
监管科技应用之贵州样本: 大数据、人工智能 助力防范互金风险
5月27日在贵阳结束的“2017中国国际大数据产业博览会”上,21世纪经济报道记者注意到,一些科技手段正成为监管部门的重要辅助。
而贵阳市,正着手联合百度金融等机构,借助人工智能、大数据、机器学习等科技力量打造“贵州金融大脑”,以监管科技对全省金融风险等领域实施并加强持续监测和预警。
实际上,监管科技(RegTech)在金融科技中的关注度正不断升温,且已成应用热门。
除中国人民银行成立金融科技委员会外,包括中国证券投资基金业协会、中国互联网金融协会以及中国支付清算协会也成立了金融科技专委会或相关研究工作组。
中国人民银行科技司司长李伟指出,新技术与金融业务交叉渗透,使金融业态复杂多变,潜在风险不容忽视。央行方面也指出,强化监管科技应用实践,利用大数据、人工智能、云计算等金融监管手段,提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。
贵阳市人民政府副市长王玉祥在数博会上介绍,贵阳在去年5月推出了大数据防护金融风险平台,叠加区块链技术的2.0版本将在6月份发布。这一版本可覆盖传统金融和新金融机构,实施政府监管和一些商业化服务。接下来,贵阳还将与专门从事大数据金融风险控制模型的美国SAS公司合作,研发3.0版本的风险防控平台。
在贵州,金融云工程与地方金融风险防范工程均是2017年六大工程之一,而金融云建设与地方金融风险防范密切相关。
联手百度打造“金融大脑”监测系统
按照贵州省对金融云工程的建设设想,将综合运营大数据、云计算、区块链、人工智能等前沿科技,实现政府、金融监管部门、金融机构数据信息的汇聚、打通、应用,降低监管成本,防范化解风险。
目前,其一期工程在政用方面已经实现金融风险监测预警、地方金融审批监管、企业信息查询、打击非法集资举报分析等平台。商用领域则可以实现金融机构的网络舆情数据库、金融政策、金融机构黑名单查询、授信信息查询等资源共享平台。其二期将覆盖地方交易场所、小贷公司、融资担保公司的第三方存管、登记结算以及金融风险动态监测等功能。
贵州金融云三期主要是建设贵州金融大脑,实现对全省金融风险和地方金融机构经营风险的持续监测和预警,提升金融精准服务、服务“三农”和小微企业能力。
在数博会上,由百度金融联合贵州省金融办、大数据局等部门合作推出“贵州金融大脑”亮相。
百度副总裁张旭阳介绍,“贵州金融大脑”以人工智能、大数据、机器学习为技术基础,融合贵州省政务、企业、金融、互联网等多渠道数据,对中小微企业进行画像,金融机构可以此作为参考为中小微企业提供相应的融资服务。
监管科技的应用与威力
百度金融还表示,将继续探索与地方政府大数据合作模式,将科技能力复制到其他地区。
以庞大的地方国资系统为例,国资委过去在管理国企时受人员精力所限,基本只管理到集团一级,而国企集团下属子公司、孙公司层级庞大,难以覆盖。贵州基石数据科技有限公司业务负责人告诉21世纪经济报道记者,通过授权,公司对国有企业数据库中的国企行为信息进行分析和描述,对国企生产经营、改制重组、资产处置、关联交易、招投标过程中等方面的重点监控,如发现企业及关联企业潜在风险,并在事中出现异动在线监控,事后及时监管处置。还可以针对性设置重点关注模块,便于管理部门及时掌握企业动态并作出决策。
基石数据另一业务负责人表示,以互联网金融为例,除工商注册中涉及投资管理的企业外,还有许多公司以科技的名义注册但从事投资咨询事宜,这时就应当对企业在互联网上涉及投资宣传的一并纳入观察企业库,结合法院判决信息、企业工商信息等,多维度共同对互联网金融平台进行风险分级。
目前,新三板市场挂牌企业已达到11250家。一位股转系统负责人感叹,单靠人力已经管不过来,以技术为支撑的大数据监管成为可能,并且已经开始尝试应用。
腾讯云反欺诈平台方面介绍,平台投入无锡市使用近两个月,该市网络诈骗案件涉及的网址链接中,72%的中奖诈骗网址、85%的手机病毒链接、98%的仿冒银行和伪基站网址得到过滤拦截。通过与6省市的公安部门、运营商以及部分通信管理部门合作,平台在全国超过20个城市落地,仿冒公检法类诈骗的总金额下降超过一半。
21世纪经济报道记者在采访中了解到,许多监管部门都已经采用技术手段提升管理能力和水平。不过,背后仍需政府部门的数据打通和监管合力支撑。
一位中部地方国资机构人士表示,贵州作为大数据综合试验区,许多政府部门的数据打通上起到了较好的示范。但由于其所在地区政府部门的数据共享打通缺少顶层设计,部门间割裂比较明显,在大数据等技术支持监管等方面仍有较长的路要走。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29