大数据和人工智能在证券监管中的创新和应用

随着科学技术的发展，大数据和人工智能技术在处理分析大量、高频交易信息中的优势愈发明显。从监管角度讲，运用大数据技术推动证券监管的创新与完善是当下时代的潮流，也是历史的必然选择。本文以检测内幕交易为例，探究了大数据和人工智能技术在证券监管中的应用，并提出建议。

背景概述

近年来，信息时代的发展使得证券市场的各类活动更加频繁，证券市场活动受到空间、时间以及技术问题的制约愈来愈小。这也促生出“互联网金融”“金融科技”“监管科技”等多个领域的创新。有些学者和业内人士反对“互联网金融”，这并非反对在金融领域应用大数据等信息技术，而是出于对互联网企业过分追求效率而忽略风险的担忧。这恰恰从侧面证实新时代下金融监管改革创新的重要性。

在证券市场，信息技术的应用催生了“高频交易”这一从根本上依赖信息技术的交易策略。人工智能的发展使得一些投资者进行算法与算力的“军备竞赛”。这些无疑都给新时代的证券监管带来了新的挑战，即，传统金融监管体系很难对以上的交易策略做出有效、快速的判断和审查，从而使某些不法分子“有隙可乘”，进而破坏金融市场生态，降低市场稳定度，打击投资者信心和对监管部门的信任。因此，大数据技术和人工智能也应当成为监管部门的武器，以维护金融体系的稳定与健康发展。

当下，各国都十分重视大数据和人工智能技术在监管领域的应用和创新。不可否认的是，我国相关部门对此有着更丰富的经验和更为先进的认知。这有赖于我国监管部门对于高净值、高流通的互联网公司的监管经验以及技术革新，坚决打击金融系统腐败、违法违纪以及资本无序扩张。

内幕交易监管现状

证券监管是对证券市场的各类活动进行监督和管控，其中对交易的监管难度最大。证券在市场的活动按照时间顺序划分可分为发行、承销、上市和交易。对上述活动的监管中，交易监管的难度首屈一指，这源自于二级市场交易的一些特性：高频率、交易单数量庞大、单笔交易额浮动大、实际交易对手难以确定等。

内幕交易是指内幕人员和以不正当手段获取内幕信息的其他人员违反法律、法规的规定，泄露内幕信息，根据内幕信息买卖证券或者向他人提出买卖证券建议的行为。由于这一行为极大地侵犯了不知情投资者的权益和利益，破坏市场公平性，打击投资者的信心和对市场的信任程度，内幕交易在世界绝大多数国家都被定性为违法行为并且刑罚较重。虽然一些学者支持内幕交易的合法性，认为内幕交易在一定程度上刺激证券市场的竞争，但实际上其带来的危害远大于其优点。我国也是坚决打击内幕交易的一员。

对于内幕交易的监管是难中之难。即便刑罚极重，但内幕交易带来的巨额收益和其隐蔽性往往让内部人士忽略法律风险而“放手一搏”。内幕知情者往往通过建立空壳公司等方式构建交易链条，并通过小额多笔交易瞒天过海，麻痹监管部门。而传递型内幕交易更为隐蔽，其“群体化”“裙带化”特征明显，即内幕知情者将消息传递给其直系血亲，再由其血亲传递给其他亲属、同学、同事、商业伙伴甚至其子女在读所在学校人员等，使得相关监管部门监管难度进一步加大。根据证监会公布信息，2016—2017年间内幕交易立案数量为117起，其中信息传递型内幕交易占比约70%。

2023年3月，我国监管部门进行重大的改革重组，使得金融监管整体框架更加清晰明确，极大减少了多个监管主体配置重叠、责任区划不清楚的情况。但我们仍然需要看到，有相当数量的内幕交易逃避了监管。而且在已经立案的案件中，事前、事后监管占了极高的比重，而过程中动态捕捉的案件微乎其微。事前监管往往会提高市场准入门槛，降低市场活力。而事后监管更像是亡羊补牢，是对于过去损失的一种补偿，但在实践中往往补偿并不能弥补其带来的损失，尤其是对于投资者信心这种“无形资产”的侵害。

总结来说，以往对于内幕交易监管根本上的难点是数据信息整合与分析的能力有限。检测内幕交易不仅要对交易数据本身进行分析整合，还要对相关交易者背后的社会关系网和利益链进行分析。传统的监管模式是人工分析，这不仅要耗费大量的人力物力进行调查分析，还效率低下。往往相关人员付出了巨大心血但一无所获。而大数据技术和人工智能的应用，会在相当大的程度上改善监管部门所面临的困境。

大数据及人工智能技术对内幕交易监管的应用和优势

大数据技术的自身特点可以很好地解决内幕交易监管难题。大数据技术的4V特点有别于传统人工模式：处理数据体量大、数据类别多样化、数据处理和分析高速、高价值精准分析。这些特征十分契合实践中内幕交易监管所面临的难题。由于大数据技术是全数据的关联性分析，而不仅是同类数据分析，这使得其可以同时做到对于交易数据和交易主体社会关系的分析，从而更快速精准地检测识别出可疑交易和相关交易主体。

人工智能技术则可以成为另一个监管助手。有赖于以往大量的相关案件数据作为学习材料，使用机器学习让其拥有对于内幕交易的识别能力，并通过未来的数据进行强化学习，即采用“半监督+强化”的机器学习模式，从而使得监管更为快速有效。

强大的全数据收集能力

大数据技术可以快速整合个体在证券市场的活动和其所在的社会网络。传统监管模式往往使用手工模式去收集数据信息，尤其是内幕交易中的交易主体社会关系网络。考虑到内幕交易者通常会采取措施来遮盖其违法行为，其构建的关系网络十分繁杂。每一个案例分析都要使得监管者重新构建一个新的社交网络图，这进一步增大了监管难度，降低监管的时效性。而大数据技术则轻而易举地将这一难题解决，其可以快速准确地构建出相关的网络图，并将网络中每一个主体所做的相关活动进行整合，使得监管者可以将工作重心不再放在多类数据收集与数据整合上，极大地提高了监管效率。

强大的数据分析和风险预测能力

大数据技术的分析能力和学习能力有助于对交易“事中”和“事前”阶段的监管。内幕交易的隐蔽度高有赖于内幕消息知情人将消息“范围广”“裙带化”地传播出去，间接地参与交易。这使得传统监管部门虽然能发现证券价格的异常波动，但很难追责到真实泄露消息者。而大数据技术所构建的交易网络图和人工智能技术的多维度、跨类别数据分析能力，使得上述难题迎刃而解。通过不断地学习强化，人工智能的准确性和有效性会逐渐提升，这使得“事中”动态性监管成为可能，即在内幕交易发生过程中内幕交易就被识别检测成功，从而避免了上文中提到的事前、事后监管所带来的窘境。

而通过深入地发掘分析信息，人工智能也会对当前系统自身的漏洞进行修复，以及对未来风险进行预测。人工智能的这些特性使得其在天气预报、诈骗检测等领域已经得到应用。而在证券监管领域，人工智能可以对内幕交易的相关主体的违规行为和相关风险隐患进行警报和预警，从而提高对内幕交易的检测能力。

减少有误信息的干扰和误导

上市公司的信息披露制度是上市公司的法定义务，但是现实中上市公司经常会将其信息进行加工和伪装，从而误导投资者做出错误的预期判断。相关管理高层也时常会释放一些“暗示性信息”来干扰投资者，甚至监管者，进而影响监管的有效性。而大数据技术则可以避免这类问题。由于大数据是收集全类别数据，并对其进行关联性分析，从而会轻易剔除错误干扰信息，降低有误信息干扰。

大数据及人工智能技术在监管应用中的现状和挑战

非法金融活动的监测和预警

人工智能与大数据技术的应用，已经使监管部门能够通过深度学习和模式识别来发现潜在的非法行为。例如，美国证券交易委员会（SEC）的经济和风险分析部（Division of Economic and Risk Analysis，简称DERA）利用这些先进技术，对投资顾问的监管报告进行深度分析，以识别可能的风险行为，如内幕交易或投资顾问失当的行为。大数据技术的应用，使监管部门能够有效地处理和分析大量的结构化和非结构化数据，从而发现异常交易行为，及时预警可能的非法活动，维护了市场的公平与公正。

市场交易监控和合规性检查

人工智能和大数据技术为监管机构提供了强大的支持，使监管机构能够自动化地分析大量的交易数据和市场活动，快速识别可能的市场操纵和其他非法交易活动。美国金融业监管局（The Financial Industry Regulatory Authority，简称FINRA）通过采用先进的技术，如人工智能、机器学习、云计算和大数据分析来保护投资者并确保市场的完整性。通过特定的技术应用，尤其是云计算和机器学习，FINRA已经改进了其监管质量，并持续优化其算法以追踪可能的市场操纵行为。FINRA为检测潜在的欺诈行为，每天处理的交易量高达 6000 亿笔，是世界上最大的数据处理者之一。

模型解释性与监管合规性

在采用人工智能和大数据技术进行市场监管时，模型的解释性成为一个重大挑战。众所周知，许多机器学习模型被视为“黑箱”，其运作逻辑和预测结果常不容易为人所解。这种情况在面对复杂的金融市场交易和监管场景时，可能会带来理解和沟通障碍。此外，监管合规也是一个不容忽视的挑战。监管机构在收集和处理个人及交易数据时，必须严格遵守相关的隐私法律和规定，以保护个人和机构的隐私权。同时，监管机构需要确保人工智能（AI）和机器学习模型的使用符合现有的法律和监管框架，也需要确保各金融机构能够适应新的技术和数据分析方法，为此可能需要对现有的监管框架进行一定的调整和更新。在这种背景下，监管机构与金融机构的协同合作变得至关重要，以确保在利用先进技术提升监管效能的同时，不会妨碍市场的公平、透明和稳定。

大数据及人工智能技术在证券监管应用中的思考和建议

合理预判和规划未来人工智能在证券监管中的发展阶段

大数据和人工智能技术将不断深化在证券监管中的应用，尤其是在内幕交易的识别和预警方面，为监管部门提供强有力的技术支持。

初期应用与探索阶段

该阶段包含技术与业务融合，以及风险识别与监管加强。人工智能和大数据技术开始与证券监管业务融合，尤其是在处理分析大量、高频交易信息方面展现出其独特优势。而在风险识别与监管挑战应对方面，将通过人工智能技术对风险进行识别，为监管体系提供数据支持，帮助应对监管中遇到的各种挑战，如内幕交易的识别和预警。

成熟应用阶段

该阶段将出现高级金融科技监管的应用。在金融科技高级阶段，人工智能技术将得到更广泛的应用，例如通过机器学习实现知识体系的实时更新，创建标准化数据报告，发出风险预警信号等，从而大大提高监管效率和准确性，在内幕交易监管、市场交易监控和合规性检查等方面展现出强大的能力。

持续优化与升级阶段

该阶段将包含行业数字化转型，以及政府与社会推动。人工智能和大数据技术进一步推动证券行业的数字化、信息化、智能化转型升级，为监管部门提供了更为精准、高效的工具。政府和社会各方将共同推动人工智能技术在金融行业的应用，通过政策支持，鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统。

建立和完善人工智能在证券监管中的理论体系

在西方国家的主流舆论里，“去中心化”一直是大数据与人工智能技术的最大优点，即由“机器”完全充当监管者的职能，从而削弱或完全消除政府在监管中的作用。这也是部分学者认为监管部门应当将工作重心完全转移到相关技术升级和分析方法选择上的原因。而笔者认为，大数据与人工智能技术应当成为监管者手中的工具，而不是成为技术的“奴隶”。尤其是在内幕交易领域，面对复杂人际关系、利益链条和社会网络，人工智能并不能完全理解并得出准确的结论，仍需要由人来进行价值判断。

同时，历史上无数次的教训告诉我们，无论是单纯的市场经济还是单纯的计划经济都会将经济带入危机。而完全由机器充当监管者的系统本质上就是完全的自由主义市场，这既不符合经济规律，也不符合中国特色社会主义市场经济的国情。因此笔者认为，只有将相关技术当作工具，再结合监管部门的政策把控，才是正确的出路。

统一数据标准、加强数据安全

统一的数据标准会使得多数据库的整合成为可能，而这也是监管科技朝“大数据阶段”前进的基石，从而实现计量经济预测、时间序列分析等预测性分析；数据安全不光要保证数据的存储安全，还要保证数据的使用安全。二者相辅相成，缺一不可。

令人振奋的是，2023年3月，我国正式组建国家数据局，负责协调推进数据基础制度建设和国家数据安全等工作。笔者认为，国家数据局的组建可以极大地提高数据标准与数据安全，其与证监会和国家金融监督管理总局的跨部门联动合作将成为新时代金融监管的工作重点之一。

健全相关法律法规和制度体系

当前我国在大数据、人工智能相关法律上尚不完善，国际上已有一些监管机构开始尝试并探索使用人工智能技术执行证券监管，这为我国未来在这方面的发展提供了参考和借鉴。

监管科技的层面

随着科学技术的发展，监管科技成为金融监管转型的重要推动力。国际上，美国证券交易委员会、澳大利亚证券及投资委员会（Australian Securities & Investments Commission，简称ASIC）、新加坡货币当局（Monetary Authority of Singapore，简称MAS）等已开始尝试利用人工智能识别可疑交易，以更准确地打击金融犯罪活动。然而，在我国，人工智能的应用尚未上升到监管科技的层面，更多的是行业探索和试点性实践。随着技术能力和数据资源的加速累积，未来人工智能将成为推动金融科技监管转型的重要技术。因此，相关制度应进行调整，以适应人工智能对金融监管模式的转型与重塑。

数据收集与处理

在大数据法律方面，我国目前还须进一步明确国家数据局数据收集的合法性、数据的标准化法律规定以及数据存储和使用的相关规定。特别是在金融证券行业，数据的合法收集、处理和分析对于保障市场的公平、透明和效率至关重要。

监管部门的权限与自我监管

除了数据法律的完善，还须进一步明确相关监管部门使用数据的权限，并对监管部门自身进行更加完善的法律监管，以保证整个金融系统的秩序稳定和健康发展。这包括但不限于制定和完善与人工智能技术应用相关的监管规则和标准。

（李奇龙为悉尼大学商学院商学硕士，邱建伟为泰康保险集团管委会成员兼泰康之家CEO。本文编辑/孙世选）