学者观察 马颖 金融领域数字化转型利用大数据、云计算、机器学习等新型技术,有效降低了金融服务的成本,扩大了金融服务的范围,增加了金融服务的对象,其对提高金融服务效率和提升金融发展的公平性产生了积极的影响。但与此同时,一些新的问题也困扰着金融领域数字化转型的发展。 金融领域数字化转型意识上的挑战 金融领域数字化转型的有序推进需要各金融活动参与者共同努力才能完成,因此良好的金融伦理素养将会直接影响金融活动的进程。金融伦理是指金融活动中人们所普遍遵循的道德准则,调节金融关系的价值理念和行为规范,金融的有序运行需要良好的金融伦理规范。 金融领域数字化转型目前还是一个全新的领域,存在对金融领域数字化转型中应遵守的伦理道德规范认识模糊、伦理意识淡薄的问题。一方面,金融服务机构从业人员的金融伦理素养提升上的挑战。从业人员的后续培训以专业技能为主,金融职业道德教育相对较少,加上企业文化的影响等,杜绝金融从业人员在开展金融活动时违背职业伦理道德,采取非正常手段,违规谋取不正当利益的挑战非常大。另一方面,金融服务对象自身金融伦理素养提升上的挑战。随着金融领域数字化转型的推进,越来越多的人员被纳入金融领域数字化转型活动范围,金融活动参与者缺乏基本的金融专业知识,不懂基本的金融规矩,时常会在金融活动中违反金融伦理规则,从事不正当的金融活动,给他人、社会和自身造成损失。 完善金融领域数字化转型法规体系上的挑战 金融领域数字化转型的健康发展需要良好的法治环境。目前在金融领域,中国已经制定了《金融法》《银行法》《票据法》《保险法》《证券法》等法律,但是随着金融技术的创新,金融领域数字化转型的相关立法并未及时跟进,导致该领域非法集资、金融诈骗等现象时有发生,网络信贷等数字金融行为无法规范运行,严重影响了金融领域数字化转型的顺利推进。 金融领域数字化转型运行不但需要良好的法制环境,也离不开有效的制度保障。金融领域数字化转型发展非常迅速,但是目前金融领域数字化转型发展中相关制度却相对滞后,主要表现为:部分金融领域数字化转型企业的市场准入门槛过低,有些领域甚至没有相关制度规定;已出台的一些制度随着新技术、新产品、新服务的出现不能及时跟进,原有制度无法有效规范数字金融主体行为。虽在不断积极推进完善相关法规体系的建设,但仍面临着新领域、新业态等带来的完善相关法规体系的建设需求,以及相关政策、法规协调等挑战。 金融领域数字化对完善监管体系带来新挑战 金融的良好运行离不开科学的监管体系,我国传统金融监管体系主要是对银行、证券和保险等传统金融机构的分业监管模式。在分业监管模式下,监管主体的监管行动是根据细分的金融市场和金融业务来确定的,不同的监管机构只针对某一具体金融产品或金融业务的风险加以预防和规制,监管主体之间缺乏必要的信息共享机制,监管行动的一致性难以形成。金融领域数字化转型具有明显的跨界特征,需要多部门综合监管,传统金融监管无法对其正常发挥作用。当前金融领域数字化转型对监管主体、监管制度、监管方式都带来全新的挑战,适合的科学监管体系完善的挑战都迫在眉睫,避免导致金融数字化转型领域监管失灵,引起数字金融活动失序。 金融数字化程度提高对行为监管带来新挑战:如零售端,消费者保护复杂度、难度上升。随着金融业数字化转型,指纹支付、刷脸支付、远程开户等新技术不断涌现,个人身份特征信息和财务信息被过度收集,超出个人授权进行商业性开发和集团内使用,对消费者的侵权主体、侵权方式、损害形态呈现多样性。典型的如消费者的手机失窃,就可能导致各种信息泄露,信用卡被盗刷,身份被盗用以申请新的贷款,引发消费者财产损失、精神损害,甚至危及生命安全。而且,数字环境下交易、证据呈现电子化趋势,电子证据的产生、固定、调取等,大多为经营者所掌握,消费者处于明显的技术劣势。最基本的,还有很多消费者,既缺乏金融知识,也缺乏科技知识。从批发端看,不时发生操纵市场、内幕交易、资源互换、交叉补贴、利益冲突等问题;披着科技外衣的不当行为更加难以监测。 技术发展的成熟度与落地预期间的挑战 金融领域数字化转型的健康发展离不开科技核心的有力支持和驱动,推进金融领域数字化转型既需要技术的持续创新,也需要不断提高民众的数字使用技术,科技创新与金融创新是双向互动的关系,界定、分析决定商业进程的发展趋势与技术是非常大的挑战。技术创新已成为竞争差异化的关键,是许多产业转型的关键,随着颠覆性技术的不断引进,技术变革的步伐继续加快,即使是最具创新性的企业和技术决策者也必须跟上这一步伐,商业生态系统的自动化正在迅速发展,以减少摩擦和建立动态连接。 数字生态系统利用共享数字平台的一组相互依存的行为者(企业、人和事物)来实现互利的目的。要想保持竞争领先地位,企业需要在变局中掌握技术先机,技术实现方式正悄然变化。自然语言处理、低代码平台、RPA等工具降低技术实现的难度,但鉴于数字生态系统动荡不安的性质,还须关注新的技术,如:自适应机器学习、边缘人工智能、边缘分析、可解释AI、人工智能部分分配、转移学习、生成对抗性网络和图形分析、数字运算、知识图谱、数据合成、分散自治组织、多方信任,包含了区块链、分布式账本、分布式数据库、代币化和其他一系列技术,以及商业应用的可行性等。