大资管穿透式监管中基于安全多方计算的通用风险因子模型及跨监管套利识别.docxVIP

PAGE2

《大资管穿透式监管中基于安全多方计算的通用风险因子模型及跨监管套利识别》

一、概述

1.1背景与意义

大资管行业横跨银行、基金、保险、信托等多个子行业，产品层层嵌套、底层资产不透明已成为系统性风险的重要来源。

以银行理财资金借道信托计划投资非标资产、再被保险资管产品嵌套持有为例，传统穿透式监管需要汇总各环节的持仓明细，但各机构出于商业机密与客户隐私保护，天然不愿披露完整持仓。

监管机构若无法获取真实、完整的底层风险暴露，便难以评估跨行业传染效应与流动性压力，也难以识别同一底层资产被多个产品重复质押、杠杆叠加所引发的跨监管套利行为。

在此背景下，安全多方计算（MPC）与联邦学习等隐私计算技术提供了破局可能：各参与方在不暴露原始持仓的前提下，可协同计算出组合层面的通用风险因子暴露、VaR值或压力测试结果。

本报告旨在对围绕“联邦风控引擎”这一技术路径的竞争格局进行深入分析，比较外部监管科技公司与金融机构内部合规科技团队之间的竞争态势，为相关决策提供参考。

1.2研究范围与方法

1.2.1分析范围界定

本报告聚焦于为银行、基金、保险资管机构提供“基于安全多方计算的通用风险因子模型及跨监管套利识别”服务的竞争者，包括两类主体：一是面向监管机构或行业自律组织、提供跨机构联邦风控平台的监管科技公司；二是被监管机构内部研发合规科技系统的团队，试图通过自建或联合方式实现跨行