? 唐毅南 |?復旦大學
【導讀】 今日，一則“支付寶、微信支付個人收款碼將于明年3月1日起被禁止商用”的消息刷屏。但據媒體深入了解，2021年10月13日發布的這則《中國人民銀行關于加強支付受理終端及相關業務管理的通知》，并非對收款碼的商用完全禁止。通知強調了收款碼分為個人和經營用收款碼，經營用收款碼不在通知限制之列，將受到約束的主要是個人靜態收款碼。對此，輿論在理解金融監管要求的同時，也表達了對未來一些經濟活動不便利的擔憂。
如何全方位理解近期對互聯網經濟的一系列監管行動，視角多樣，見仁見智。本文提供了其中一個重要的深度解析。作者指出：金融領域的數字化，將金融交易中原本的線性穩定模型，升級成了基于大數據的非線性不穩定黑箱。2008年次貸危機后，人們發現人類經濟活動事實上是非線性的網格狀結構，當前沒有清晰的經濟、金融理論可以解釋。科技金融，為了效率，便徹底拋棄了理論解釋，選擇用訓練人工智能，用“大數據”去模擬人類經濟模型。為了使結果有意義，人工智能只能先假定系統穩定，可非線性系統本身就是不穩定的。這就導致人類無法理解人工智能的模擬，也無法發現最微小的漏洞，而這種機制的盲目性，又鼓勵了金融投機和龐氏騙局。美式的“金融創新”沒有經驗，只有教訓，金融科技最新的重要“創新”，就是混業 經營的金融科技壟斷寡頭，他們當做招牌的“ 微觀 ”風險控制，實質上是一種“精準捕食”，其中任何一個金融產品，都有長成08年美國次貸那樣的“大象”的風險 。
作者強調：未來金融監管的導向，應從過去的促進市場效率和防范風險，向提高金融宏觀效能轉變。讓數字技術真正為長期發展服務。在監管部門協商劃定分區實驗范圍和容錯度的范圍內，允許實行不同商業模式的金融科技企業進行競爭，對在實踐中有效的商業模式逐步推廣，真正落實金融服務于實體經濟的發展導向。
本文原載《文化縱橫》2021年第1期，原題為《金融科技的辯證法：微觀精確和宏觀風險的平衡之道》。 文章僅代表作者觀點，供諸君思考。
金融科技的辯證法：微觀精確和宏觀風險的平衡之道
數字技術如今正被全球資本大加追捧。眾多行業的“數字化”轉型都能獲得天量投資，儼然成為超過當年互聯網“新經濟”泡沫的“超新經濟”。然而，數字技術應用于金融市場后，也催生了投機交易、龐氏融資和更多新形式、更大規模的高利貸。那么，當前金融科技中的數字技術的本質是什么？為什么會帶來上述負面影響？應該怎樣看待和管理金融中的數字技術？
要回答這些問題，需要注意到當前金融科技的三大新現象：一、新興混業經營的科技金融寡頭已經形成并具備了超強的資本力量，這對金融監管提出了巨大的挑戰。二、數字技術支撐的金融產品已全面滲透進日常生活，卷入其中的民眾范圍空前擴大。數字金融產品已經附著于日常生活，出現了繁多變體，普通民眾逐漸從主動參與變成被動卷入金融交易之中。三、數字技術的介入使得有潛在風險的金融產品和業務從快速膨脹到“爆雷”的時間周期大大縮短。
數字科技介入金融領域，也確實給民眾提供了便捷的消費、貸款與融資渠道。但當數字科技的技術原理復合到金融寡頭的高杠桿、高利貸和投機交易之上時，金融系統的穩定性極易受到沖擊。在當前的中國，由于監管及時，同時也因為單個企業已經快速“爆雷”，金融科技目前還沒有形成像次貸危機那樣龐大的系統性泡沫。但是長遠來看，數字科技把原來金融交易中的線性穩定模型升級成了基于大數據的非線性不穩定黑箱，大大增加了宏觀金融系統的不穩定性。
▍追不上技術實踐的理論：當市場跑贏監管
金融科技有兩個實體——“硬件”，即真實服務交易的計算機和通信基礎設施；“軟件”，即信息化的數據存儲、分析處理等工作。信息科技影響金融行業的歷史可以簡單地分為三個階段。
在第一階段，銀行等傳統金融部門通過將服務實體經濟的中介性金融業務（儲貸、交易結算等）電子化和信息化，提高了安全性、保密性和便捷性。20世紀90年代以來，伴隨著通信科技進入交易性的金融市場，買賣成交速度全面提高。信息技術的進步極大地滿足了投機性交易對“先人一步”成交的要求，信息科技對金融領域的影響進入第二個階段。在這一階段，由于金融交易不斷對IT設備和網絡的性能提出極端需求，為這一時期美國信息科技的發展提供了最大份額的投資，推動了通信技術的快速發展。與此同時，蘇聯解體后，一大批軍工、航天技術專家和科學家來到美國，他們把高深的數學帶到金融衍生品的設計之中——輿論就此稱呼此類工作為“火箭科學”。這些“火箭科學家”們通過分析大量數據得到相關參數，并將其帶入到期權定價模型中設計金融衍生品。由此產生的大量金融產品，構筑起美國龐大的金融衍生品帝國。金融衍生品的泛濫加深了美國經濟虛實二元化的隔閡，金融產業逐漸形成了一個僅創造交易而不服務于實體經濟的“第二部類”，為次貸危機埋下了伏筆。
當前異軍突起的大數據和人工智能技術，是信息科技影響金融行業的第三階段。如今，高性能計算機、數據庫和高速網絡已經成為金融交易的標配。次貸危機發生后，信息技術放棄了“火箭科學”原理，轉而依托計算機的超強算力和網絡平臺捕捉數據的超強能力。新一代技術完全拋棄了構造有經濟學意義的模型和理論，而是結合計算機科學、物理學、數學、人工智能等跨學科前沿技術，開發出新的金融科技“軟件”，進一步發展了美國金融“第二部類”中已有的衍生品。這一新趨勢不僅催生了新興的混業經營壟斷寡頭，還在理論上試圖掩蓋寡頭用科技“新瓶”裝次貸危機“舊酒”的本質。
在某種程度上來說，新的金融風險的出現和積累，是主流金融理論落后于時代的必然結果。金融理論的滯后，也導致了在這條賽道上監管總是落后市場的發展。
例如，量化交易集合了從超快通信基礎設施到大數據、人工智能在內的金融科技硬件和軟件，把監管拋在身后。在2015年中國股市驚人的大起大落之中，監管層發現了量化交易的身影，并及時進行了管理。但是，市場與輿論對此卻有異議。有觀點認為，量化交易在形式上并不違法，它符合主流金融理論的“套利交易”原則，僅僅是以極高的速度買進賣出，通過計算機數據分析預判其他人的下一步交易，并搶先一步執行。這不但不會加劇波動，還應該是市場的穩定器。最終，在對股市異常波動的處理過程中，監管層在對量化交易進行了調查后，并沒有全面禁止這一交易模式。這一事例表明，沒有相應的金融理論，就難以對新興的金融工具實施事前和事中的監管，而只能在潛在的風險轉化為現實損害的時候進行事后追責。
當前，中國的金融監管面臨著諸多挑戰。一方面，主流金融理論預設下的自由化“行為規范”，無法切實保護廣大消費者利益；另一方面，我們既無法和跨國金融資本競爭話語權，又面對國內金融科技行業的新實踐（如股票“配資”交易、“數字貨幣”、“P2P”金融）提出的各種各樣的監管難題。2020年10月，馬云在一次公開演講中指出，螞蟻金服能在解決中小企業貸款難問題的同時，利用數字信息技術很好地避免系統性金融風險。同樣，由于缺乏對于金融科技的理論認識，監管部門也只能從保護消費者等宏觀層面強調監管的重要性。監管部門強調的“零容忍”“終身責任制”，實質上也只是強調了監管的裁量權，但在技術上，我們目前還比較缺乏面對金融科技可操作的監管措施。在治理策略上，中國目前是以“金融服務實體經濟”和“防范系統性金融風險”的“實效監管”作為目標，這已經遠強于歐美只看交易合規性的“程序監管”；但是，如果我們沒有對于新的系統性風險的充分認識，僅依靠實效監管，即使有無窮大的自由裁量權，實際上可能還是很難消除金融科技制造的系統性隱患。
要走出這一局面，一是在理論上應該超越西方主流均衡經濟學范式，擺脫對美國金融路線的模仿；二是應建立新的試錯機制，用以發展新形勢下能達到既定目標且安全自主可控的金融體系。兩個措施應不分先后、一起推進。我們首先需要明確：美式“金融創新”沒有經驗，只有教訓；同時，金融監管的導向應從過去的促進市場效率和防范風險，向提高金融宏觀效能轉變。
▍數字技術的祛魅：內生不穩定的非線性黑箱
由于超級計算機和超快通信網絡的普及，到目前為止，數字科技的“創新”實際上屬于數據統計分析方法的升級。目前數據統計的方法有兩種。一種是以“火箭科學”的高深數學進行數據統計。2008年的次貸危機，已經證明濫用數據模型的衍生品會帶來災難性后果。但是，這種方法由于它是基于有公式的模型，實際上還是可以解釋分析的。而數字科技采用的數據分析辦法則是人類很難分析的。在次貸衍生品出現問題后，人們發現真實世界的風險是廣泛聯系的非線性動態，是比天氣更復雜的非線性不穩定系統。但這個直觀認識不能轉化為實際可操作的技術方法。這時候數字科技提供了另一種數據分析方法：引入非線性，但放棄任何理論解釋的余地，把一切交給算法。
大數據和人工智能的本質在于：大量數據之間的相關性過于復雜，是非線性的網絡結構，數據間可能的相關性無法通過人類可認知的模型方法給出，只能依靠算法自動評估。當數字科技應用于金融領域時，它就不再嘗試傳統金融學構造的定價和交易模型，而是直接使用“機器學習”的方法：用數據對算法進行“訓練”。這一過程僅把歷史數據和歷史結果投喂給算法，由計算機自行判斷如何給出結論。對人而言，這個過程是不可解釋的黑箱操作，經由黑箱導出的結果也沒有判定標準：人們無法判斷結果不一致的時候是有個別地方出錯了，還是系統結構發生了變化。為使結果有意義，人工智能只能事先假設系統是穩定的。但非線性系統往往本身是不穩定的，系統處于不間斷的變化發展中；即使是靜態的非線性系統，也有不穩定的多均衡存在。這就說明，人工智能基于歷史數據得出的結果不一定適用于未來，也不一定能反映當下實際情況。在假設系統是靜態的情況下如何能描述系統的動態？這是數字技術應用于金融領域時面臨的基本邏輯矛盾。
實際上，大數據“黑箱化”的數學理論完成于上世紀，不但早于次貸危機，更早于互聯網泡沫，甚至都稱不上“新瓶”。次貸危機前，美國人用以衡量風險的數據量一點不比現在少，并且也有經濟學理論模型背書。但由于衍生品過于復雜，已經沒有人能準確地研判真實的風險究竟有多大了。如今，統計的數學模型比次貸危機時又有了一些迭代發展，數據量也更大了，但海量數據反而將系統性金融風險的苗頭藏得更深，比次貸危機更難觀察到。
此次數字金融創新實際面臨著和次貸衍生品一樣的問題。主流經濟學的一般均衡模型要成立，必須預設系統是自發穩定的，當中的任何波動都被假設為外生的白噪聲。但在實際情況中，系統性危機的風險往往不是外力所致，而是在“和平時期”不斷積累的。金融科技基于“和平時期”的統計數據，尋找危機爆發和市場突變原因的能力為0。沒有理論的指導，大量的個體數據只會淹沒宏觀的異常現象。危機爆發的過程是非穩態的；而數據越多，總體看起來就越像一個穩態分布。因此從基礎理論上看，數字科技在金融領域的應用，直接繼承了次貸危機衍生品的方法論，仍然以一般均衡作為基礎假設，區別只是“機器學習”的方法沒有能夠顯式表達的模型。
具體而言，人工智能對系統性金融風險的盲目性主要表現在兩個方面：第一，不能識別大量數據中靜態的宏觀結構，而只是用黑箱模擬穩定的相關性，這就導致即使是最小的系統結構微調，數字科技也發現不了；第二，基于對結構的盲目性，數字科技激勵金融投機和龐氏騙局，擴大不穩定結構的變動并增加突變風險，這是系統金融風險的最主要特征，會引發“蝴蝶效應”式的正反饋。
更致命的是，數字科技會主動制造自己無法識別的宏觀結構變化，造成系統不穩定性。這在金融市場中有最直觀的例子，即前面提到的量化交易。量化交易不過是“微秒級的勝利”，可它卻用一般均衡的概念自我辯解：如果市場是自我穩定的，那么量化交易搶先交易就會加速價格向均衡點回歸。但是，量化交易特別容易引發跟風交易的羊群效應，追加買單/賣單和價格的上漲/下跌經常互為因果，這是典型的正反饋交易，是超高速的“追漲殺跌”。數字科技無法識別自己造成的結構破壞，導致連數字技術的所有者本人也會被反噬。例如，在2013年發生的“光大烏龍指事件”中，光大證券交易員誤下指令，產生了兩百多億元的買單并由量化交易系統自動執行，下單時間不足5毫秒，突破了所有人工和系統的防范；經由其他交易者的跟風放大，結果造成指數瞬間大漲超5%。2015年股市的異常波動中，量化交易高頻做空股指期貨，加劇了拋售的正反饋動力學，加速系統的結構突變，造成暴跌的正反饋。高頻交易從業者也承認，當市場出現正反饋時，量化交易如果恰好和正反饋同方向就掙大錢，反之就巨額虧損。量化交易系統絕不能防范系統性風險的出現。
因此，數字技術的反穩定革命實際上是人的問題：從業人員充分利用了上述兩個特征，用大量數據和算法黑箱包藏本來就難以識別的系統不穩定性，在這種情況下監管就是被動且滯后的。
▍從“精準捕食”到“精準扶持”：規范新興混業經營寡頭
從歷史上看，不同國家在各個時期的金融創新在金融操作層面是一致的，區別在于新技術的引入使這些創新的影響不斷增大。
金融科技最新的重要“創新”，就是混業經營的金融科技壟斷寡頭。混業經營使得它們更易介入居民的生活場景，更易發放高利貸、制造衍生品，實際上是給金融系統整體加杠桿。例如，網絡電商平臺通過支付、貸款、購物一體化，打通了居民從高利貸到超前消費、奢侈消費的全通道，侵占衣食住行所有生活場景——甚至連幾十塊錢的賬單，也鼓動消費者分期。
形成這樣的商業模式主要是因為這些互聯網金融平臺前期為達成壟斷投入了太多推廣費用，這些費用一般來自私募股權市場的融資。出資人會要求平臺迅速實現賬面收益以便上市，進而獲取股價上漲帶來的超額收益。對于這樣的商業模式來說，貸款給中小企業獲取長期收益太慢了，只能依靠透支消費者的未來收入以實現最快的資金回籠。
精準識別個體微觀風險是這一金融創意的招牌。盡管大數據和人工智能技術號稱能夠基于歷史數據精準識別個人的風險特征，但平臺利用壟斷地位在宏觀上增加了超前消費和高利貸總規模，這一會影響宏觀系統的行為，本身就破壞了先前微觀風險識別結果的真實性。不僅如此，金融科技寡頭也無法識別其他主體制造的系統不穩定性。例如，最近“爆雷”的長租公寓通過高價收房、低價放租，迫使租客借租金貸整付租金給平臺，平臺再分期交付房東租金的形式，構造資金池，進行龐氏融資擴張，正是利用了科技制造金融騙局的能力。這些房主和租客同時也是其他電商平臺的用戶，而電商的大數據卻不能發現這一結構性沖擊蘊含的系統性風險。
我們可以看到的是，人工智能系統得到的數據是從前居民不怎么借高利貸，還款能力很強，結果各個平臺爭相給居民發放高利貸，且各個平臺并不知道居民借了競爭對手的高利貸。蘊藏其中的風險不僅影響人工智能的微觀風險識別，宏觀上也造成了規模急速擴大又可能急速破滅的泡沫循環。在這種情況下，強調科技拓展普惠金融、提高技術可靠性、完善數據標準，沒有什么根本幫助。從P2P金融，到租金貸、電商平臺消費貸，這一輪數字金融創新既有龐氏騙局去中心化的游擊戰，又有混業經營平臺全面侵入居民生活場景的產品集，儼然是個蜂群，如水銀瀉地無孔不入。蜂群中的任何一個產品，都能單獨膨脹成美國次貸那樣的大象，其系統性金融風險不可低估。
既然金融科技不能自發控制自身行為導致的系統變化，那么金融科技就應該成為嚴厲限制的對象嗎？關鍵在于在理論上認清監管業務合規性的難度。由于數字技術的獨特性，即使監管部門使用和金融寡頭一樣的數據和算法，也發現不了人工智能的問題。因此，要對數字技術進行監管，必須以相關理論指導下的非線性和非穩態模型進行系統性金融危機的預警，這樣做起碼可以做到提前一個季度發現系統性金融風險的信號。與此同時，在理論上我們也要辨明，不同的商業模式可以將系統變化導向不同方向。現階段，規范商業模式可能比監管業務合規性更有效。
穩定只是底線要求。如果數字技術在金融領域運用得當，也能推動經濟的長期發展。
從現象上看，如今互聯網金融平臺熱衷于發放小額消費性高利貸，其策略是“精準捕食”。“精準捕食”策略就是精準識別消費者能承擔的最高商品價格和最高貸款利息的“大數據殺熟”，這種策略在短期內能帶來高利潤，幫助企業快速實現資金回籠，長期來看卻積累了系統性金融風險，并降低了經濟增長潛力。
未來，大平臺的數字科技應該著力應用于精準識別、扶持風險小、有前景的企業，向它們提供不需抵押的低息貸款，降低其融資成本，如此才可能帶來長期增長的高收益。消費透支的“精準捕食”易導向長期系統性金融風險，而企業融資的“精準扶持”則可以增強系統耐沖擊能力，并逐步導向長期高利潤。當然，由于兩種商業模式的短期利潤差別巨大，還需要政府充分發揮自身作用，推動金融科技轉向精準扶持中小企業。在具體操作上，還是應采取分區實驗、綜合評估的方式，調整監管的形式。央行、財政部、發改委等部門和監管部門協商劃定分區實驗的范圍和容錯度，在此范圍內允許實行不同商業模式的金融科技企業進行競爭，對在實踐中有效的商業模式，逐步推廣，真正落實金融服務于實體經濟的發展導向。
本文原載《文化縱橫》2021年第1期，原題為《金融科技的辯證法：微觀精確和宏觀風險的平衡之道》。歡迎個人分享，媒體轉載請聯系本公眾號。
