上财教授韩景倜金融科技标准建设需要更落地的执行标准

　　自中国人民银行启动金融科技创新监管试点工作以来，中国金融科技监管沙盒已在全国遍地开花，不断探索构建符合我国国情、与国际接轨的金融科技创新监管工具，覆盖行业多种核心技术和业务应用场景。
　　与此同时，中国人民银行会同市场监管总局、银保监会、证监会在上半年联合印发《金融标准化十四五发展规划》，提出要标准化引领金融业数字生态建设，包括稳步推进金融科技标准建设，系统完善金融数据要素标准，健全金融信息基础设施标准，强化金融网络安全标准防护，推进金融业信息化核心技术安全可控标准建设。
　　持续扩容的中国版金融科技创新监管沙盒实际运行情况如何？金融科技标准建设如何推进？各国在发展金融科技方面有呈现哪些共性和差异？上海财经大学金融科技研究院院长、央行（上海总部）金融科技创新监管试点项目评审专家韩景倜接受南都专访。推进金融科技标准化建设
　　需要更加落地的执行标准
　　南都：中国版金融科技创新监管沙盒正在持续扩容，实际运行情况如何？有何完善建议？
　　韩景倜：目前还是有限范围内的试点，创新监管在不断往前推进，目的在于引导金融机构利用现代技术为金融提质增效，最终还是要营造一个安全、普惠的金融发展环境。例如在供应链金融领域，各大金融机构参与试点应用积极踊跃。试点有其示范作用，从可靠性、安全性出发来把握整体进程。
　　有了具体技术的应用，我认为要建立行业相关标准，推进金融科技标准化建设，因为现行原则性标准尚不足以完全指导行业具体应用落地。标准化工作是基础，且具有一定挑战性。在标准化建设的同时，着力研发与之配套的监管工具，是金融科技发展常态化、生态化的保证。
　　若只有原则性标准而没有具体细节，企业执行起来就比较麻烦。因此，需要更加落地的执行标准。制定标准也是一部分人在做，主要根据项目的全周期流程和可能出现的风险来制定。标准对企业来说是挑战也是机遇，既需遵守金融数据要素应用合规性，也不能影响金融体系的机体运行健康。
　　南都：国内的金融科技创新监管试点项目与国外的监管沙盒有何不同？
　　韩景倜：两者还是有区别的，国外监管沙盒提出的背景是英国的金融行为监管局，引入了破坏性创新，允许创新型的金融科技破坏现有的金融商业模式，促进金融领域内部的竞争，最终保障金融市场能够提供更为优质的金融产品以及金融服务。我们国内推行的金融科技创新监管试点应用，既与国际接轨，秉承柔性监管的理念，又符合中国国情、具有中国特色。旨在引导金融机构利用现代技术赋能金融提质增效，营造安全、普惠的金融创新发展环境。在对原有规则的破坏性创新方面，我们相对更加保守务实。业务全球布局日益成为业内共识中国是金融科技一大投资目的地
　　南都：在技术热点、产业应用、行业监管等方面，世界不同国家当前在发展金融科技方面有何共性和差异？
　　韩景倜：科技和金融两大元素一直以来是相辅相成的，金融科技本质是科技手段应用于金融活动，科技为金融效率的提升提供了手段与工具。反过来，科技逐步使金融活动发生变革。这已是自古有之。近年来全球金融科技快速发展，共性表现是产业规模迅速增长，包括基于资产和信用的交易，成交数和投资额都呈现出快速发展态势。从重点地区来看，在硅谷、纽约、伦敦、香港等城市，业务全球布局日益成为业内共识。从技术基础设施建设以及市场发展历程看，过去美国，英国、新加坡等是金融科技发展比较领先和集中的地区，现在中国正在带动亚洲成为金融科技投资的一大目的地，这是一个重要发展趋势。中国是高速成长的金融科技市场之一，主要因为经济体量大，市场消费主体多。中国正处于金融科技规模化创新的升级阶段，金融业和科技产业的资源要素进一步融合，战略性的新兴技术融合创新正在推动金融的合规化、高效化、个性化。中国金融科技从互联网金融起步，中间有一些风险教训，以金融科技技术方案为基础进行业务创新，覆盖投研、消费金融、普惠金融、供应链金融等各方面，支付、征信、风险管理等业务模块都在不断升级之中。这是中国金融科技发展表现出的特点和水平。技术最关键的是实现效率提升深化数据综合运用还需完善立法
　　南都：在金融科技领域，区块链、大数据、人工智能、云计算、联邦学习、隐私计算等技术方案目前主要解决了哪些关键问题？还存在什么不足？
　　韩景倜：在金融科技领域，经常提到ABCD。A即人工智能，B即区块链，C即云计算，D即大数据，也有加上E即广义电子商务、G即5G通信，一起凑成ABCDEFG。甚至也有加上M，即市场热炒的元宇宙。其中包含像机器学习、联邦学习和隐私计算等，其实都属于人工智能和大数据板块里的具体技术。金融的本质是对资产从时间到空间维度进行再配置，人工智能、区块链、云计算及大数据这些技术最关键的就是实现基于信用的效率提升。具体不同场景下可实现的功能也不一样。例如由于千人千面，具体针对某一位客户时使用人工智能推荐算法就是为了提高效率。算法有效性主要取决于一是数据的质量，需要从大量非结构化数据和冗余数据中沙里淘金；二是算法模型的可行性，模型预测结果和实际结果是否有差异，一般通过机器学习模型不断自我纠正。企业利用算法模型实现客户画像，想找到类似容易违规或出现坏账的特定群体就更加容易。
　　有些问题是发展过程中客观存在和一定会遇到的，大家都在根据不同地域和行业进行探索。不同水平的机构实力和投入也存在差距，但只要提出来问题，大家都会去发挥各自优势攻关，比如在深化数据综合运用方面，现行的金融机构还没有完全做到数据不出域、可用不可见的要求，这方面还存在提升空间。既要保证数据安全，同时也要让数据要素能够发挥生产要素职能，产生经济社会价值。对此一是要不断完善相关立法和制度建设，二是要构建探索更加安全可信的数据运营环境和数据加工算法。
　　另一项个人认为目前更关键的难题是金融科技人才短缺。金融科技企业人才需求很高，但是人才培养输出跟不上。尤其对于高校来说，如果课程设置不合理，就难以满足企业的真实需求，在人才供应方面，单个学校每年50位毕业生很难解决社会实际需求。不过我认为，目前很多院校都在新建扩建金融科技专业，人才短缺问题在近四五年之内有所缓解。金融科技人才培养分短期和长期专业建设需紧跟市场变化和企业需求
　　南都：金融科技人才培养现状如何？存在什么问题？
　　韩景倜：现在很多院校都设置了金融科技本科专业，特别是财经类院校。全国有一个金融科技虚拟教研室，上海财经大学作为初始团队成员积极参加了该项目，各地综合类院校的管理学院、金融学院也都纷纷参与。金融科技虚拟教研室覆盖面广，在人才培养、课程设置等环节起到了示范、引领、推广的关键作用。
　　金融科技人才培养需要分短期和长期两个阶段看。金融科技人才培养的知识结构设计，要能解决当下的问题，还要能解决远期的问题。这也是两难选择，作为企业急需的技术业务人才，就是聚焦当下的业务场景和具体应用，比如区块链开发、大数据运营。但是从长远发展看，我们需要的人才是对各类金融业务场景、计算机知识结构、数据算法应用、以及项目流程管理有充分的了解，要不然无法推进行业的前进和迭代。我认为，师资队伍的建设和课程体系的设计应该注重多元化。
　　在金融科技类本科专业建设方面，大家有共识，有热度，市场需求迫切。但是金融科技类专业的属性还有争议，有人认为属于应用经济学领域，即金融专业，有人认为属于统计学领域，有人认为应该属于计算机领域，或者说信息管理、管理科学与工程。我认为还有待进一步探讨，目前上海财经大学的课程设置更偏向于管理科学的信息管理方向。因为上财信息管理培养的就是在经济领域里的计算机应用人才，金融科技同样是在把先进技术应用到金融领域。课程设置还要考虑到市场变化，企业用人需求也不尽相同，金融类人才和计算机编程人才各有所需。专业建设应紧跟企业需求，保证专业人才的持续性输出。
　　出品：南都大数据研究院
　　采写：林芯芯