基于大数据平台的资金监管机制探析

王璇

摘 要：随着大数据浪潮在科技监管的时代碰撞，其强大的新处理模式为监管带来更多的可能性。在我国现阶段面临着资产总量膨胀而实体业徘徊低迷的现状下，构建大数据监管平台，从海量异构数据中挖掘更多价值，多维度描绘市场表现，有利于防范经济过度脱离实体的潜在风险。本文以资金在市场运转的来源和去向为线索，厘清过程中关键参与主体和薄弱环节，探析大数据平台在监管中的功能架构和运作机制。

关键词：科技监管 大数据 资金动向 脱实向虚

中图分类号：F832.1 文献标识码：A 文章编号：2096-0298（2018）12（a）-011-04

1 大数据平台赋能科技监管

RegTech，即监管科技—— “监管（Regulation）”和“科技（Technology）”的合成詞，指应用科技创新实现高效监管的过程。传统模式下运用计算机技术构建的量化风险管理体系，是基于传统结构性数据事后的、手动的监管，随着经济体量日益庞大、市场形势复杂多变，已难以满足实时性和灵活性的要求，对数据质量和管理也缺乏严格的把控[1]。而大数据技术的意义就在于其捕捉、存储和分析的能力远远超出传统数据库软件的范围，依托新处理模式对全部样本而非抽样进行多维度分析，十分切合金融数据海量、高增长率和多样化的特点，为监管模式的变革带来更多可能性。

各行业都呈现出数据导向的趋势，纷繁庞杂的市场下，每一笔细微交易如同微观粒子，其运动情况反映了经济体系中以货币表现的价值量与其对应实物量之间的状态和发展趋势，叠加出了市场形态。数据和信息不仅反映当前市场的细微动态，更暗含未来趋势的蛛丝马迹，可作为识别系统性风险的依据。目前金融行业云的快速建设落地也奠定了大数据的应用设施，推动了大数据金融生态系统的形成，为科技赋能监管提供了良好的基础。

2018年2月伊始，美股大挫，三个交易日内市值“蒸发”逾1万亿美元，作为全球股市的风向标，美股稍有风吹草动就会波及全球股市剧烈震荡。同样掉头下行的还有以比特币为代表的数字加密货币，在瀑布式暴跌后距最高点几乎腰斩。以财富分配、短期套利为主要动机的虚拟经济过度膨胀，必然导致作为支撑的实体经济无法满足其巨大的“胃口”——大量信用被创造，风险不断积累。

而资金作为实体和虚拟经济间运转的血液，从来源看，它是金融机构信用创造的总量和各经济主体运行的动力来源；从运用看，它投入各领域的结构和效率会直接影响宏观经济的运行。所以厘清信用创造总量和结构，构建大数据平台监管资金动向并对薄弱环节和关键主体进行防控及相关应用，有利于引导金融业真正发挥服务实体的作用，也是建立宏微观审慎监管体系的基本路径。

2 我国资金运作的机理分析

2.1 资金“从哪来”

2.1.1 宏观流动性创设及运动框架

从供给端分析资金动向绕不开流动性和流动性运动。宏观上，它包括从货币投入到创造的全过程，因而被作为货币总体供给情况的表征；微观上，指资产以合理价格变现的能力，只涉及货币的转移。

本文主要分析宏观流动性，可进一步分为基础货币和货币供应量两个层面。首先央行是整个体系的核心，是最终发行者和调控者。它通过货币政策工具，如再贷款、再贴现、包括近年SLO、SLF、MLF等[2]，来投放基础货币满足商业银行信用扩张的需求，构成货币供应第一层次。商业银行信用倍数扩张，形成某一时点上为社会经济运行服务的货币存量，即货币供应量。而输送到其他经济部门的货币除使用外，会回流金融体系形成循环，是货币供应第二层次，如图1所示。

2.1.2 央行投放基础货币的具体运作

基础货币是宏观流动性的源头。伴随着近年对外汇监管的加强，对冲外部流动性的角色在逐步淡化，并且SLO、SLF等各种新工具的开发表明央行对基础货币投放越来越主动。

2.1.3 信用创造派生形成的货币供应

M2历史上是反映货币供应量的重要指标，体现整个金融体系的流动性。我国的M2一直处于高位，与我国高储蓄、以间接融资为主的方式有关，而且市场化改革、经济结构改变等因素都会影响M2的反馈。回归金融业本质是为实体经济服务，从2011年起，央行公布了社会融资规模指标来反映实体经济的金融环境[3]，它从整个金融体系的资产方进行统计，将各种表内、表外业务和直接融资等都纳入范畴。由于统计角度范围不一致，二者并不存在数量上的对等关系，但理论上具有较高的相关性。

总之，这些指标都归结于对信用创造机制的考察，经济学家伯南克曾提出“外部融资额外成本”概念，即以信用创造体系为基础的融资会通过影响交易费用改变企业的外部融资额外成本，改变市场机会和资源配置，从而信用创造机制的扭曲会造成资金传导出现阻碍。

2.2 资金“到哪去”

2.2.1 资金在各部门的投入结构

由于不良贷款率上升，银行出于自身风险管理和风险容忍度的考虑，其经营活动会受到各种监管要求的制约，导致不同个体、不同行业甚至同一行业内个体的融资难易程度不同。纵向上看，受市场周期赚钱效应变化融资规模逐年变化；横向上看，各行业运行情况不同，反映在资产总额和增速和资金流入占比差异上，在债市、股市、房地产等“优质资产”交易中尤其突出。

2.2.2 各部门的真正有效投资需求

随着市场经济的发展，社会总财富的使用价值和价值不断积累，投资于各资产以追求价值增值，导致货币形式储藏的财富比例远高于实物形式。实体经济的运行，包括其自身的产业结构、产能等因素导致的投资回报率不同，对新增贷款、存款余额特别是活期存款余额增速和固定资产投资增速会产生影响，因为资金偏向于追逐优质资产和短期投机机会，所以实体业真正有效需求偏低。

2.2.3 各部门的资金实际投向

一方面，如果存在的低效或无效投入越多，资金运作的效率会越低，比如资金在账户长期的沉淀淤积导致资源闲置；另一方面，资金辗转进入资本市场、自我循环，或是中间流转链条拉长，抬高融资成本，都会扩大风险、减弱资金运行效果，需要关注这部分资金是否解决了融资问题，实际投向是否合理，换来了相应经济增长。

3 我国资金面临的现状及监管局限

3.1 我国资金动向的现状总结分析

我国目前确实出现了值得警惕的经济“脱实向虚”的现象。一方面，金融资产总量膨胀、资产价格快速上涨且剧烈震荡；另一方面，实体企业的投资效率低下、缺乏有效融资渠道。

“脱实向虚”现象的背后，是实体经济结构性供需失衡且同时存在金融市场发展不完善、監管相对滞后的问题，主要表现在以下几个方面。

（1）“真实有效的基础货币”投放不足。“真实有效”是为区别“名义基础货币”而定义的，指用于购买“本国资产”、用于本国经济建设的基础货币。由于上文提到的对冲操作，使央行在控制外汇占款所导致的货币发行量基本不变的情况下，资产负债表中负债端和资产端双双增加，所以显然并不是所有的“名义基础货币”都产生乘数效应。如图2所示，在剔除购买外国资产后的“真实有效的基础货币”过少，即“真实货币乘数”—— “真实金融杠杆”过高，对“真实货币乘数”进行分析才更具有说服力。

（2）社会融资规模构成波动较大。人民币贷款在融资规模中占比一直最大；金融机构表外融资在2007—2013年以年均39.5%的高速增长后，由于监管趋严近年来波动较大急剧缩减，在2015年和2016年占比分别为3.8%和6.2%；直接融资占比不大但在逐年增加，2016年非金融企业境内债券和股票融资占同期社会融资规模的23.9%。

（3）实体业“真正有效需求”偏低。近几年由于产能过剩、成本上升等因素，实体业回报率走低，另外受市场需求的制约，企业投资意愿较弱导致新增信贷需求不足，对资金吸附能力较低。要素禀赋和外部环境双重变化使得“固定资产投资拉动经济”模式的效率在逐渐下降。

（4）股市、房市等领域资金过度投入。市场赚钱效应诱使资金向股市、房市等流入，资产价格随之飙升。债券发行规模特别是政府类融资一直保持高增长，许多基建投资也来源于此，地方政府融资平台的信贷扭曲带来很多长期隐患。一些企业涉足房地产、金融业等非主营业务进行投机活动，片面追求资产价值增值。

（5）新兴金融业态监管跟进不及时。如图3所示，众多融资输送渠道中，间接融资中除已被社融总量所涵盖的业务外，仍有大量表外业务因为自身的隐蔽性并未被统计，其经营具有一定风险；同业业务在拓宽融资渠道、带来高额利润的同时也隐藏一定风险；各种创新性金融产品在发挥融资避险作用时，也可能成为“脱实向虚”的重要工具[4]，同时跨境的资金流动需要更为有力的监管。

3.2 传统监管存在的技术局限

3.2.1 由于数据多源分散导致信息孤岛化

由于不同部门数据源结构模式存在差别且关注数据的角度不同，数据管理建设的职能就分散在各部门，缺乏统一规划、可信的数据来源和标准，导致数据不规范、冗余、孤立等[5]，无法从全局视角对数据管理、监督和调控。

而大数据平台根据业务类型和内容差异进行数据粗分类，在保证信息安全、隔离和合规中立的情况下采集全部样本非抽样数据更加精确地提取有价值的信息，将不同领域的数据集打包，消除信息孤岛。

3.2.2 监控方式的设定和处理能力不足

传统监控方式通过恒定阈值或同环比的方式实现告警，虽简单易懂但存在缺陷。需大量工程师来监控并随环境变化维护相应人工阈值，随监控指标增加，告警信息会成倍增加，造成传统监控超负荷运作，甚至无法准确告警、出现遗漏。数据在波峰突降或波谷徒增、数据缓慢偏离，会很难触发恒定阈值；当流量在不同时间段不确定时，即阈值范围不断漂移，将无法通过人工设定捕捉。大数据平台利用统计学方式，根据数据的正态分布规律，利用标准差或方差推断阈值代替人工设定阈值。

3.2.3 数据分析系统的安全性建设不到位

随着海量数据增加，对数据访问控制技术、加密保护技术及多副本机制等安全性提出更高要求。相关部门在挖掘信息时一般采用联机处理，数据分析系统建设不到位使环境的安全性难以保证。从数据库提取数据再进行处理的过程中可能对传统数据库造成破坏、提取的数据在交付处理人员过程中的安全性也会降低等。大数据平台传输中考虑保密性和完整性而设置安全权限控制，对不同种类数据采取不同措施全程防止数据泄漏或被篡改。

3.2.4 缺乏完善的数据全部流程体系运维

传统系统尚未全面实现自动采集，同时跨局跨部门的数据检索功能和沟通机制还不完善，存在业务需求不清的现象。大数据的智能运维能够实时索引识别故障特征或利用学习功能对环境变更调整运维模式，所有数据交换和审批以及监控运维统一由数据信息控制中心负责，避免了跨部门协调及管理不规范等人为的时间损耗，提高数据的流通和使用效率。

4 大数据监管平台的运行机制

4.1 大数据监管平台机制分析及运行框架

4.1.1 大数据监管平台运行框架

运行框架如图4所示，通过对各机构、业务、交易等进行资金实时动向追踪，依托分布式处理、数据库、实时流数据、分析技术等，建立流量统计、智能筛选、模型设计、动态监测、风险预警等系列应用，实现动态监管。

4.1.2 大数据监管平台的运作机制分析

包括5个层面：数据采集层、数据处理层、数据分析层、数据展示层、数据共享层。

（1）数据采集层根据数据存储介质、类型和传输方式，借助不同的工具实现不同源、不同结构数据的导入，并且在导入基础上进行简单清洗和预处理工作[6]，对批量数据单设前端原始数据池，暂时存储前端流入的多源异构数据，供大数据平台处理调用。

（2）数据处理层由多个单元组成，除属性筛选与流量统计等基础应用外，还可转换成结构化数据或时间序列数据方便后续处理。如时间序列聚合是把每单位时间采集的原始数据转换为时间序列再对单位节点数据聚合；业务维度聚合则根据数据发生的时间、地域等业务维度聚合，得到多维业务数据。

（3）数据分析层是核心环节，主要针对数据隐性价值，基于可关聯数据库比对挖掘，包括属性关联挖掘、趋势分析挖掘、自定义指标挖掘等[7]。关键是人工设置算法模型定向监管，比如相互印证资金流向与实体经济运行的周期指标、针对经济结构调整对应可承受杠杆率、针对跨境资金流动设定外债统计、收支统计监测系统形成外汇储备的有效调控体系等。

（4）数据展示层是沟通复杂信息的强大武器。由可视化工具将复杂的数据转化成相对容易理解的图形图表等视觉效果帮助人们直观了解数据的意义，是数据处理分析层的进一步归纳总结，展示更多关联价值。

（5）数据共享层通过建立数据服务对接平台来满足跨部门跨系统的数据调用，打破部门间壁垒，推动各部门职能由管理转为服务，提高数据利用率和透明度。大数据监管最终目的是服务于各经济部门、单位，更方便更多样化地提供数据服务，提升监管的意义。

4.2 关键环节应用及优化机制

4.2.1 实现统计数据的高速更新

上文分析是以资金来源和去向为线索，各指标都是资金流量表的实际应用，而资金流量统计恰恰非常滞后，加上统计部门的协调问题会耗费大量成本。大数据技术识别中剔除垃圾数据，利用算法模型有效解决数据量大杂乱的问题，建立跨领域的数据关联几乎实现实时更新，大型仿真训练页带来显著增加的运算量。

4.2.2 建立宏观金融运行监测体系

（1）流动性风险识别。利用大数据深度分析，选取货币供应量、社融规模、利率、汇率等相关一系列指标加权构建实体流动性状况指数，从来源、去向、资产负债表、政策等多重衡量流动性的数量型和价格型两类指标，使流动性之水服从“流动性走廊”，服务实体经济。

（2）虚拟经济过度膨胀预警。通过相关指标的选取、筛查与比对，再基于大数据关联性分析，根据历史数据库提前洞察市场的“暗波汹涌”，实现“提前治理”，即在问题未出现前采取有效措施或在政策失效前予以改进，将看似毫无关系的信息结合，判断趋势和异常。

4.2.3 对关键参与者主体行为画像

金融市场复杂性、脆弱性和关系链条必然牵动整个市场发展[8]。对市场关键参与主体进行规制，如对金融控股公司股东资质的管理、外资金融机构的跨境资金流动、金融机构跨市场跨业的创新产品等。

（1）进行事前监管防控。事前监管是扫清金融市场潜在隐患的有效方法。通过对不同参与者进行入库分析、分类监管、建立交易模型，对投资者的交易情况、上市公司的活动概况和金融机构的经营业绩和管理活动全方位画像并综合打分，以严格控制参与者的市场行为，提高对市场不当操作的识别[9]。

（2）防止内幕和非法交易。随电子化程度加深，参与市场后的留痕从交易信息扩展到地理位置信息，甚至日常消费信息、浏览信息及社交信息等，从而推演出活动路线图，对内幕交易的发现取证有重大意义。监控平台基本建设思路是利用以往案例收集特征词，通过“两次比对，一次干预，最后确认”的一系列步骤，涵盖面极广，对异常情况不同级别的处置，做到防患于未然。

5 结语

经济与金融的高度融合，凸显了货币体系与金融监管协调的重要性[10]。现阶段金融市场日益复杂，尤其在经济动能减弱的背景下，控制好货币金融体系是实体经济运转之前提。要建立一套能有效维护宏观经济与金融、杠杆率健康稳定的货币资金运行框架和调控体系，既要在调结构、防风险下保持平衡，也要在金融监管、金融业发展、金融服务实体经济三者之间保持平衡。大数据时代是处理分析数据的升级，更是科学监管模式的革新。借助现在国家大力推动大数据应用的热潮，加之合理立法，集中整合金融市场的大数据战略资源来反哺社会，这样强调良好结果导向的科技化智能监管的新模式，必将是未来监管的走向。

参考文献

[1] 孙华东.商业银行统一数据管控平台设计与实现[D].上海交通大学，2015.

[2] 朱之伟，郑斌.中央银行再贷款风险防范系统设计与实现[J].华南金融电脑，2004（18）.

[3] 张林.金融业态深化、财政政策激励与区域实体经济增长[D].重庆大学，2016.

[4] 周宜强，张晓丽，邱峰.当前国内资本“脱实向虚”倾向的表现、成因、危害及应对[J].征信，2017（6）.

[5] 周锦标.企业级数据管理体系的构建[J].中国金融电脑， 2011（8）.

[6] 郭晓东.城市交通一卡通数据分析初探[J].交通世界（上旬刊），2017（1）.

[7] 王子阳，罗敦浪，谢先恒，等.浅析数据挖掘技术的概念及运行过程[J].魅力中国，2016（28）.

[8] 王辉.金融创新、复杂性与金融市场不稳定[J].现代管理科学， 2012（3）.

[9] 王冀宁，陈铭，陈庭强.中国金融市场监管行为的演化博弈研究[J].北京理工大学学报（社会科学版），2013（5）.

[10] 盛松成.社融与M2增速背离看金融去杠杆[J].中国金融， 2017（21）.