京公网安备 11010802034615号
经营许可证编号:京B2-20210330
贺强建议完善金融监管机制 用大数据提供评价指标
3月12日全国政协委员、中央财经大学金融学院教授贺强在2015年两会上,提交了一份“关于完善金融监管机制充分释放市场活力的提案”。
贺强指出,在许多具体金融业务层面,我们还是存在管的过严、管的过宽、管的过细的问题,甚至管了很多不该管的事情。这种情况极大地阻碍了金融市场化改革的进程,制约了金融机构的自主发展,削弱了金融市场化配置社会资源的能力。
在发给中国网财经记者的这份提案中,贺强建议应当建立完善的法律法规,促使金融产品和服务的提供者充分的披露必要的信息、保障投资人权益;同时通过动态的手段对其自身的经营管理和偿付能力加以监控。
贺强还建议,利用云计算和大数据,得出量化的评价指标作为监管决策的参考和支撑。
附:贺强《关于完善金融监管机制充分释放市场活力的提案》全文
关于完善金融监管机制充分释放市场活力的提案
全国政协委员、中央财经大学金融学院 贺强教授
行业监管一般分为行政监管和市场监管,前者主要通过政府行政机构实施监管,后者以法律约束和行业自律为主。我国目前的金融监管机制是以行政监管为主、市场监管为辅。随着近年来我国金融改革的不断深化,以及互联网金融的高速发展,这一机制已经逐渐难以满足金融行业发展的需求。
党的十八届三中全会指出:经济体制改革是全面深化改革的重点,核心问题是处理好政府和市场的关系,使市场在资源配置中起决定性作用和更好发挥政府作用。我国的金融监管机构已经充分地认识到市场化思维对于金融监管的重要性。
2015年人民银行工作会议指出:2014年,在党中央、国务院的正确领导下,人民银行坚持稳中求进、改革创新,取消和下放了一批行政审批事项;人民币存款利率上限由基准利率的1.1倍扩大至1.2倍,金融机构自主定价空间和定价能力进一步提升;人民币汇率形成机制不断完善,银行间即期外汇市场人民币兑美元交易价浮动幅度由1%扩大至2%,人民币汇率双向浮动弹性增强,央行基本退出常态化的外汇干预。可以说,央行的这一系列举措实质性推动了金融市场化改革的进程。
但是,在许多具体金融业务层面,我们还是存在管的过严、管的过宽、管的过细的问题,甚至管了很多不该管的事情。这种情况极大地阻碍了金融市场化改革的进程,制约了金融机构的自主发展,削弱了金融市场化配置社会资源的能力。
为此,我们要继续深入推进金融市场化改革,进一步完善金融监管体系的建设,释放市场活力。具体包括:
一、建立完善的投资人保护和信息披露的政策法规,充分发挥市场自身的议价机制
任何一项金融产品,只要有收益,都会存在风险。消费者和投资人根据收益不同,拥有自主选择金融产品和服务的权利。对于相应产品和服务的风险承受能力,应当在金融产品和服务的提供者尽到必要的告知义务以后,由消费者和投资人自主判断。针对金融机构由于自身经营管理原因造成的风险并不属于市场风险,应由金融机构制定相应的方案加以应对。
应当建立完善的法律法规,促使金融产品和服务的提供者充分的披露必要的信息、保障投资人权益;同时通过动态的手段对其自身的经营管理和偿付能力加以监控。在满足上述要求以后,金融机构可以与各方市场参与主体共同议价,提供相应的产品和服务。
二、建立科学量化的风险评价机制,为监管行为提供数据支撑
在以往的金融监管过程中,“风险”几乎是监管机构评价金融产品和服务的唯一参考。以“风险高”为理由被叫停的金融业务比比皆是,然而风险的高低目前鲜有清晰明确的量化指标。
科学的监管应当做到有理、有据。“理”是必要的法律法规,“据”则是科学量化的评价依据。在云计算和大数据充分发展的今天,应当摒弃经验主义和教条主义,通过科学合理的模型,利用大数据技术,得出量化的评价指标作为监管决策的参考和支撑。这也是科学监管的必然趋势。
三、继续深化科学合理的分级监管制度,契合市场中发展程度不同的参与主体
自上世纪80年代,我国就开始实行分级管理制度。目前,分级管理已成为我国行业监管普遍的作法,涉及民生、经济管理、安全、信用等经济社会的方方面面。我国金融行业也普遍实行分级管理,它一般是从风险防范的角度进行的。然而近几年来,金融业态的发展产生许多变化。包括互联网金融在内的许多创新型金融产品和服务层出不穷。对于这些新兴领域,目前基本采用了“一刀切”的监管方式。
监管机构应当将更为适应市场需求的分级监管方式深化到金融体系的各个环节,通过分级管理合理配置监管资源,提高监管效率。同时,针对规模体量较大的创新产品和服务,不能单方面从可能产生的负面影响来定义监管的松紧。金融机构自身的风险控制能力以及风险承受能力也应当作为监管幅度调整的重要参考,进而避免过于从风险控制角度追求“抓大放小”,从而忽视了从行业发展角度“扶优限劣”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25