《大数据金融》 课件 第10章大数据与金融监管.pptx

《大数据金融》 课件 第10章大数据与金融监管.pptx

  1. 1、本文档共21页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

第十章大数据与金融监管Bigdataandfinancialsupervision大数据金融

CONTENTS01大数据背景下的金融监管Financialsupervisionunderthebackgroundofbigdata02金融监管的发展Thedevelopmentoffinancialsupervision03金融监管与监管科技Financialsupervisionandregulatorytechnology04监管科技的模式与创新Modelsandinnovationsofregulatorytechnology

大数据背景下的金融监管Financialsupervisionunderthebackgroundofbigdata第一节

一、大数据背景下的金融监管风险监管的政策指引与数据治理决策框架传统的金融监管数据应用已经难以对越来越复杂的金融风险进行有效监管,必须把各类技术进行有效整合,建立基于数据治理的风险监管平台,促进金融监管模式的变革与创新。(一)大数据金融监管的内涵(二)政府的金融监管政策指引(三)基于数据治理的金融监管决策

一、大数据背景下的金融监管基于大数据的网络借贷企业风险管理应用基于数据治理的金融监管决策模型可以在众多金融领域进行应用。基于深度学习的风险指数量化数据共享与融合基于机器学习的网贷企业识别和风险判断

金融监管的发展Thedevelopmentoffinancialsupervision第二节

一、金融监管的含义从狭义上来说,金融监管是指金融监管机构按照国家法律法规对金融机构和金融市场进行的监督和管理,从而实现金融机构的稳健经营、维护金融市场的安全和效率、保障消费者的利益。从广义上来说,金融监管不仅包括对金融监管机构的监管,还包括对行业自律组织、社会组织、社会舆论等的监管。

二、金融监管模式的演变金融监管模式按照主体标准分类:分业监管是指金融机构所从事的不同类型的业务分别由不同的监管主体进行监管。混业监管是指所有金融机构所从事的所有类型业务由一个监管主体负责监管。不完全集中监管是一种介于分业监管和混业监管之间的中间模式。一般是在分业监管的基础上,建立一个统筹管理机构来负责不同监管机构之间的信息沟通和监管协调。

三、大数据下的金融监管难题(一)科技创新与金融风险集聚同步增长,金融体系不稳定性不断加剧(二)金融系统性风险传染性强,监管复杂度与难度加大(三)大数据信息技术引起金融风险变异和监管缺失,迫切需要新的监管科技

金融监管与监管科技Financialsupervisionandregulatorytechnology第三节

一、监管科技的定义“监管科技”(RegTech)主要指的是金融领域的监管科技,也与“金融科技”(FinTech)的英文文义衍生有关。英国政府科学办公室对监管科技的定义是:“可以应用于监管或被监管所使用的科学。国际金融协会认为,监管科技是“能够高效且有效解决监管和合规性要求的新技术”。

二、金融监管科技的发展(一)跨界化的大数据技术需要金融监管构建匹配的技术和监管力量以大数据为基础的金融科技跨越技术和金融两个部门,金融业务跨越了多个金融子部门。(二)合规成本趋高,金融监管需要配合监管科技金融机构的合规成本大幅提升,包括对合规人员及合规技术的监管要求的软硬件迭代以及违规处罚费用等方面。(三)监管科技变制度为技术,促进新的监管创新金融科技思维与传统金融业的结合,将助力金融业的转型升级和金融科技的发展,并会产生一些金融监管创新。

三、基于金融监管的监管科技应用包括自动化收集和实时监控监管科技收集数据应用主要包括数据验证、机器学习、数据整合、数据可视化和云计算。监管科技管理数据应用利用监管科技实现数据分析主要包括虚拟助手、市场监管、不端行为监测分析和宏微观审慎管理。监管科技的数据分析利用机器学习,可以将经过标注的网贷平台作为学习样本,建立平台内的特征库和标签集,从而能够自动识别网贷平台上内容与业务的相关性,最终实现对此类企业的身份识别。基于机器学习的风险判断风险量化分值:一是需要有一个适当的风险阈值,平台得分低于阈值意味着其是问题平台的概率非常大,而高于阈值则意味着其是正常平台的概率非常大;二是问题平台的风险量化值应该尽可能低并且接近于0,而正常平台的得分则应该尽可能高,且接近于100;三是如果对所有的平台按照风险量化分值从高到低进行排序,那么排在前面的平台中正常平台数量应该显著大于问题平台数量。基于深度学习的风险指数量化

监管科技的模式与创新Modelsandinnovationsofregulatorytechnology第四节

一、国外监管科技的发展(一)美国(1)持续

文档评论(0)

lai + 关注
实名认证
内容提供者

精品资料

版权声明书
用户编号:7040145050000060

1亿VIP精品文档

相关文档