
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
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 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22