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”。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09