蒋昌俊院士在“50人论坛”上关于数字金融模拟器的报告

针对数字金融模拟器的研究背景、关键技术及其主要应用，该报告分别就金融科技国内外研究进展、系统性金融风险背景现状和数字金融模拟器核心技术三个部分内容进行介绍。

首先是金融科技国内外研究进展的情况。当前，国内外金融形势复杂化，金融新业态和信息化深度广度加强，社会各类资金优化配置、创新创业、产业升级融资需求和金融服务对象都在快速增长。与此同时，近年来金融科技也在快速发展，大致经历了从信息化、网络化、数据化，再到智能化的发展过程；尤其是最近几年，异构大数据处理、机器学习等人工智能支撑技术突飞猛进，推动了金融智能化进程。现在金融安全、金融风控等，都在和信息技术的深度结合，金融科技也在为信息技术提供广阔的应用前景。

事实上，大数据的分析处理对金融科技的发展至关重要。现在由于这类信息技术的应用，金融领域发生了翻天覆地的变化，尤其是智能和金融的结合重塑了金融这一领域的形态。传统银行都是在线下进行。随着互联网的发展，线上交易和金融活动无处不在，特别是移动互联网普及以后。蚂蚁金服就是一个典型案例，在这一块走到了非常超前的位置。在世界范围内，伦敦、新加坡、纽约等是世界级金融中心；在国内，北京、上海、深圳、杭州也是金融非常发达城市，特别是在新金融形态方面，杭州、北京、上海、深圳发展非常迅速。但是，在金融创新的同时，其安全性和风险能控性成了值得思考的问题。据数据公司CB Insights预测，全球金融行业对监管、风控科技市场需求在2020年达1187亿美元。在强需求的驱动下，全球市场上现有数百家创新型公司提供监管科技服务，每年该行业新获融资10亿美元。

在金融领域，政府监管必不可少。可以把金融监管分成三个阶段：一个是监管的1.0版，大概是在上个世纪60年代到本世纪初，通常由大型金融机构牵头，将量化风险管理纳入内部流程，降低合规成本和复杂性，标志为“巴塞尔协议II”。到了本世纪初，尤其是2008年全球金融危机后，金融监管日益复杂，监管改革进一步减少了金融企业的风险承担、盈利能力和业务范围；复杂和冗长的监管浪潮大幅增加了合规成本；金融机构利用监管科技优化合规性管理。这是监管科技2.0版。特别是在2016年对金融监管有一个重新定义，当时英国FCA提出的“监管沙盒”。这一阶段可视为监管科技3.0版。监管科技和金融科技以数据为中心的理念，将推动监管观念模式从“知晓客户”到“知晓数据”的转变。监管机构亟需进一步加强数据驱动的监管，加快高效创新。这样的模式有一个通俗的理解：先在金融行业里划定一些范围，可以在范围内创新一些新的金融产品或金融活动，通过三个月或半年时间积累一定的数据来看看整个状况。这一理念具有一定的优势，使得金融效率更高，也保证了安全性。其实，监管科技发展的前两个阶段主要是由旨在降低合规成本的行业参与者推动，未来可能由希望提高监管能力的监管机构推动。总体来看，在这三个阶段中，前两个阶段是一个量变的过程，第三个阶段是一个本质的变化，监管创新起到一个很好的效果。

其次是系统性金融风险的背景现状。金融风险在过去发展过程中，差不多十年发生一次。亚洲金融危机非常迅速，在次贷危机中美国雷曼兄弟破产以后对世界经济的影响非常大。今天的供应链危机，包括一些金融产品，如果管控不到位，也会带来一些危机。所谓金融风险，是一定量金融资产在未来时期内预期收入遭受损失的可能性。对于金融经营，风险是一种客观存在。我们要做的就是学好如何控制风险，规制金融风险隐患。但是，我国很少发生金融危机，一切都在政府管控中。早在2017年，习近平总书记在报告里面提出要主动防范系统性金融风险，因为系统性金融风险对社会的伤害非常大。在这个过程中，央行成立了金融科技委，利用一些现代信息技术，如大数据、人工智能华、云计算等，来为风控提供技术支撑。

英国金融行为监管局（FCA）提出的监管沙盒机制，就是划定一个物理范围，这有点像我国的改革开放试验区。有什么样的业务，有什么样的内容，都在这个区域里进行，因为范围有限，所以出了问题能有效控制。金融沙盒在国际上使用比较多，包括澳大利亚等国家都使用这样的模式，效果非常好。当然，在这个过程中也出现过问题。这是因为，现在的金融活动不仅是在物理世界，更多的时候是在互联网环境下，通常在交易过程中人和人不见面，交易双方无法确认对方的合法身份。

其实，这些问题都可以采用模型算法和相关的信息技术来帮助解决。这里有两个代表性方向：一个是计量金融、波动性预测和回归分析。这些方法对整个金融活动的形态做一个数学描述和分析。另一个是Agent-based风险脆弱性模型。其实，如图1所示，金融系统性风险面临的关键难题主要有：一是精准分析，对各类金融风险的精准评估难，尤其是系统性金融风险的精准分析难；二是先期防控，在危机出现时有预判、有感知、最后有认知是比较困难的，风险在形成阶段的预警防控难，对于系统性风险的前兆防范难；三是因果追溯，在人类社会经济活动中因果关系是局部性的，更多是相关性分析，相关性不一定是因果性，因果性当然是相关性。这些在处理上都有难度，如对各类风险的因果关系发现难、针对系统性风险的成因与追溯难。

图 1金融系统性风险关键难点

好在，今天有新一代信息技术，如云计算、大数据、物联网、人工智能、元宇宙等等，在这些技术的赋能下，经济学界、法律界和计算领域的同行深度合作，便能找到解决问题的方案。

最后，重点介绍针对金融模拟器的一些基本想法。既然这些金融活动是客观存在的，不仅仅存在于物理世界，也存在于网络的虚拟世界。在过去，都是在真实世界里完成经济行为和经济活动。现在，是在网络世界里完成，包括第三方支付、银行开通网上银行等业务。可以把真实世界和数字世界做一个系统性考虑，统一建模，把两个世界之间的经济交互起来。如果把这样的模型建立起来，利用今天的算力、算法和数据优势，可以为这样的一个活动提供实现的可能。我们初步的想法就是建立这样的金融模拟器体系架构，金融模拟器有其核心技术，如图2所示。

图 2 数字金融模拟器关键技术及研究方案

这种模拟器不仅仅存在于计算机网络世界，还可以将网络世界和现实世界进行打通。比如，在与蚂蚁的合作方面，过去要上线一些新业务、新系统很困难，要花费一段时间。在模拟器思想的指引下，可以建立两个平行过程，一个是在线上面向社会正常交易的在线业务，同时还有跟它对等的模拟平台，这个模拟平台通过引流做一些新尝试，如新的监管机制。在模拟平台上，数据跟真实世界是一样的，其中试验成熟一部分，就可以将这个模块进行上线，这是一个非常好的模式。最近，上海证交所第4代交易系统要上线，但是交易系统不能停下来，研究好的系统没法通过真实交易进行验证。如果出现大的问题，线上活动就要停滞，如何保证不出现问题是个大挑战。一个潜在思路是借助金融模拟器引入引流循环，在这个平行系统进行操作和模拟，真实的数据在日常交易中正常进行，平行系统的数据从正常系统的实时引流和同步过来做测试和试验。如果发现问题，就在平行系统里改进；如果没有问题，就把这一块上线，一块一块去替代原来的旧系统。效果是显而易见。这也是我们想做这样一个平行系统的初衷。

金融模拟器不仅能够为新业务的上线提供重要支持，也可以在平行系统里的模拟器上测试和验证新出台的政策是否会出问题。另外，这个模拟器同样是按照三个层级进行构建的，主要是风险评级、风险演化推理和风险防控，采用的手段主要是大数据模型、机器学习等。当然，现在ChatGPT出来后，将为这项工作提供更强、更有效的支撑。最近我们在这个环境里已经初步开展了一些工作。

金融模拟器也可以对新上线的方案进行论证，从宏观到中观再到微观。总体来说，数字金融建设包括风险评测、防控预警以及政策模拟上线。数字人民币推出后，国家在深圳、青岛、苏州等城市做试点，这些都是在物理环境下进行，数据和问题收集后进行改进，改进完成后再上线使用，需要的时间比较长。如果采用模拟器，就可以在虚拟世界和物理世界融合的环境里展开工作，将获得更大的效率提高和创新保障的空间。

蒋昌俊 院士

CCF会士，中国工程院院士，同济大学教授、博士生导师，Brunel University London名誉教授，英国工程技术学会会士。曾担任同济大学副校长、东华大学校长。长期致力于网络金融安全的研究，主持建立了我国首个网络交易风险防控体系、系统及标准，为我国在该领域成为国际“领跑者”作出了开拓性贡献。以第一完成人获国家技术发明奖二等奖1项、国家科技进步奖二等奖2项、HO PAN CHING YI Award等。荣获2016年全国优秀科技工作者荣誉称号与2020年全国创新争先奖。