数据和技术本身并没有价值和力量，后者是在使用中被赋予的和显现的。数字金融实际上是新一代信息技术与金融结合后，形成了新的业态，业务和模式，是金融的再造。而金融监管则是平衡再配置过程中的各主体权利义务和能力的平衡。面对金融的技术重构和更复杂的市场化的生命系统，监管部门的风险管理可能需更谦卑，更多提升和改变自己。

本文系国务院发展研究中心金融研究所副所长陈道富在11月14日举办的金融科技创新论坛暨货币金融圆桌会议·专题研讨会“科技赋能与普惠前沿”上所做的主题演讲。

数字金融相关的理论思考

文 | 陈道富

笔者从理论的角度去思考互联网金融、数字金融背后的一些逻辑。

1

数字金融是什么及其给我们带来什么？

近些年有很多概念不断替换，表达大致相同的含义，只是侧重点略有不同，如互联网金融、金融科技和当下的数字金融。这些概念都在表达的含义，是通过新一代的信息技术，将数据、技术和金融连结起来，并形成新的金融服务、组织和模式。

当前所谓的新一代信息技术，一般都是指大数据、云计算、区块链、人工智能等技术。金融从出现开始，就一直是利用技术和数据的，与大数据和新一代信息技术结合后，一种是延续原有的关系，现有金融机构、业务使用新一代信息技术进行重新表达，只是一次金融技术的更新换代。另一种是以大数据和信息技术驱动的金融再造。两种方式都在推进，但金融再造的社会冲击力更大，影响更加深远，带有一定的技术范式变革。

金融本质上处理的是人与人之间的关系，是借助信任实现资源在时间空间上的再配置，属于社会技术，这与使用何种信息技术无关。但信息技术的发展和引入，一定程度上解除原有的时空约束，金融可以新的模式、组织和业务方式实现其功能。实际上，数字金融并不只是与新一代信息技术（数据的获得、传输和处理技术）结合，它背后还有金融工程、金融行为学等金融本身的发展，也有人类行为学的研究成果，人工智能结合机器学习，还整合人类所有的现有理论成果。

总之，数字金融背后实际上是金融从要素、环节、业务、组织和行业的解构和重构的过程，产品、业务、机构和市场等原有形态发生转换，边界模糊，探索新的连接和组合。数字金融也是回到人（客户）为中心的过程，客户可以获得更贴心、更有效率的金融服务。金融可以变得无时不在、无处不在，隐藏在各种生产生活场景之下。换言之，金融服务既越来越主观从而贴心，又越来越客观从而理性，并且主要是基于数据和规则演进。数字金融的发展加速了金融成为有生命的复杂系统。

2

数字金融价值的来源是什么？

2.1 数据是我们认知世界的一种视角

数据是我们认知世界的一种视角。从数据视角观察，“世界即数据”。人类所生存的现实世界，包括物理世界和人类社会，是数据所反映的世界（以某种映射标准，转化为概念文字、图像、声音等数据，并用数字化的方式记录），也是人类借助数据，描述、认识、研究并希望改造的对象。在这个意义上，可以说数据只是“媒介”，最终是为了人类可以更好认识、改造并利用现实世界。从人类的角度来看，现实世界是数据的最初来源和最终归宿。

具体而言，数据是人类生活的现实世界（物理世界和人类社会）的一种映射，是用“数字”方式描述现实世界的状态、变换和关系等。这样，世界就分离为现实和数字两个平行世界。

注：数据的描述方式，既包括数值方式（数字），也包括非数值方式，但非数值方式最终都可以转化为数值方式。因此，可认为最终都可用数字方式描述世界。

将现实世界通过一定方式映射到数字世界，可以较为精准地描述现实世界，按照人类熟悉的认知方式模拟现实世界运行，为达到更好服务人类目的，去寻找其中可能存在的规律，并在虚拟的数字世界中，低成本模拟出可以实现人类意图的最佳方式，将最终结果以现实世界可行，也是最有效率的方式终实现。

这种方式可以在更广范围、更长时间汇集人类智慧，更高效率（低成本）实现现实世界的目的。从数据的收集、汇总和分析运用角度看，数据总是基于人们的某种认知，在特定技术背景下，对所描述“对象”进行抽象而成。可以认为现实世界是全息世界，数据展现的世界是通过一定视角观察而提取的世界。数据化的过程，就是选择的过程。选择天然隐含某种标准，反映一定的价值倾向 。

事实上，实体经济处于“投资、生产、分配、消费、储蓄”循环之中。货币金融体系通过货币化和金融化，将物物交换、储蓄和投资的交换，映射到货币金融体系（数字空间的一种），实现合理配对并反作用于实体经济。

引入数字世界后，更多实体经济活动，如消费、生产，而不仅仅只是投资和储蓄行为，实时的被连接并映射到数字空间，进行更可靠的记录、连接和分析处理。这样可以拓宽原货币金融体系可处理的空间，提高连接和处理效率。

因此，可认为原有的货币金融体系是一种原始的数字经济。当前数字经济的发展只是改变了连接、记录、存储和处理手段，并没有改变数据背后所反映的行为逻辑和权利义务关系。

我们可以用下图来粗略表达实体经济、金融和数字技术间的关系。

2.2 数字金融产生的额外价值

→ 大幅降低边际成本带来的变革

不论是金融手段，还是数字空间，都是通过将现实的物理世界映射到虚拟空间（金融或数字空间），从而大幅降低处理成本。虽然为了实现数据的收集和转换，需要投入大量的基础设施，但一旦基础设施建成后，边际成本趋于零，即所谓的“零边际成本”。当然，边际成本的极大降低，也带来了规模经济和相应的自然垄断问题。。

首先是由于交易成本（费用）降低，引发交易和组织形态的改变。不论是市场、科层组织还是金融手段，都是用来克服高交易成本的，实现人类社会更好的分工合作的。“零边际成本”不仅会改变金融机构、金融行业和金融业务的有效组织方式，甚至会引发整个社会的组织管理方式的革命。尽可能保留合作方的自主性，更加灵活和紧密的外部合作会成为不同层次组织的重要特征。

其次是应用现有研究的成本和操作处理的成本都将大幅下降。任何人类已有认知的事项，理论上都可以通过技术手段实现。AI技术不仅是机器学习，而且是低成本的将人类迄今为止的智慧成果低成本应用。这将提高人类理性水平，提高市场多对多的配对效率。原来通过简化配对过程而引入的制度创新将不再必要。标准化和定制化可以同时并行，既提高客户的满意度，又提供供给效率。

→ 降低信息的不对称性，克服人类主观不确定，直接面对纯粹的未知

世界既有可预测的连续性，又有不可预测的突发性。人类面临的不确定性，实际上可以细分为两类。一是客观世界的不确定性。因为还没有发生，人类对此完全无法认知。这部分的风险不可消除。另外一类不确定性，是由于信息不对称和认知上的不一致，即主观不确定性带来的。越是“走进”所要认知的对象，主观不确定就越会大幅消除，最终剩下的只是“选择”。多维数据、实时动态的刻画可以极大地降低主观不确定性，使得人类可以直接面对不可知的未知，消除信息不对称和认知不足带来的主观不确定性。

将低边际成本、高处理能力和降低信息不对称结合起来，使得金融可以开始面对和处理原先被认为是高成本、高风险的领域。如所谓的长尾客户和形成闭环的资金圈，特别是可以利用更多维的数据、更强的低成本数据处理能力，在较大不确定性中，寻找特定回路，实行闭环运转，使得生产和消费、产业链、工业链、贸易链形成自我循环的过程。

另外，在数字时代，如果对消费者的理解和生产者的认知足够准确，划分足够细化，甚至可以做到完全的歧视性定价，最终实现类似充分竞争的资源配置效果。

→ 数字金融可以实时内嵌于生产与生活中

大数据和原来的统计数据是不一样的，具有动态和适时反馈特性，是内嵌于日常生产和生活。对人或者机构的行为实时刻划和互动，一定程度上就参与到人的认知和行为过程，反射理论就会发生作用。认知改变行为，从而改变结果，最后使得经济系统，或者金融系统快速转化成复杂系统。这一方面可以将金融功能隐藏在场景之中，提高金融应用的自主性和便利性。另一方面，可以将传统熟人社会的风险管理模式，在陌生人的现代社会中实现。

当然，数字金融的发展，也会产生新的问题。一是可能会产生对大数据和人工智能的信仰。这既涉及到人类把认知和决策环节过程交给机器（人工智能），是否有利于人类自身的成长，也涉及到大数据、人工智能的能力是否真如大家期待的强大，边界在哪。人工智能把人类社会这么多年的科研成果在数字空间里实现，机器学习能否替代人类探索，速率上能否满足需要，有无边界，所有这些都是值得进一步观察的。

二是自我锁定的问题。一旦形成数据，背后隐含着某种认知，数据又会强化这种认知，从而屏蔽掉其他认知，或者加大其他认知产生和深化的难度。这个过程会自我强化，从而自我锁定。现在根据客户偏好定向推送，提高了粘性和广告的针对性，但也局限了人行为的边界。

数字金融是基于数据和规则演化的，但世界是存在多种均衡的，演化也有可能出现自我锁定。数字空间中基于人工智能的机制，能不能实现自我纠错，从可能产生的自循环、自我锁定中跳出来，是决定这个生态稳健性的关键。

3

数字金融的监管

如果区分数据、技术的记录、实现，和人类利用数据和技术实现的行为和关系，那么金融是数据、技术在特定场景下应用而产生的人的行为和相互关系，特别是其中的信任关系。

金融科技的发展，改变了金融的实现手段和可及空间，但并没有改变需要规范和调整的金融关系——不同参与主体的权利义务和“普遍信任”。金融因存在不同程度的“普遍信任”而有别于其他领域的权利义务调整。

可见，宜将数据、技术看作底层支撑，金融监管需要调整的只是这些数据、技术在场景应用过程中引发的人的行为和关系。或者说，金融的本质和风险体现在场景应用中的人的行为，而不是一般性的数据记录和技术实现。

当人工智能使得机器（技术组合）具有人行为特征时，类似于将公司定义为“法人”，也可将人工智能作为某类抽象的“人”。数字金融中与现实世界的接口，类似传统金融中的营销和投资等与消费者、投资者的互动，表现形式为各种APP和网站。数字金融中的行为，表现为各种模型和机器学习，相互之间的合作表现为各种接口，如API等。传统的行为监管，也需要因此转换为对模型、机器学习和各种接口的规范性要求。

因此，在金融科技的发展中，金融监管的重点仍然在于场景应用中的“人”（自然人、法人和“人工智能人”）的权利义务，而不在于数据记录和技术实现的具体手段。当然，除了适应形式的变化，也需要适应实现形式的变化，也需要通过大数据和程序化来完成上述管理。

数据和金融科技的广泛应用，提高了金融效率和触达边界，但也让风险特征出现一些新的变化。数据和技术极大可能地挖掘了现有行为背后的价值和确定性，因此当服务群体扩张，或者环境发生变化时，金融风险变化就不再是线性的，而会呈现巨大的非线性特征。

如数字金融服务大量的尾部客户，利用数据和模型去寻找原来高风险客户群体中低风险部分。在可靠的群体范围内，在正常环境下，这些数据和模型确实找出了低风险部分，因而可以较低成本提供服务。但这部分群体毕竟是弱势群体，较为脆弱。

因此，当在商业利益推动下不断拓宽服务对象，这些客户的风险特征将发生裂变。而当经济环境发生非预期变化，这部分群体的风险特征也会发生非线性变化。

那么，这些风险是由机构通过资本吸收，还是允许机构通过市场的分散转嫁给广大的大众来进行承担？从整个社会吸收风险的角度来看，越多人承担，系统能承担的风险总量会增加，但有可能薄弱点就会成为短板。

因此，这个过程需要更好平衡，既需要机构拥有足够的资本吸收极端风险，也宜允许金融体系发展出更有效的风险共担机制。

数字金融由于低边际成本，所以有明显的规模经济，因此如何平衡自然垄断可能引发的市场力量不平衡就凸显出来。

此外，数字金融高度依赖于数据的收集，被收集数据的对象，尤其是自然人和法人的权利义务如何保护，隐私问题如何处理，也成为新的问题。

最后，数字金融高度依赖于信息技术，除了关注人与人之间的关系，还需要高度关注数据和技术安全、标准问题，以提高安全性、对接的便利性等。