預警信號等，從而大大提高監管效率和準確性，在內幕交易監管、市場交易監控和合規性檢查等方面展現出強大的能力。

持續優化與升級階段

該階段將包含行業數字化轉型，以及政府與社會推動。人工智能和大數據技術進一步推動證券行業的數字化、信息化、智能化轉型升級，為監管部門提供了更為精準、高效的工具。政府和社會各方將共同推動人工智能技術在金融行業的應用，通過政策支持，鼓勵金融行業應用智能客服、智能監控等技術和裝備，建立金融風險智能預警與防控系統。

建立和完善人工智能在證券監管中的理論體系

在西方國家的主流輿論里，“去中心化”一直是大數據與人工智能技術的最大優點，即由“機器”完全充當監管者的職能，從而削弱或完全消除政府在監管中的作用。這也是部分學者認為監管部門應當將工作重心完全轉移到相關技術升級和分析方法選擇上的原因。而筆者認為，大數據與人工智能技術應當成為監管者手中的工具，而不是成為技術的“奴隸”。尤其是在內幕交易領域，面對復雜人際關系、利益鏈條和社會網絡，人工智能并不能完全理解并得出準確的結論，仍需要由人來進行價值判斷。

同時，歷史上無數次的教訓告訴我們，無論是單純的市場經濟還是單純的計劃經濟都會將經濟帶入危機。而完全由機器充當監管者的系統本質上就是完全的自由主義市場，這既不符合經濟規律，也不符合中國特色社會主義市場經濟的國情。因此筆者認為，只有將相關技術當作工具，再結合監管部門的政策把控，才是正確的出路。

統一數據標準、加強數據安全

統一的數據標準會使得多數據庫的整合成為可能，而這也是監管科技朝“大數據階段”前進的基石，從而實現計量經濟預測、時間序列分析等預測性分析；數據安全不光要保證數據的存儲安全，還要保證數據的使用安全。二者相輔相成，缺一不可。

令人振奮的是，2023年3月，我國正式組建國家數據局，負責協調推進數據基礎制度建設和國家數據安全等工作。筆者認為，國家數據局的組建可以極大地提高數據標準與數據安全，其與證監會和國家金融監督管理總局的跨部門聯動合作將成為新時代金融監管的工作重點之一。

健全相關法律法規和制度體系

當前我國在大數據、人工智能相關法律上尚不完善，國際上已有一些監管機構開始嘗試并探索使用人工智能技術執行證券監管，這為我國未來在這方面的發展提供了參考和借鑒。

監管科技的層面

隨著科學技術的發展，監管科技成為金融監管轉型的重要推動力。國際上，美國證券交易委員會、澳大利亞證券及投資委員會（Australian Securities & Investments Commission，簡稱ASIC）、新加坡貨幣當局（Monetary Authority of Singapore，簡稱MAS）等已開始嘗試利用人工智能識別可疑交易，以更準確地打擊金融犯罪活動。然而，在我國，人工智能的應用尚未上升到監管科技的層面，更多的是行業探索和試點性實踐。隨著技術能力和數據資源的加速累積，未來人工智能將成為推動金融科技監管轉型的重要技術。因此，相關制度應進行調整，以適應人工智能對金融監管模式的轉型與重塑。

數據收集與處理

在大數據法律方面，我國目前還須進一步明確國家數據局數據收集的合法性、數據的標準化法律規定以及數據存儲和使用的相關規定。特別是在金融證券行業，數據的合法收集、處理和分析對于保障市場的公平、透明和效率至關重要。

監管部門的權限與自我監管

除了數據法律的完善，還須進一步明確相關監管部門使用數據的權限，并對監管部門自身進行更加完善的法律監管，以保證整個金融系統的秩序穩定和健康發展。這包括但不限于制定和完善與人工智能技術應用相關的監管規則和標準。

（李奇龍為悉尼大學商學院商學碩士，邱建偉為泰康保險集團管委會成員兼泰康之家CEO。本文編輯/孫世選）