正文
（二）监管科技发展的内在动因
随着金融业态的不断丰富、监管要求的数量及复杂性日趋提高，监管机构对信息的需求也在增加。据FSB 2020年对25个国家所做的调查，近一半的受访国家认为提高监管的有效性和效率是发展监管科技的最主要原因。
图1 实施监管科技的主要动因
数据来源：FSB,The Use of Supervisory and Regulatory Technology by Authorities and Regulated Institutions, October 2020
金融市场的快速变化意味着监管机构需要实现数据的快速处理及实时监测分析，这也催生了监管当局对新技术的需求。
金融科技创新业务的不断涌现需要监管机构进一步加深对复杂金融业务的理解。金融创新产品增加了风险的隐蔽性和复杂性。如果无法穿透标的资产来源，就难以有效、及时地防范风险，因此监管机构亟需摸清业务的本质属性，通过创新科技挖掘底层信息，以便依据相应的业务类别和适用的法律法规做出判断，采取更有针对性的监管措施。
（三）数字科技不断迭代是监管科技得以演进的必要条件
监管科技是监管流程的数字化演进过程，科技的不断演化为监管科技不断升级提供了可能。依据科技的演变，监管科技的发展进程也分为四个阶段：
第一阶段
是人工参与处理阶段，即数据录入、报告生成、风险分析等均为人力完成，在此过程中依靠软件、简单模型（如Excel）等工具对数据进行简单处理和分类，这是数据化、自动化的初级阶段。由于过程中需要人工对数据的真实性进行核验，且通过邮件等方式点对点报送数据存在局限，因此存在操作风险和安全风险。
第二阶段
是流程标准化阶段，即通过开发运用软件，按照既定规则及流程要求金融机构将数据提交至统一的网站平台，网站可对数据进行自动核验，由于工作流程按照既定规则运行，这意味着数据、报告、模型走向了标准化。
第三阶段
是流程自动化阶段，即使用数据科学（Data Science）推动后台业务自动化，通过借助应用程序编程接口（API）及机器人流程自动化（RPA），以获得精细度更高、更加多元化及频次更高的监管数据，同时监管机构可以借助云存储和“数据湖（Data Lake）”进一步提高数据存储及计算功能，实现更加复杂的统计建模计算，进而做出更精准的预测。
第四阶段
是自主分析检测阶段，即利用人工智能和机器学习（ML）等技术进行学习或归纳并形成模型算法，这将自动化再向前推进了一步，即可以通过机器来推动完成部分数据管理和分析工作，包括通过自然语言处理系统（NLP）直接从网页抓取信息，或通过机器学习自动对分散的数据进行配对及整合。在数据标准整合的前提下，监管当局可以实时地从金融机构、金融科技公司等直接抓取最底层、含有多维度信息的数据，生成分析指标，这保证了相关指标的真实性和及时性。
