财新传媒
位置:博客 > 智堡研究所 > BIS年报尝鲜:逐鹿金融赛道的科技巨头

BIS年报尝鲜:逐鹿金融赛道的科技巨头

译|智堡 张一苇

本文系国际清算银行 (BIS) 2019年年度经济报告的第三章“金融领域中的科技巨头“ (Big tech in finance),已于6月23日先行发表;完整的年度经济报告和年报将于6月30日正式发表。

文章要点:

  • 大型科技公司(“科技巨头”)进入金融服务业有望提高效率,并可提高金融包容性。

  • 监管者需要确保科技巨头和银行之间的公平竞争环境,同时考虑到科技巨头的庞大用户群,信息获取渠道和广泛的商业模式。

  • 科技巨头的进入在金融稳定、竞争和数据保护之间提出了新的复杂权衡。

阿里巴巴、亚马逊、Facebook、谷歌和腾讯等科技公司在过去二十年中发展迅速。这些“科技巨头” ("big techs") 的商业模式依赖于实现大量用户之间的直接交互。其业务的一个重要副产品是大量用户数据,这些用户数据被用作输入要素,以提供利用自然网络效应(natural network effects) 的一系列服务,产生进一步的用户活动。用户活动的增加接下来补完整个闭环,从而生成更多的数据。

数据-网络-活动循环 (data-network-activities loop, DNA) 的强化优势为基础,一些科技巨头已经涉足金融服务,包括支付、货币管理、保险和贷款。到目前为止,金融服务只是其全球业务的一小部分。但考虑到他们的体量和用户范围,科技巨头进入金融业有可能引发行业的快速变化。它提供了许多潜在好处。科技巨头的低成本结构业务,可以很容易地扩大规模以提供基本的金融服务,特别是在大部分人口还未开设银行账户的地方。科技巨头利用大数据和已建立平台中的网络架构进行分析,可以评估借款人的风险程度,减少确保还款的抵押品需求。因此,科技巨头可以提高金融服务的供应效率,促进金融包容性并提升经济活动的相关收益。

与此同时,科技巨头进入金融领域也为风险-收益平衡(risk-benefit balance) 带来了新元素。有些是金融稳定和消费者保护议题上的“新瓶装旧酒”。在某些环境中,例如支付系统,科技巨头有可能迅速成为具有系统相关性 (systemically relevant) 的金融机构。鉴于金融体系作为必不可少的公共基础设施的重要性,科技巨头的活动是一个更广泛的公共利益话题,超出了其用户和利益相关者的直接圈子。

还有一些重要的陌生新挑战,超出了传统意义上的金融监管领域。通过数据-网络-活动循环提供的优势,科技巨头有可能占据市场主导,从而引发竞争和数据隐私问题。公共政策需要建立在更全面的方法之上,结合金融监管、竞争政策和数据隐私监管。政策目标应该是对科技巨头进入金融服务业作出反应,以便在限制风险的同时从中获益。考虑到科技巨头的运作跨越监管范围和地理边境,国家当局之间乃至国际上的协调至关重要。

本章首先介绍科技巨头涉足金融领域的情况。第二部分分析了科技巨头进入该领域的动机,以及其商业模式是如何对银行构成竞争优势的。第三部分分析了科技巨头对金融中介的潜在影响,最后一部分讨论了公共政策上的可能意义。

金融领域中的科技巨头

科技巨头在金融领域中的活动,是更广泛金融科技创新的一个特例。金融科技(fintech) 指的是金融服务领域的技术创新,包括由此产生的新商业模式、应用、流程和产品。金融科技公司的主营业务是金融服务,而科技巨头提供的金融服务则是其更广泛活动的一部分。

科技巨头的核心业务是信息技术和咨询(例如云计算和数据分析),占其收入的46%左右(图III.1,左面板);金融服务约占11%。虽然科技巨头为全球用户提供服务,但其运作主要位于亚太以及北美地区(右面板)。他们的金融服务业扩张在中国最为广泛,但在其他新兴市场经济体 (EMEs) 也迅速扩张,特别是在东南亚、东非和拉丁美洲。

图III.1 金融服务(左面板蓝色)在科技巨头业务中占比很小

在提供金融服务方面,科技巨头和银行之间竞争与合作并存(表III.1)。到目前为止,他们专注于为其庞大的用户网络提供基本金融服务,并充当第三方提供商的分销渠道,例如在平台上提供财富管理或保险产品。

表III.1 特定科技巨头企业的金融活动:主要活动区域的地理分布、支付服务、货币市场基金和保险产品、信贷供应

 

支付服务

支付(payments) 往往是科技巨头提供的第一项金融服务,主要是为了帮助克服电商平台上买卖双方之间信任的缺乏。买家希望交货,但卖家只有在支付有了保障后才愿意交货。(阿里巴巴旗下的)支付宝或(eBay旗下的)PayPal提供的支付服务,提供了交货和/或收货时的结算保障,并且完全集成到电商平台之中。在零售支付体系欠发达的一些地区,则出现了由移动网络运营商(例如囊括几个非洲国家的M-Pesa)提供的新支付服务。随着时间的推移,科技巨头的支付服务已被广泛用作其他电子支付手段(如信用卡和借记卡)的替代品。

科技巨头的支付平台目前有两种不同的类型。在第一种“叠加” ("overlay") 类型的系统中,用户依靠现有的第三方基础设施(例如信用卡或零售支付体系)来处理和结算支付(例如Apple Pay,Google Pay,PayPal)。在第二种情况下,用户可以在科技巨头的专有系统(例如支付宝,M-Pesa,微信支付)上进行处理和结算。

虽然科技巨头的支付平台会与银行提供的平台竞争,但它们仍主要依赖于银行。在第一种类型中,直接需要通过银行开展业务;在第二种情况下,用户需要银行帐户或信用卡/借记卡才能将资金输入和输出网络。然后,科技巨头公司将他们收到的资金存入自己的常规银行账户,并在用户要求还款(译者注:即“提现”)时将其转回用户的银行账户。在进行银行间结算时,科技巨头不得不再次使用银行,因为他们无法参与常规银行间支付系统中通过央行账户进行结算的环节。

叠加系统在美国和其他发达经济体中更常用,因为待到亚马逊和eBay等电商企业脱颖而出时,信用卡在当地已经无处不在。专有支付系统在其他无现金支付方式(包括信用卡)渗透率较低的司法辖区更为普遍。这有助于解释中国科技巨头支付服务的巨大体量:高达GDP的16%,令其他地区相形见绌(图III.2,左面板)。

更一般地说,在支付手段有限、但手机普及率高的地区,科技巨头取得的进展更显著。例如,由于新兴市场经济体中很大一部分人口仍然没有银行账户(图III.2,右面板),手机的高持有率使得向之前没有银行账户的家庭和中小企业 (SMEs) 提供数字化的基本金融服务(包括无现金支付)成为可能。

图III.2 移动支付与银行账户

汇款服务以及更广泛的跨境零售支付是另一片亟待进入的活动领域。当前的服务通常成本高且速度慢,并且汇款方难以验证资金的接收情况。一些科技巨头已开始以相对较低的成本提供(近乎)实时的汇款服务。例如中国香港与菲律宾之间的汇款服务,由支付宝香港(蚂蚁金服和CK Hutchison的合资企业)和GCash(由Globe Telecom运营)提供。然而,这些跨境交易仍依赖于一套对应的银行网络,需要与银行进行合作。据报道,其他科技巨头(如Facebook)正在考虑在全球范围内为其用户提供支付服务。

 

货币市场基金与保险产品

科技巨头利用其广泛的用户网络和品牌知名度,在其平台上提供货币市场基金和保险产品。该业务线充分发挥了支付服务的余热。科技巨头的一站式商店旨在提供比银行和其他金融机构更便利、更快捷、更便于用户使用的产品服务。

在科技巨头的支付平台上,用户通常会在其账户中留有余额。为了将这些闲置资金也能运作起来,科技巨头提供货币市场基金(MMF,以下简称货基)作为短期投资的途径。提供的货基产品由科技巨头旗下公司或第三方管理。通过分析用户的投资和退出规律,科技巨头可以密切管理货基的流动性。这使他们能够为用户提供几乎即时投资(和赎回)资金的可能性。

在中国,通过科技巨头平台提供的货基自出现以来迎来大幅增长(图III.3,左面板)。短短五年内,向支付宝用户提供的余额宝货币市场基金业已成长为全球最大的货基,资产超过1万亿元人民币(1500亿美元),用户约3.5亿人。

尽管增长迅速,但与其他储蓄主体相比,中国科技巨头旗下的货基仍然相对较小。截至2018年底,与科技巨头相关的货基总余额为2.4万亿人民币(3600亿美元),仅及银行用户存款的1%或未赎回理财产品的8%。

中国和其他国家的科技巨头货基的扩张,受益于有利的市场条件。例如,余额宝的推出恰逢银行间利率超过存款利率水平,让科技巨头能够提供更高的利率。随着近来利率出现下滑,余额宝的资产规模停止增长甚至出现减少(图III.3,中面板)。同理,在美国利率水平降至接近零(右面板)之后,PayPal在2011年关闭了其货基。

图III.3 科技巨头旗下货币市场基金的崛起和他们的回报敏感度

一些科技巨头已经开始提供保险产品。他们再次运用自身平台作为第三方产品的分销渠道,包括汽车保险、家庭责任险和医疗保险。在此过程中,他们收集用户数据,并将其与其他数据相结合,以帮助保险公司改进其营销和定价策略。

信贷供应

在电商平台的基础上,一些科技巨头已经开始涉足贷款业务,主要是面向中小企业和消费者提供贷款。提供的贷款通常是信用额度,或短期限(最长一年)的小额贷款。各国科技巨头信贷的(相对)规模差异很大。虽然中国、韩国、英国和美国的人均金融科技(包括科技巨头)信贷总额相对较高,但科技巨头在阿根廷和韩国的金融科技信贷当中占比尤其高(图III.4)。

图III.4 特定司法辖区中科技巨头(红色)和其他金融科技企业(蓝色)的信贷供应

金融科技信贷总额的不均衡扩张,似乎反映了经济增长和金融市场结构的差异。具体而言,一个国家的人均收入越高、银行系统的竞争力越小,其金融科技信贷活动总量就越大。在金融监管较轻和银行业集中度较高的司法辖区,科技巨头信贷的扩张比其他类型的金融科技信贷更迅猛。

尽管近期有大幅增长,但金融科技信贷总额仍占整体信贷的很小一部分。即使在人均金融科技信贷额度最高的中国,金融科技信贷总流量也不到2017年非银未偿还信贷总额的3%。

到目前为止,科技巨头相对较小的贷款足迹,反映出他们通过零售存款为自己提供资金的能力有限。科技巨头面前有一系列选项来克服这种限制。

一是建立网上银行。但在一些国家,监管机构对开设远程(在线)银行账户有所限制。一个例子是中国,中国科技巨头旗下的两家银行(网商银行和微众银行)主要依赖银行间市场融资和存单发行(图III.5,左面板),而非传统存款。不过,这些银行近来开始发行“智能存款”,其利率明显高于其他定期存款,并且可以按稍低利率提前取款。

第二种选择是与银行合作。科技巨头可以提供用户交互,并运用高级数据分析手段快速批准贷款;一旦获得批准,银行就可以着手筹集资金并管理贷款。这个选项对科技巨头很有吸引力,因为他们的平台可以低成本轻松扩展,并且可与用户端直接交互。这对银行也可能是有利可图的,因为它们可以在提供较低增值服务的同时,获得额外的回报。

第三种选择是通过银团贷款或证券化获取资金——这已经成为金融科技公司的常见战略。例如,蚂蚁金服的交易所交易资产支持证券(ABS)的总发行量占2017年中国证券化总量的近三分之一(图III.5,右面板)。

图III.5 中国科技巨头旗下银行更加依赖于非核心存款融资

科技巨头为何要布局金融服务?

一旦获得了既定的用户群和品牌认可,科技巨头通常会进入金融服务领域。他们进入金融业反映了金融服务与其核心非金融活动之间的强大互补性,以及相关联的范围和规模经济(economies of scope and scale)。

科技巨头的“DNA”

数据分析,网络外部性和交织活动(data analytics,network externalities and interwovenactivities,“DNA”)构成了科技巨头商业模式的关键特征。这三个要素相互强化。科技巨头平台的“网络外部性”涉及这样的事实:用户参与到平台一方(例如作为电商平台上的卖家)的好处会随着另一方用户(例如买家)的数量而增加。网络外部性会带来更多用户并为用户带来更多价值。它们让科技巨头能够生成更多数据,这是数据分析的关键输入要素。对大量数据的分析增强了现有服务并吸引了更多用户。反过来,更多的用户最终会让用户总量达到临界水平,足以提供与支持更广泛的活动,从而产生更多的数据。因此,网络外部性在提供更广泛服务的平台上更为强烈,并且代表了科技巨头生命周期中的基本要素(注解III.A)。

注解III.A科技巨头的生命周期

科技巨头作为在线多边平台 (MSP) 创造价值的方式,主要通过启发和催化两个或更多用户组(例如买方和卖方)之间的直接交互。在线平台的三种主要类型是社交网络、电商平台和搜索引擎

与传统的双边交流相比,用户是通过平台与彼此——而不是与平台——进行交互。例如,社交平台让人们相互关联,每个成员都可以从更大的社区中受益。在线购物网站使其用户能够在全球范围内购买和销售各种商品和服务。更多的卖家降低了买家的搜索成本,更多的买家扩大了卖家的商机。MSP的典型特征是网络外部性的存在:用户参与到平台一方(例如买方)的事实会增加另一方用户的利益(例如卖方)。其中的一项挑战是如何同时吸引双方用户——一个先有鸡还是先有蛋的问题。成功的平台通过使用特定的价格结构来解决这个问题,这主要包括向创造最多网络外部性的一方收取较低费用,并让从网络中受益最多的一方补贴另一方

迄今为止,科技巨头遵循相当传统的企业生命周期,分为三个阶段:诞生,成长和成熟期(图III.A,左面板)。使它们与众不同的是几个因素的重合(即对个人数据的大规模收集,网络效应和大量活动)以及它们达到成熟期的高速度。事实上,科技巨头虽然年轻,但通常能在不到十年的时间里吸引到比最大的银行还要多得多的用户。

一旦MSP吸引了足够数量的双方用户,重点就会转向进一步增加用户数量,以达到采用率加速提高并启发网络效应的临界点。超越这一点之后,就会出现飞速增长(图III.A,右面板)。更多的买家带来了更多的卖家,这反过来又会吸引更多的买家,如此周而复始,而MSP则享受越来越大的规模收益。服务用户的平均成本随着用户总数的扩张而下降。用户愿意为访问更大的网络支付更多费用。结果是,平台的利润率也随之提高。

图III.A 科技巨头的生命周期:理论与实践

金融服务既受益于DNA反馈循环又为其提供了动力。提供金融服务可以补充和强化科技巨头的商业活动。典型的例子是支付服务,它促进电商平台上的安全交易,或者使在社交媒体平台上向其他用户汇款成为可能。支付交易还会生成详细说明资金发送者和接收者之间的联结网络的数据。这些数据既可用于增强现有金融服务(例如有针对性的广告投放),或开拓其他金融服务,例如信用评分。

数据的来源和类型以及相关的DNA协同效应因科技巨头平台而异。那些在电子商务中占主导地位的平台从供应商那里收集数据,例如销售和利润,再结合财务和消费习惯信息。专注于社交媒体的科技巨头则拥有关于个人及其偏好的数据,以及他们的关系网络。拥有搜索引擎的科技巨头不能直接观察人际关系,但通常拥有广泛的用户群,可以通过在线搜索推断出他们的偏好。

协同作用的类型因所收集数据的性质而异。来自电商平台的数据可以成为信用评分模型的宝贵输入,特别是对于中小企业和消费贷款而言。在社交媒体或互联网搜索中拥有大量用户群的科技巨头可以使用有关用户偏好的信息来营销、分发和定价第三方金融服务(例如保险)。

虽然大型银行拥有众多用户并提供广泛的服务(例如财富管理或保险产品的分销,按揭贷款),但到目前为止,他们在利用DNA反馈循环方面并没有像科技巨头那样有效。除了付款,银行还没有将具有强大网络外部性的活动利用起来。一个原因是大多数司法辖区要求银行业务和商业业务分离。因此,银行大都只能访问帐户交易数据。此外,老旧的IT系统很难通过例如应用编程接口(API)链接到各种其他服务。科技巨头将先进技术与更丰富的数据和更强的用户关注相结合,擅长开发和营销新产品和服务。表III.2总结了大型银行与科技巨头的主要竞争优势和劣势。

表III.2 银行vs.科技巨头 - 竞争优势 (+) 和劣势 (-)

科技巨头对金融服务的冲击

科技巨头的DNA可以通过降低信息和交易成本来降低提供金融服务的门槛,从而增强金融包容。然而,这些好处因金融服务而异,可能带来新的风险和市场失灵。

借贷活动中科技巨头的潜在好处

除了筹集资金的成本外,贷款成本与信贷风险的事前评估(ex ante evaluation) 和贷款偿还的事后执行(ex post enforcement) 密切相关。为了给贷款定价,银行必须评估其借款人的风险程度,通常是从各种来源收集信息并与借款人建立密切联系。为了激励借款人偿还贷款并在违约情况下限制损失,银行会监控借款人或要求抵押品。由于所有这些措施都是昂贵且耗时的,银行需要以收费或利差的形式获得补偿。科技巨头访问和运用大数据来筛选和监控借款人的活动可以降低这些成本,从而提高效率并扩大融资渠道。

用户筛选与金融包容

信息成本有时可能非常高,以至于银行不会为借款人提供服务,或者只在非常高的利差下这样做。无论信息是软(经过沟通获取但难以量化)还是硬(可以轻松处理的定量数据),都是如此。遭到排除风险最大的,一般是是缺乏基本档案或难以触达(例如因为他们地理位置太偏远)的借款人。例如,发展中经济体的许多中小企业不符合正式银行贷款申请的最低要求,因为它们通常没有经过审计的财务报表。

因此,科技巨头较之银行具有竞争优势,并为那些本来没有银行账户的公司和家庭提供服务(图III.6,左面板)。他们通过数字平台获不同但相关的信息。例如,蚂蚁金服和Mercado Libre声称他们的信用质量评估和贷款发放通常涉及每个贷款申请人的超过1,000个数据序列。

最近的BIS实证研究还表明,科技巨头对小商户的信用评分优于基于官方信用评级和传统借款人特征的模型(注解III.B)。所有这些都可以代表金融包容的显着进步,并有助于提高这些商户的业绩。尽管初步证据令人鼓舞,但对这些风险评估的质量得出明确的结论还为时尚早。这类评估大部分应用于非常特定的信贷形式(例如面向小商户的信用额度),对比当中不包含银行可用的软信息,而且科技巨头的相关业绩尚未经历完整商业和金融周期的考验。

注解III.B科技巨头的信贷评估:大数据和人工智能

科技巨头的贷款决策与使用机器学习和网络分析(人工智能)等先进分析方法处理海量信息(大数据)有关。与直接从科技巨头平台获得的金融服务相关的大数据包括:(i)交易(销售量和平均销售价格);(ii)与声誉有关的信息(索赔率,处理时间,评论和投诉);(iii)行业特征(销售季节性,需求趋势和宏观经济敏感性)。运用通过社交媒体和其他渠道获得的非传统数据,也可以进一步充实大数据的内容。

科技巨头评分系统的预测能力在很大程度上源于对网络架构的利用。例如,网商银行(蚂蚁金服集团)使用交易层面的网络分析,来评估企业家是否将个人资金与商业资金分开,这是良好商业操守的基本原则之一。

初步证据表明,通过机器学习使用越来越多的细粒度数据有助于提高预付费前景的预测能力,特别是对于通常得不到银行服务的小商户。以Mercado Libre为例,它给出的内部评级(A至E)比阿根廷征信局(低风险至高风险)细粒度更高,而银行往往依赖征信局的官方评级并佐以其他借款人特征和软信息(Graph III.B,做面板)。不过,考虑到Mercado Libre的大部分用户都未开设银行账户,下面的分析更具体针对银行收集的传统软信息不可用的情况。

图III.B 信贷评估和大数据分析

对于给定的官方评级(例如“低风险”),预期损失率与内部评级是严格单调的(strictly monotonic, 即点的规律显示内部评级随预期损失的增加而增加)。相反,对于给定的内部评级(例如C、D或E),损失率与官方评级风险并不是严格单调的。例如,与低风险类别中的内部评级D相关联的点表明,其风险比中等风险类别中的内部评级D更高。此外,内部评级范围更广,损失范围为0.0%至10.2%;而官方评级范围仅为0.7%至2.8%。

最重要的是,通过使用内部评分模型,Mercado Libre能够为被官方评估为高风险的用户提供信贷。图III.B左面板中点的大小与评级分布中公司的比例成正比;大量用户属于官方信用评估的高风险类别。由于银行使用征信局的信息,财务报表中的硬信息和借款人的软信息,这一部分用户可能更难获得传统的银行服务。凭借其更细粒度的评分模型,Mercado Libre将30%的信贷发放提供给此类别的用户。

此外,基于机器学习技术和从电商平台获得数据的内部评级系统,可以在预测违约时优于基于官方评分和借款人特征的简单模型(图III.B,右面板)。尽管如此,对于内部评级系统的表现是否优于使用软信息并且可以持续度过整个商业和金融周期的银行模型,仍是悬而未决的问题。

 

监控与抵押品

执行贷款偿还的成本是金融中介总成本的重要组成部分。为了减少执行问题,银行通常要求借款人承诺将有形资产(如房地产)作为抵押,以便在违约的情况下提高回收率。另一个途径是监控。银行花费时间和资源监控用户的项目,以限制借款人将资金用于与最初商定不同的用途的风险。通过监控,公司和金融中介之间也发展长期关系并建立互信,降低违约对借款人的吸引力。

科技巨头可以以不同方式解决这些问题。例如,当借款人与电商平台紧密结合时,从经由支付账户的借款人收入中扣除信用额度的(每月)还款,对科技巨头来讲可能相对容易。相比之下,银行可能无法这样做,因为借款人可以转向其他银行开户。鉴于网络效应和高转换成本,科技巨头还可以通过信用降级的简单威胁或在违约情况下将其排除在闭环生态之外来执行贷款偿还。来自阿根廷和中国的轶事证据表明,海量数据和网络效应的结合可能使科技巨头能够缓解一些传统上必须通过抵押品登记来缓解的信息和激励问题。这可以解释为什么(与银行不同)科技巨头的企业贷款供应与资产价格并不密切相关(图III.6,右面板)。

图III.6 科技巨头信贷、房地产价格和银行业发展之间的相关性

 

科技巨头的潜在成本

科技巨头在金融服务领域的作用,可以提高效率并降低提供金融服务的门槛,但带来好处的特征也有可能产生与市场力量(market power) 相关的新风险和成本。一旦建立起封闭生态,潜在的竞争对手几乎没有可能建立能与之匹敌的平台。主导平台可以通过提高进入壁垒来巩固其地位。他们可以利用其市场力量和网络外部性来增加用户转换成本或排除潜在竞争对手。事实上,随着时间的推移,科技巨头已将其平台作为“咽喉要道”布局在一系列服务当中。这些平台现在常被作为金融服务提供商销售服务的重要基础设施,同时科技巨头自己还在与这些提供商竞争。科技巨头可以偏袒自己的产品,并试图通过让金融机构经由其平台接触潜在用户付出更高昂的成本,来获得更高的利润。其他反竞争做法可能包括“产品捆绑”和交叉补贴活动。鉴于他们采用的商业模式,这些做法在科技巨头当中传播甚广。

另一种较新的风险是对数据的反竞争运用。鉴于其规模和技术,科技巨头能够以接近零成本的方式收集海量数据。这就产生了“数字垄断”("digital monopolies" or "data-opolies")。一旦他们在数据上占据主导地位,科技巨头就可以此实施价格歧视(price discrimination) 与寻租。运用手中的数据,他们不仅可以评估潜在借款人的信誉,还可以确定借款人愿意为贷款支付的最高利率或用户愿意为保险支付的最高保费。价格歧视不仅具有分配效应,即在不改变生产和消费总量的情况下以牺牲用户利益为代价提高科技巨头的利润。它还可能产生不利的经济和福利影响。个人数据的使用可能导致高风险群体被社会主流的保险市场排除在外。还有一些迹象表明,科技巨头用于处理个人数据的复杂算法可能会对少数族裔产生偏见。

人们的偏好具有可塑性并受商业利益影响的想法并不新鲜。但是,对于科技巨头而言,此类行动的范围可能更大,因为他们掌握了更丰富的用户信息并将其融入用户的日常生活中。轶事证据确实表明,科技巨头可能有能力在用户自己没有察觉的情况下影响用户的情绪。

公共政策对此的态度

传统上,金融监管旨在确保个别金融机构的偿付能力以及整个金融体系的稳健性。它还包含消费者保护的目标。用于实现这些目标的政策工具已得到充分理解,从银行的资本和流动性要求到消费者保护行为的监管。当科技巨头活动完全属于传统金融监管范围时,同样的原则应适用于它们。

然而,另外两个特征使得制定针对科技巨头的政策响应更具挑战性。首先,科技巨头的金融活动可能需要更全面的政策办法,不仅包括金融监管,还包括竞争和数据隐私目标。其次,即使明确阐述了政策目标,也应实际展示具体的政策工具以促进这些目标。目的和手段之间的这种联系不应该被视为理所当然。这是因为在科技巨头的情况下,政策工具与最终福利结果之间的映射更为复杂。特别是,针对传统金融监管目标的政策工具也可能会影响竞争和数据隐私目标,反之亦然。这些相互作用引入了传统金融监管中无法解释的潜在复杂权衡。接下来将依次探讨问题的每一个方面。

“同样的活动,同样的监管”

运作良好的金融体系是一套关键的公共基础设施,银行通过其在支付系统和信贷中介中的作用占据该体系的中心位置。除了直接利益相关者(其所有者和债权人)的狭义群体之外,银行的稳健性是一个更广泛的公共利益议题。出于这个原因,银行受到管理其活动的法规的约束,市场准入也受到严格的牌照约束。同样,当科技巨头从事银行业务时,他们理应遵守适用于银行的相同法规。目的是缩小科技巨头和受监管金融机构之间的监管差距,从而限制通过影子银行活动进行监管套利的空间。因此,监管机构已将现有银行业监管法规的效力扩展至科技巨头。例如,将了解你的客户 (KYC) 规则——旨在防止洗钱和其他金融犯罪——扩展到科技巨头的支付业务。基本原则是“同样的活动,同样的监管”。如果科技巨头开展的活动与银行开展的活动实际上相同,那么此类活动同样应遵守银行所遵守的规则。

除了将现有规则扩展适用于科技巨头,在科技巨头做出结构性变化以使其能够规避现有金融监管范围的情况下,可能还需制定新规则。审慎的监管机构已将注意力转向特定的细分市场,特别是在支付系统方面,科技巨头可能已经具有系统相关性。如果快速的结构性变化超出了现有法规的范畴,那么就必须对这些法规进行修改。一般的做法是遵循基于风险的原则,并按比例调整监管工具包作为响应。以中国为例,科技巨头规模庞大的货基业务在银行间融资方面发挥着重要作用。这些货基主要投资于无抵押银行存款和银行逆回购(余额宝案例见图III.7)。快速的结构性变化在金融体系中引入了新的联结。大约一半的货基资产是银行存款和期限不到30天的银行间贷款。因此,风险是科技巨头货基平台遭受的挤兑通过存款提取迅速传导到银行体系。另一种担忧是当银行依赖于支付平台公司的资金时,支付联结的系统性本质可能会构成风险。

图III.7 余额宝在银行融资中的重要性

为了应对这些风险,中国当局推出新规,要求所有支付公司在同一家公共平台上进行结算、赎回和使用用户余额(注解III.C)。

注解III.C中国近来的监管变化

大型货基可能会带来系统性风险,因为它们与银行体系交织在一起,并且在信用违约的情况下可能会受到投资者挤兑的影响,从而为更广泛的金融体系带来抛售和融资风险。为降低货基的潜在风险,中国人民银行与中国证券监督管理委员会于2018年6月对所有货基的即时赎回设置了人民币10,000元(1,560美元)的上限。与此同时,它禁止科技巨头用自有现金为即时赎回提供资金,实现事实上的当日赎回。只有持牌银行才有资格为即时兑付提供融资服务。其他措施包括加大货基在推广上的披露义务。

中国人民银行最近还对支付领域当中活跃的非银支付机构进行了改革。首先,它对科技巨头支付账户的用户余额(“备付金”)规定了准备金要求。从2019年1月开始,科技巨头必须将100%的用户余额停放在中国人民银行的准备金账户中。这样一来,备付金实际上跟狭义银行一样被隔离和围挡起来。这样做旨在严格限制科技巨头将这些资金投资于银行体系中的生息资产,或通过向信贷平台上的用户提供信贷而涉足影子银行的业务。

其次,自2018年6月以来,科技巨头必须在新建的国有清算所“网联” (NetsUnion Clearing) 上清算支付。通过中国银联 (China Union Pay),即一家银行卡支付的国有清算网络,也可以进行清算。通过统一公共平台清算付款,替代了第三方支付平台与银行之间复杂和不透明的双边关系,增强了透明度(图III.C)。新法规还纠正了大小第三方支付平台之间竞争优势上的差异。

图III.C 中国针对科技巨头推出的中央清算要求

 

一个新的监管指南针

当政策目标超出传统金融监管的目标,进入竞争和数据隐私范畴时,就会出现新的挑战。即使目标明确且毫无争议,选择能够确保目标的政策工具(实现目的的手段)也需要考虑潜在的复杂交互。

为了探索这片新的未知水域,监管部门需要一个可以指导潜在政策工具选择的指南针。这些工具可以按照“监管指南针”的两个维度或轴进行组织(图III.8)。指南针的南北轴线涵盖了鼓励或允许大量新技术进入金融市场的选择范围。偏北表示对新进入的鼓励,偏南表示对进入的严格限制。指南针中的第二个维度涵盖了在监管方法中如何对待数据的选择范围。它的范围从将产权赋予用户的去中心化方法(偏东),到限制科技巨头使用这些数据的约束方法(偏西),不一而足。

图III.8 金融领域中的科技巨头:一个监管指南针,监管方可分为金融监管者、竞争部门和数据保护部门,影响科技巨头的程度由浅至深越来越大

目前的监管做法散布在两个轴所涵盖的广阔领域当中。这些做法在这个空间中表示为点。点的放置反映了政策选择的多面性,因为做法的组成部分可以对应指南针的不同位置。这些政策选择还涉及三种官方参与者的决策:金融监管部门(蓝点),竞争管理部门(绿点)和数据保护部门(红点)。从图III.8中可以看出,政策工具的选择在各个司法辖区内非常不同(表III.3)。

表III.3 对图III.8中涵盖的特定政策方针的具体叙述

监管指南针反映了政策选择的菜单,而不是根据最终目标衡量的结果。根据政策选择在实现最终目标方面的有效性进行评估,需要进一步分析从政策工具到最终结果的映射。鉴于偿付能力,竞争和数据隐私目标之间复杂的相互作用,这最后一步远非简单。不过,监管指南针有助于组织思考并揭示手段和目的之间的映射。

重访竞争-金融稳定中枢

以竞争目标与金融稳定目标之间相互作用的具体实例为例。关于银行业进入的公共政策,传统上受到围绕银行业竞争的可取性的两种不同思想流派的影响。一种观点认为,新公司进入银行业是可取的,因为它会促进竞争并降低既有参与者的市场力量。相关政策处方是通过实施开放银行牌照的宽松政策,促进新公司进入银行业。监管部门还可能降低某些特定细分市场的进入成本,特别是在技术进步范围最大的情况下。例如在印度,他们赞成统一支付界面 (UPI) 的发展,该界面为包括科技巨头在内的持牌移动支付提供商提供了使用银行间支付系统的渠道。

在辩论的另一边,是强调银行业高度集中或竞争不那么激烈才更加可取,因为这有利于金融稳定的思想流派。现有企业更有利可图 - 因此更有能力积累强大的股权基础 - 并具有更高的特许经营价值 - 因此更有可能谨慎行事。此外,他们可以获得更稳定(保险)的资金基础。相关的政策方法是通过维持新进入者的严格牌照要求来限制新进入。在监管指南针中,允许科技巨头企业进入的严格程度由南北轴线跨越,北方是允许新进入的政策,而南方则是限制进入的政策。

然而,当考虑DNA反馈回路时,市场进入和有效竞争之间的关系远非明显。当科技巨头被视为新进入者时,新进入可能不会增加市场竞争力和竞争。这是因为科技巨头可以通过控制关键数字平台建立并巩固其市场力量,例如电子商务,搜索引擎或社交网络。一方面,当科技巨头及其竞争对手(例如银行)依赖这些平台进行金融服务时,这种控制可能会产生彻底的利益冲突并减少竞争。另一方面,科技巨头在金融服务方面可能刚起步,但通过利用其庞大的用户网络和相关的网络效应,迅速建立起主导地位。通过这种方式,鼓励新进入将有利于更多竞争的经验法则便被轻松颠倒了过来。

竞争管理部门将单一市场、企业规模、定价和集中度作为可竞争性 (contestability) 指标的传统关注点,不再适合金融领域的科技巨头。正如金融监管部门对政策选择与结果之间的映射可能很复杂一样,竞争管理部门也可能需要调整其范例。作为这项努力的一部分,一些司法辖区(例如欧盟,德国,印度,英国和美国)最近一直在升级其评估反竞争行为的规则和方法。例如,在印度,主要的电商平台禁止在其网站上销售附属公司提供的产品,以避免潜在的利益冲突。

新的竞争-金融稳定中枢

通过将市场力量与对用户数据的广泛使用联系起来,科技巨头的DNA反馈循环在竞争和数据之间创造了新的关联中枢。

将隐私问题抽象化,对数据的广泛访问原则上是有益的。数字数据是非竞争商品 (non-rival good) ——即包括竞争对手在内的许多人都可以使用它们而不会损失其内容。此外,由于数据作为科技巨头服务的副产品是以零边际成本获得的,因此在社会上可以自由地分享这些数据。只要市场具有竞争力,数据的开放获取有助于降低用户转换成本,缓解滞留问题,并一般会促进竞争和金融包容。

因此,问题在于如何促进数据共享。目前数据所有权明确分配的情况很少。出于现实考量,默认结果是科技巨头事实上拥有用户数据,而用户不能(轻松)授予竞争对手访问其相关信息的权限。通过将数据产权赋予用户,可以在一定程度上弥补用户和服务提供商之间不公平的竞争环境。然后,用户可以决定与哪些提供商共享或向其销售数据。实际上,这是试图通过产权分配和创建竞争性数据市场——去中心化的“科斯” ("Coasian") 方案——来解决经济效率低下的问题。监管指南针的东西轴线上,点越往东偏,政策选择就越是强调基于数据便携性和数据产权的去中心化解决方案。

然而,在科技巨头的情况下,政策工具与最终结果之间的映射更为复杂。DNA反馈循环挑战了科斯方案的顺利应用。原因有两个。首先,科技巨头可以在他们运营的金融服务之外从他们自己的生态系统(社交网络,搜索,电子商务等)获取额外的数据。其次,数据的范围和规模回报越来越大——一个额外的数据(例如信用评分)与现有的大量数据相结合时具有更大的价值——并造成范围经济效益(比如在将数据用于供应更广泛的服务时)。出于这两个原因,数据对科技巨头有更大的价值。在数据竞标市场中,科技巨头很可能会轻松击败其竞争对手。让市场力量自由运行,无法保证产生理想的(竞争)结果。具体而言,如果银行的用户授权(或出售给)科技巨头对其银行数据不受限制的访问权限,可能会加强DNA反馈循环与科技巨头对银行的竞争优势,而不是对它构成限制。

考虑到竞争背后的网络效应,通过对数据使用设置设计精良的限制,可以更有效地提升竞争性竞争环境。引入一些关于隐私的附加规则——同时允许选择性地共享某些类型的数据——可能会增加有效竞争,因为在数据使用上添加这些限制可能会抑制科技巨头对网络外部性的利用。

有关数据使用维度的这一政策选择——以图III.8中的监管指南针的东西轴线为代表——已成为关于科技巨头辩论的核心议题。围绕可用选择产生的基本论点反映在近期一些司法辖区采用的政策中。两个具体的例子是世界各地采用的各种形式的开放银行法规,以及欧盟的通用数据保护条例 (GDPR)。开放银行法规允许持牌第三方金融服务提供商直接访问银行用户数据,并且在某些情况下,银行也可对等访问第三方的同类数据。他们还为API设置了通用的技术标准,但并未像GDPR那样为用户提供对其个人数据的尽可能多的控制权。这两个例子都是将数据所有权从科技巨头转移给用户、旨在促进更有效的市场可竞争性的措施。因此,它们都位于图III.8中的东北象限。数据便携性允许用户轻松地跨越不同服务传输个人数据,并用于自己的目的。这是定义金融部门竞争条件的重要一步。

与此同时,一些新法规也限制了数据共享的范围。限制使用数据的规则位于指南针的西半部分。限制数据使用的基本原理取决于许多因素。并非所有类型的数据都与提供金融服务相关。例如,为了评估借款人的信誉度,贷款方可能不一定需要知道他们的社交习惯或旅行计划。此外,并非所有类型的服务提供商都可以访问其用户的财务数据。在任何情况下,都有更多隐私方面的根本考量因素限制个人数据的使用。开放式银行业监管有选择地限制可以传输的数据范围(例如金融交易数据),以及可以共享这些数据的机构类型(例如持牌存款机构)。同样,GDPR要求公司在使用用户个人数据之前获得用户的主动同意。这两种类型的限制都被视为科技巨头进入金融领域的障碍。因此,它们位于指南针的西南象限。更激进的方法涉及对用户数据处理的完全限制。旨在通过限制数据使用来平衡竞争性竞争环境的政策举措的一个例子,是德国竞争管理部门最近的一份判决,该判决禁止知名社交网络将其用户数据与从其附属网站和应用程序收集的数据整合起来。红线画在哪里不仅涉及经济问题,还涉及社会的隐私偏好。

监管指南针在对影响数据使用和市场准入的政策举措进行分类上是有用的工具。然而,这些政策举措将在金融体系的有效竞争、效率和稳健性方面取得多大程度的预期成果,还有待观察。扩大视野对于在该领域做出深思熟虑的政策选择至关重要。

政策协调与学习的需要

面对经济的快速和全球数字化,政策制定者需要制度机制来跟上发展的步伐,并相互学习与协调。

一些国家已经开始设立创新促进机制。这些机制可以采用多种形式,包括创新中心和加速器,它们提供知识共享的论坛,并且可能涉及包括为新进入者提供资金在内的积极协作。监管沙盒(例如在香港、新加坡和英国)让创新者在监管监督下测试他们的产品。创新中心、加速器和沙箱可以帮助确保动态的金融环境,避免出现被少数几个参与者支配的情况。与此同时,它们的设置需要仔细的设计和实施,以避免监管套利或对新的投机性项目释放支持信号。

当局之间的协调在国家和国际层面都至关重要。首先,需要协调国家公共政策。三个不同的国家主管部门——竞争管理部门,金融监管部门和数据保护监督部门——的任务和做法可能并不总是相互兼容。金融监管部门专注于金融部门的具体细节,而竞争和数据隐私法律通常会强制执行适用于广泛业务的一般标准。其次,随着数字经济跨境扩展,需要对规则和标准(例如在数据交换上)进行国际协调。为了防止这些差异导致相互冲突的做法,政策制定者不仅需要新的指南针,还需要找到适公共政策工具的合适平衡点。

来源:III. Big tech in finance: opportunities and risks, BIS Annual Economic Report 2019, Jun. 23rd 2019

本文首发于智堡公众号:zhi666bao。

免责声明:本文内容仅代表原作者观点,不代表智堡的立场和观点。​

推荐 1