金融科技的風險和數據治理問題

金融科技公司憑借大數據及算法優勢介入金融業務，其面臨的風險首先是數據治理方面的風險，包括壟斷問題和算法倫理問題；其次是金融業務方面特有的信用風險問題和系統性風險問題。

平臺科技巨頭的壟斷問題

數據作為一種新的生產要素，已經成為數字經濟時代最重要的資源。數據若運用得當，將產生巨大的經濟價值。這一點體現在兩方面：一是減少信息不對稱，降低交易成本；二是促進新商業模式的創新，催生生產和消費變革。與傳統的生產要素不同，數據具有“非競爭性”，可以無限復制、重整組合、拓展應用，因此可以帶來規模效應，促使邊際收益遞增，提高長期經濟增長率。然而，在提升效率、促進創新的同時，數據治理問題也給各國帶來了嚴峻的挑戰。

平臺型業務具有明顯的規模效應和網絡效應，數據市場也具有自然壟斷的特征。當前，全球針對科技巨頭的反壟斷監管持續趨嚴，歐美等眾多司法轄區頻頻發起針對平臺型科技巨頭的反壟斷調查；我國政府強調“反壟斷和防止資本無序擴張”，國內平臺經濟領域也出現了一些標志性的反壟斷訴訟和反壟斷執法調查。

平臺反壟斷監管有兩個視角：一是市場結構；二是市場行為。從市場結構看，首先是要合理界定相關市場，進而判斷平臺經營者是否擁有市場支配性地位。從市場行為看，在于識別濫用市場支配性地位的行為。理解市場結構是判斷市場行為的前提。但從全球反壟斷的實踐看，重點不在于市場結構，而在于市場行為。

由于金融業務涉及公眾利益，各國均明確要求持牌經營。從市場結構角度看，對互聯網金融相關市場的界定，以及對市場支配性地位的認定不構成反壟斷監管的難題。反壟斷的焦點，在于甄別和禁止濫用市場支配性地位的不當競爭行為。

從反壟斷立法的角度看，平臺科技企業的不當行為包括：一是與濫用市場支配性地位相關的價格行為，如價格欺詐、掠奪性定價、拒絕交易、限定交易、捆綁銷售、差別待遇等；二是旨在排除或限制競爭的橫向和縱向壟斷協議，如價格串通、市場分割、算法合謀等；三是旨在消除競爭對手的經營者集中行為，如掠奪式的收購行為等。現實中，平臺金融科技公司的一些行為，可能已經構成反壟斷監管認定的不當行為，引起了社會各界的廣泛關注。

平臺金融科技公司的倫理問題

平臺金融科技公司因服務對象涉及大量不特定的自然人，收集和處理大量行為數據，觸及人的隱私和數據安全，因此引發了大量與人相關的社會倫理爭議。

一是個人隱私保護問題。這既是社會倫理問題，也是大數據治理的核心關注點。金融科技公司在信息收集、處理和使用過程中都可能涉及個人隱私，需要引起高度重視。現實中，金融科技公司存在未經授權收集個人信息、過度收集個人信息、過度暴露以及侵犯個人隱私的傾向。很多人工智能系統，在深度學習過程中需要大量的數據來訓練學習算法，如何保護個人隱私成為國內外普遍關注的問題。一方面，深度學習過程中使用敏感數據可能會對個人隱私造成傷害；另一方面，地下數據市場的頻繁交易，給個人信息安全帶來了巨大隱患。

二是過度負債與過度消費問題。普惠金融主要是為小微企業和農戶的生產性融資需求提供支持，即“授人以漁”。但在具體實踐中，金融科技公司的信貸業務，很多是面向低收入群體甚至是無收入群體，即“授人以魚”。這就可能誘導過度負債、超前消費，典型例子如校園貸、現金貸，以普惠金融為名，存在未對客戶進行充分評估，向實際收入低、還款能力弱，卻又喜好通過借貸實現超前消費的群體提供信貸的現象，違反了適度負債、合理消費的金融價值觀，導致過度負債、過度消費的問題，甚至可能誘發共債風險。特別是較高的利率給不具備還款能力的群體造成沉重的債務壓力，形成巨大的債務陷阱，加上不規范甚至惡劣的催債行為，有可能不斷加劇社會矛盾，引發社會爭議。

三是算法權力與算法歧視問題。金融科技公司基于海量用戶的替代數據（即銀行等傳統金融機構掌握用戶的負債、還款履約等數據，這些數據是核心的金融相關數據；金融科技公司掌握用戶的購物、出行、資訊閱讀等行為數據，這些數據在滿足一定條件時同樣能夠對用戶的風險偏好進行刻畫，因此把這些數據稱為替代數據），通過大數據算法深度計算分析消費者的行為習慣、性格愛好、經濟條件等，實現對消費者的精準畫像，進而匹配符合其最大偏好和意愿的金融產品，達到“千人千面”的個性化服務。這在一定程度上滿足了用戶更深層次的金融需求，但同時也形成了一種新型權力形態——“算法權力”，即金融科技公司運用大數據算法引導甚至操縱用戶的需求與決策。算法的“繭房效應”也可能誤導客戶或造成客戶對平臺的依賴。另外，金融科技公司的算法可能存在預設的偏見。人文社會中所關注的種族、性別、年齡、宗教等歧視問題，可能會被無意或有意地嵌入算法程序之中。算法本質上是以數學方式或者計算機代碼表達的意見，用非人格的技術性手段承載了人文社會的價值觀，設計者和開發者的偏見可能被嵌入算法系統，隱藏于算法黑箱之中。

平臺金融科技公司的信用風險

根據發生的概率，金融機構的信用風險損失可以分為三個漸次遞進的部分：一是預期損失，發生的概率最大，金融機構通過風險收益配比原則，內化于產品的定價之中，比如信貸產品中的利率；二是非預期損失，發生的概率較小，主要由金融機構計提撥備和資本金承擔；三是極端損失，發生的概率極小，超出了金融機構個體的承受范圍，風險外溢可能沖擊金融穩定，需要由公共資金例如財政救助。

平臺金融科技公司進入信貸市場后，如何改變風險分布曲線的形態，值得關注。理論上，金融科技公司的信貸風險與傳統金融的信貸風險可能存在三點不同：一是風險分布的“肥尾”問題，平臺公司主要服務尾部客戶，可能導致風險分布的肥尾特征更加突出；二是風險變化的非線性特征，尾部客戶的風險承擔能力較弱，缺乏獨立的風險判斷能力，在平臺邏輯或相關資訊的引導和影響下，可能具有更加明顯的“羊群效應”，在經濟環境發生非預期變化時，可能導致群體性社會事件；三是風險損失的補償機制失衡，金融科技平臺介入信貸市場的細分環節，風險損失的補償和承擔機制可能出現錯配，特別是金融科技公司的資本不足可能導致風險過早外溢，將風險轉嫁至公共部門。

目前，金融科技公司的消費信貸和小微貸款的不良率水平相對較低，有一定的誤導成分。一是由于監管要求不同，消費信貸不良可以快速處置出表，不良率指標并不能觀察信貸風險質量的全貌；二是短期內消費貸、小微貸規模迅速擴大，信貸質量模型還沒有經歷長周期的檢驗；三是由于“數據孤島”現象的存在，共債風險隱患揮之不去。

平臺金融科技公司的系統性風險

近年來，全球金融監管改革的重點聚焦于具有系統重要性的金融機構，防止出現“大而不能倒”的現象。金融體系的系統性風險，源于金融機構具有外部性，個別金融機構引發的危機可能會輻射整個金融系統，導致人們對金融機構產生信任危機，引發金融市場的不穩定，進而對實體經濟造成嚴重的負面后果。

金融科技創新不斷催生出新的商業模式、應用場景、業務流程以及金融產品，分工細化使得平臺機構之間、平臺與傳統金融機構之間、金融機構與實體經濟之間的聯系更加緊密，各種風險因素很容易通過平臺機構與其他市場參與者之間復雜的聯系而快速傳播，顯著提升了系統性風險發生的可能性。

總體上，金融科技可能引發的系統性風險源于以下三個方面：一是平臺企業本身已經成長為具有系統重要性的金融機構，例如在第三方支付領域和聯合貸款領域；二是部分中小金融機構過度依賴平臺企業的節點式技術服務，使得平臺金融服務具有較強的風險擴散路徑；三是金融科技公司本身嚴重依賴于數據和算法模型，當數據安全或算法錯誤時，也可能引發系統性金融風險。

可見，平臺金融科技公司的系統性風險與其業務的節點特性和技術特征相關，既有來源于傳統金融的風險，又有來源于技術領域的風險。此外，金融科技巨頭服務的長尾客戶群體數量龐大，單體金額較小，交易發生頻率較高，期限相對較短，這部分客群對金融產品潛在的風險理解不深，對風險定價不敏感，剛性兌付的信仰明顯。因此容易出現“羊群效應”，極易受到虛假信息和不當輿論的煽動，引發重大社會事件。這可能是金融科技公司系統性風險的特殊表現形式，需要引起重視。

從防范系統性風險角度來看，需要特別關注平臺金融風險的跨市場、跨行業的產生機制和傳播路徑。金融科技公司的客群規模和商業模式特性，決定了平臺機構的風險傳導具有不同于傳統金融機構的新特性，宏觀審慎監管任重而道遠。