監管科技影響下互聯網金融監管演化博弈研究

李 杰 郭棟煒 楊 芳 張 睿

(1. 河北工業大學經濟管理學院,天津 300401;2. 中南大學商學院,湖南長沙 410083)

1 引 言

在互聯網與金融業務快速融合過程中,互聯網金融企業在行政許可與準入、公司治理與內控、資本與風險管理、會計與審計、風險處置與市場退出方面出現了眾多不合規經營行為[1]. 互聯網金融企業的違規經營,不僅損害消費者權益,還給我國金融市場的穩定運行增加不確定性,甚至誘發系統性風險[2,3]. 因此,互聯網金融企業監管問題變得尤為重要.

互聯網金融作為傳統金融與互聯網技術相結合的產物,具有普惠金融屬性,第三方支付、余額寶、互聯網借貸等典型業務模式將更多的普通互聯網用戶納入到了金融市場之中[4]. 另一方面,其本質仍屬于金融,沒有改變金融風險隱蔽性、傳染性、廣泛性和突發性的特點. 但與傳統金融主要為大客戶服務,并且客戶之間基本沒有聯系不同,互聯網金融行業依托云計算、大數據和社交網絡等互聯網工具,在金融市場的各個參與主體之間建立了更加密切的連接[5,6]. 因此,互聯網金融所建立的金融關系網絡更加復雜,局部風險更易放大為系統性風險. 目前,我國互聯網金融企業和監管機構都面臨著比較嚴峻的挑戰.首先,對于金融監管機構來說,傳統手段無法滿足互聯網金融監管工作需求,監管壓力不斷上升. 其次,對于互聯網金融企業來說,在監管要求日益嚴格、法律法規日益繁雜的情況下,合規成本日益高昂. 因此,金融監管及合規經營的迫切需求促使監管科技成為雙方的共同選擇[7].

監管科技概念由英國金融行為監管局于2015 年提出,包含“合規”和“監管”兩方面內涵[8,9]. 國際金融協會將監管科技定義為將金融業務背景與科技緊密結合,以解決監管和合規要求的新技術[10]. 具體場景中,金融監管機構通過直接從互聯網和金融企業信息系統中抓取數據,之后利用大數據、機器學習等監管科技手段實現社會輿情和關鍵指標的實時把控[11,12]. 實現金融企業違規行為事前、事中的預警和監測,事后的證據收集和懲罰,提高數據收集和分析效率,滿足監管目標[13]. 金融企業在項目初期利用法規智能解讀與壓力測試系統進行自我合規審查,交易過程中將人臉識別、聲紋識別等技術用于客戶身份識別,對產生的海量交易數據基于云計算、人工智能等技術提升風險管理和數據報送的自動化、實時化[14].

近年來,我國對監管科技的投入逐步加大,主要以經濟實力較強地區的金融監管機構和大型互聯網金融企業為主,發展勢頭強勁,取得了顯著成效. 但金融監管機構和互聯網金融企業在投入監管科技的過程中面臨著監管雙方信息不對稱且尚未形成統一的標準和體系等困境,不能充分發揮監管科技的作用. 因此,對監管科技影響下互聯網金融企業合規與金融監管機構監管的博弈行為進行系統研究,深入分析監管科技對互聯網金融監管的影響機理十分必要.

互聯網金融是金融領域的研究熱點,在概念與基本理論[4,15,16]、其對金融行業的影響[17-19]、風險防范與監管[3,5,20]等方面取得較多研究成果.互聯網金融監管方面的研究從政策建議逐步深入到監管機制的討論.謝平等[20]闡述了互聯網金融監管的必要性,針對監管原則提出政策建議.李蒼舒等[3]針對網絡借貸提出建立監管沙盒、穿透式監管和緩釋機制.許多奇[5]針對我國傳統分業監管模式的不足,提出金融監管改革和互聯網監管的優化機制.互聯網金融企業是互聯網金融行業的主體,其經營策略的選擇是和金融監管機構博弈的結果.已有學者關注到了互聯網金融監管的博弈行為.劉偉等[21]運用演化博弈理論,考察了動態懲罰機制對金融平臺和監管方博弈演化軌跡的影響.周正龍等[22]基于P2P 網貸交易雙邊市場的特征,建立了兩種不同情形下的博弈模型. 卜亞等[23]基于KMRW 聲譽模型揭示了在博弈行為中聲譽對互聯網金融企業的激勵和約束作用. 然而,現有對互聯網金融企業和金融監管機構的策略互動研究沒有涉及監管科技因素,因此從監管科技出發研究互聯網金融監管博弈問題是對現有研究的重要補充.

演化博弈是分析第三方影響下復雜博弈關系和策略演化路徑的有效工具,被廣泛用于監管及策略選擇問題[24-26]. 本文運用演化博弈理論,構建監管科技影響下互聯網金融企業與金融監管機構之間的非對稱演化博弈模型,分析博弈雙方不同條件下的行為演化規律,揭示監管科技對博弈雙方演化穩定策略選擇結果的影響機理,為互聯網金融監管問題提供政策建議.

2 互聯網金融企業監管演化博弈模型

2.1 模型假設

在我國以政府為主導的互聯網金融監管機制下,金融監管機構監管互聯網金融企業,對發現的不合規經營行為進行處罰,維護投資者權益,防控金融風險. 然而,互聯網金融企業面對違規的超額收益與合規的高昂成本,仍然可能選擇不合規經營.監管科技作為有效和高效地解決監管與合規要求的新技術,被金融監管機構與互聯網金融企業雙方采用. 采用監管科技需投入一定成本,但應用后金融監管機構能夠提高監管效率和風險識別能力,同時降低監管成本,互聯網金融企業可以提高合規效率,降低合規成本及懲罰成本.

基于上述博弈關系,建立監管科技影響下金融監管機構與互聯網金融企業的動態演化博弈模型,通過博弈雙方策略選擇不斷調整,最終達到演化博弈穩定狀態. 為明確模型含義,結合實際給出模型假設如下:

假設1 金融監管機構監管策略金融監管機構對互聯網金融市場監管,可選擇的行為集合為(嚴格監管,不嚴格監管)兩種監管策略.選擇嚴格監管的概率為y,0 ≤y≤1,不嚴格監管的概率為1-y.

假設2 金融監管機構不同監管策略下的成本及效益金融監管機構實施的監管措施主要有合規審查與懲罰[27]. 嚴格監管和不嚴格監管兩種策略的監管成本、風險識別能力、懲罰金額和社會效益不同.隨著監管強度λ,0≤λ ＜1,的升高, 監管風險識別能力、懲罰金額和社會效益更大,相應的需付出更高監管成本,λ= 1 時為嚴格監管策略,即c1＞λc1,ω+θb ＞λ(ω+θb),(ω+θb)fv ＞λ(ω+θb)fv,(ω+θb)βv ＞λ(ω+θb)βv,其中ω為金融監管機構嚴格監管的風險識別能力,θb為投入監管科技而提升的風險識別能力,β為查處互聯網金融企業不合規經營行為而帶來的單位社會效益.

假設3 互聯網金融企業經營策略互聯網金融企業在金融機構監管和市場條件下, 可選擇的行為集合為(合規經營,不合規經營).互聯網金融企業選擇合規經營的概率為x,0 ≤x≤1,選擇不合規經營的概率為1-x.

假設4 互聯網金融企業不同經營策略下的成本及收益互聯網金融企業合規經營和不合規經營兩種策略的合規成本不同,不合規經營的成本更低,即c2＞(1-v)c2,其中v,0＜v≤1,為互聯網金融企業不合規經營程度.互聯網金融企業會因不合規經營獲得額外收益,但若被監管機構發現,將受到懲罰[21,28]. 互聯網金融企業合規經營收益為p,不合規經營額外收益為e,e ＞0,金融監管機構單位風險識別能力對不合規經營程度的罰金為f,f ＞0,則不合規經營懲罰金額為(ω+θb)fv.

假設5 監管科技投入的影響互聯網金融企業與金融監管機構獨立選擇在多大程度上投入監管科技,以θ和γ分別表示其投入監管科技的力度,0＜θ, γ ＜1. 假設投入單位監管科技費用為m,成本節約比例為n,提升金融監管機構風險識別能力b. 隨著投入力度的增大,監管科技在節約成本和提升風險識別能力的效果越顯著.

以上變量假設符號說明,如表1 所示.

表1 符號與說明Table 1 Symbols and explanations

2.2 模型構建

通過以上模型假設,互聯網金融企業可以隨機獨立的選擇策略“合規經營”或“不合規經營”,金融監管機構可以隨機獨立的選擇策略“嚴格監管”或“不嚴格監管”. 基于上述四種策略組合,最終得出互聯網金融企業與金融監管機構的博弈收益支付矩陣,如表2 所示.

表2 金融監管機構與互聯網金融企業的收益支付矩陣Table 2 The income payment matrix of internet financial enterprises and financial regulators

根據上述支付矩陣和博弈關系構建金融監管機構與互聯網金融企業之間的復制動態方程. 首先求出金融監管機構和互聯網金融企業選擇兩種策略的適應度和平均適應度.

互聯網金融企業選擇合規經營策略的期望收益F1和選擇不合規經營策略的期望收益F2分別為

金融監管機構的平均期望收益為

令h1與h2分別為金融監管機構嚴格監管時消除金融風險, 保護消費者權益帶來的社會效益和對互聯網金融企業不合規經營的罰金; 令q1與q2分別為投入監管科技后金融監管機構嚴格監管時的監管成本和投入監管科技后互聯網金融企業合規經營時的合規成本. 則h1= (ω+θb)βv,h2= (ω+θb)fv,q1=(1-nθ)c1,q2=(1-nγ)c2.

根據微分方程理論,令式(9)的右端項等于0 可得到該動力系統的均衡點為(0,0),(0,1),(1,0),(1,1),當參數條件滿足q1＜h1+h2,λh2＜q2+e ＜h2時,(x*,y*) 也是該系統的均衡點,其中

3 演化穩定性分析

3.1 均衡點及穩定性分析

利用雅可比矩陣的局部穩定性分析金融監管機構與互聯網金融企業的復制動態方程, 對微分方程組(9)求得雅克比矩陣為

將五個均衡點(0,0),(0,1),(1,0),(1,1)和(x*,y*)分別代入, 整理后得到det(J) 和tr(J) 的表達式如表3 所示.

表3 演化博弈系統各均衡點det(J)值和tr(J)值Table 3 Determinant and trace of J of equilibrium points in evolutionary game

依據演化博弈理論, 當均衡點滿足det(J)＞0, tr(J)＜0 時, 此時均衡點即為演化穩定策略(ESS).令π1=e+vq2-λh2,π2=e+vq2-h2,π3=h1+h2-q1,由表達式可得出π1＞π2. 其中π1為金融監管機構不嚴格監管時,互聯網金融企業不合規經營的凈收益,π2為金融監管機構嚴格監管時,互聯網金融企業不合規經營的凈收益,π3為互聯金融企業不合規經營時,金融監管機構嚴格監管的凈收益.

對不同情況下的演化穩定策略進行討論分析如下:

情況1 當π1＜0,π2＜0,π3＜0 時,如表4 所示,系統演化穩定策略為(1,0),即互聯網金融企業選擇合規經營,金融監管機構選擇不嚴格監管.

情況2 當π1＜0,π2＜0,π3＞0 時,如表4 所示,系統演化穩定策略為(1,0),即互聯網金融企業選擇合規經營,金融監管機構選擇不嚴格監管.

情況3 當π1＞0,π2＞0,π3＞0 時,如表4 所示,系統演化穩定策略為(0,1)和(1,1). 根據演化博弈的穩定性定理,此時只有x=0 是穩定策略,因此系統最終的演化穩定策略只有(0,1),即互聯網金融企業不合規經營,金融監管機構嚴格監管.

表4 情況1、情況2 和情況3 均衡點穩定性分析表Table 4 Stability analysis table of equilibrium point for cases 1,2 and 3

情況4 當π1＞0,π2＞0,π3＜0 時,如表5 所示,系統演化穩定策略為(0,0)和(1,1). 根據演化博弈的穩定性定理,此時只有y=0 是穩定策略,因此系統最終的演化穩定策略只有(0,0),即互聯網金融企業不合規經營,金融監管機構不嚴格監管.

情況5 當π1＞0,π2＜0,π3＜0 時,如表5 所示,系統演化穩定策略為(0,0),即互聯網金融企業選擇不合規經營,金融監管機構選擇不嚴格監管.

情況6 當π1＞0,π2＜0,π3＞0 時,如表5 所示,所有均衡點都是鞍點,系統進入循環狀態,不存在演化穩定策略.

表5 情況4、情況5 和情況6 均衡點穩定性分析表Table 5 Stability analysis table of equilibrium point for cases 4,5 and 6

對于情況6,演化博弈過程中雙方的策略選擇互相影響,系統沒有演化穩定策略,最終的系統演化形態取決于x,y的初始比例. 臨界值x*,y*將演化博弈相位圖劃分為Ⅰ,Ⅱ,Ⅲ和Ⅳ四個區域,如圖1 所示.

圖1 情況6 演化示意圖Fig.1 Evolution diagram for case 6

當雙方策略落在區域Ⅰ時, 系統狀態趨于穩定點(1,1), 即(合規經營, 嚴格監管); 當雙方策略落在區域Ⅱ時,系統狀態趨于穩定點(1,0),即(合規經營,不嚴格監管);當雙方策略落在區域Ⅲ時,系統趨于穩定點(0,1),即(不合規經營,嚴格監管); 當雙方策略落在區域Ⅳ時,系統趨于穩定點(0,0),即(不合規經營,不嚴格監管). 當區域Ⅰ和區域Ⅲ面積越大,金融監管機構越傾向選擇嚴格監管,當區域Ⅰ和區域Ⅱ面積越大,互聯網金融企業越傾向選擇合規經營.

命題1 降低金融監管機構不嚴格監管時互聯網金融企業不合規經營的凈收益π1,降低金融監管機構選擇嚴格監管策略的比例臨界值y*,有利于互聯網金融企業選擇合規經營策略.

證明 不同情況下演化穩定策略見表6.

表6 不同情況下演化穩定策略Table 6 Evolution stability strategies in different situations

命題2 提高互聯金融企業不合規經營時金融監管機構嚴格監管的凈收益π3,增大互聯網金融企業選擇合規經營策略的比例臨界值x*,有利于促進金融監管機構嚴格監管.

3.2 監管科技對博弈方策略的影響分析

命題3 當互聯網金融企業監管科技投入程度γ越高,投入監管科技的成本節約率n越大,金融監管機構監管科技投入程度θ越高,金融監管機構單位監管科技投入程度下所提升的風險識別能力b越大,互聯網金融企業越傾向選擇合規經營.

圖2 互聯網金融企業的演化相位圖Fig.2 Evolution diagram of internet financial enterprises

4 數值仿真

4.1 動態演化博弈仿真

為了更好的從整體上展示在演化博弈過程中互聯網金融企業與金融監管機構行為策略的選擇,驗證構建模型及結果的有效性,運用MATLAB 數值仿真驗證演化博弈系統在不同情況下的演化穩定策略.

情況1 與情況2 仿真 對于情況1 和情況2, 當滿足π1＜0,π2＜0,π3＜0 或者π1＜0,π2＜0,π3＞0 時, 隨著演化時間的推移, 系統演化穩定策略為(1,0), 即(合規經營, 不嚴格監管). 仿真參數設置為θ=0.8,b=2,c1=4,ω=3,λ=0.5,f=4,e=2,c2=4,v=0.5,β=6,n=0.5,γ=0.8.

如圖3 所示,若金融監管機構進行不嚴格監管時互聯網金融企業不合規經營的收益仍小于合規經營的收益,互聯網金融企業傾向選擇合規經營.此時,受互聯網金融企業策略的影響,金融監管機構嚴格監管相對不嚴格監管的凈收益無論正負,金融監管機構都傾向選擇不嚴格監管. 這一策略演化結果下互聯網金融市場合規經營的機會成本較小,有利于互聯網金融企業合規經營,但此時金融監管機構沒有監管動力,一旦市場發生變化,金融監管機構不能提前采取措施,不利于“黑天鵝事件”的預防.

圖3 情況1 和情況2 演化過程仿真Fig.3 Simulation of evolution process for cases 1 and 2

情況3 仿真 對于情況3,當滿足π1＞0,π2＞0,π3＞0 時,隨著演化時間的推移,系統演化穩定策略為(0,1),即(不合規經營,嚴格監管). 仿真參數設置為θ=0.4,b=2,c1=3,ω=1,λ=0.5,f=2,e=2,c2=4,v=0.5,β=2,n=0.5,γ=0.8.

如圖4 所示,金融監管機構嚴格監管時,若互聯網金融企業不合規經營收益大于合規經營的收益,互聯網金融企業仍傾向選擇不合規經營.此時不管互聯網金融企業初始合規比例為多少,在多次博弈后金融監管機構選擇嚴格監管,系統最終的演化穩定策略為(不合規經營,嚴格監管). 這一策略演化結果出現在互聯網金融行業野蠻生長階段,由于缺乏準入門檻、行業規則和深入的監管,企業違規經營獲得的大量違法收益遠超監管機構開出的處罰,導致互聯網金融行業出現“頂風作案”現象.

圖4 情況3 演化過程仿真Fig.4 Simulation of evolution process for case 3

情況4 與情況5 仿真 對于情況4 和情況5, 當滿足π1＞0,π2＞0,π3＜0 或者π1＞0,π2＜0,π3＜0 時,隨著演化時間的推移,系統演化穩定策略為(0,0),即(不合規經營,不嚴格監管). 仿真參數設置為θ=0.4,b=2,c1=4,ω=1,λ=0.5,f=2,e=1,c2=2,v=0.5,β=1,n=0.5,γ=0.8.

情況4 和情況5 演化過程仿真見圖5. 如圖5 所示,在金融監管機構不嚴格監管時，若合規經營的機會成本較大,互聯網金融企業即選擇不合規經營行為.此時,金融監管機構發現嚴格監管總成本高昂,監管措施對互聯網金融企業起效甚微,更加傾向選擇不嚴格監管,最終導致系統趨向(不合規經營,不嚴格監管)這一最差穩定策略.這一演化結果中金融監管機構監管能力及創新能力不足,進而導致選擇不作為策略.這種情況易造成違規經營企業不被嚴格懲處,而合規經營企業面臨巨大競爭壓力的行業現象,導致互聯網金融行業進入“劣幣驅逐良幣”的惡性循環,不利于互聯網金融行業的持續發展,并給金融穩定帶來巨大的潛在危險.

圖5 情況4 和情況5 演化過程仿真Fig.5 Simulation of evolution process for cases 4 and 5

情況6 仿真對于情況6,當滿足π1＞0,π2＜0,π3＞0 時,隨著演化時間的推移,系統沒有演化穩定策略,博弈雙方的策略互相影響不斷循環.仿真參數設置為:θ= 0.4,b= 2,c1= 2,ω= 1,λ= 0.5,f= 2,e=1,c2=2,v=0.5,β=1,n=0.5,γ=0.8. 情況6 演化過程仿真見圖6.

如圖6 所示,雙方的策略選擇互相影響,系統沒有穩定的演化策略,雙方的策略選擇在相位圖中的四個區域循環.擴大區域Ⅰ的面積,有利于系統朝著(合規經營,嚴格監管)的方向演化,但系統一旦進入區域Ⅱ,由于金融監管機構監管動力迅速下降,使系統在區域Ⅱ中維持時間較短,很快演化至區域Ⅲ開始下一輪循環.此時,金融監管機構嚴格監管策略對互聯網金融企業不合規經營的行為有顯著影響力,但由于監管措施不連貫,導致合規行為出現波動.同時,也反映出金融監管機構對違規行為事后監管的特性,事后監管雖然能夠規范互聯網金融企業行為,但不合規行為已對消費者權益和金融市場造成了損害. 這表明監管政策的連續性和穩定性對互聯網金融市場的規范發展至關重要.

圖6 情況6 演化過程仿真Fig.6 Simulation of evolution process for case 6

4.2 監管科技對博弈雙方策略影響仿真

為了進一步更好的顯示監管科技因素對互聯網金融企業與金融監管機構行為的影響,驗證理論推導的有效性,運用MATLAB 分別對互聯網金融企業與金融監管機構策略選擇的變化過程進行數值仿真.

4.2.1 命題3 的仿真

通過對系統演化過程的整體分析,已知π1,π2,π3共同影響互聯網金融企業與金融監管機構的演化穩定策略,為全面反映監管科技因素對互聯網金融企業經營策略選擇的影響,因此分別在π3＜0 與π3＞0 兩種情況下,仿真分析監管科技因素如何影響互聯網金融企業策略選擇.結果如圖7 和圖8 所示,即γ ↑,n ↑,θ ↑,b ↑,互聯網金融企業越傾向選擇合規經營,仿真結果與命題3 結論一致.

圖7 π3 ＜0 下監管科技對互聯網金融企業行為影響仿真Fig.7 Simulation of the impact of regulatory technology on internet financial enterprises behavior for π3 ＜0

圖8 π3 ＞0 下監管科技對互聯網金融企業行為影響仿真Fig.8 Simulation of the impact of regulatory technology on internet financial enterprises behavior for π3 ＞0

如圖7(a)所示,互聯網金融企業監管科技投入程度越大,互聯網金融企業群體選擇不合規經營策略的演化速度越慢,甚至當監管科技投入程度達到一定程度時,互聯網金融企業會改變經營策略,轉而選擇合規經營.其原因在于當互聯網金融企業監管科技投入程度逐漸增大時,監管科技節約的成本也逐漸變大,進而互聯網金融企業合規經營的總成本會逐漸下降,即合規經營的機會成本越有可能小于當前違規收益.總之,此時互聯網金融企業可以通過降低合規成本沖抵不合規經營的額外收益.因此當互聯網金融企業投入監管科技程度越大時,越傾向選擇合規經營.

同理,如圖7(b)所示,監管科技的成本節約率越大,互聯網金融企業合規經營的總成本越小,進而更傾向合規經營.如圖7(c)所示,金融監管機構投入監管科技達到一定程度時,互聯網金融企業策略由不合規經營轉向合規經營.這是因為金融監管機構投入監管科技程度越大,監管機構對不合規行為識別能力提升,互聯網金融企業合規經營的機會成本降低,違規經營的動力下降. 同時,金融監管機構監管成本下降,嚴格監管總收益上升,更傾向選擇嚴格監管,促使互聯網金融企業合規經營.同理,如圖7(d)所示,單位監管科技投入程度下所提升的風險識別能力越大,互聯網金融企業不合規經營懲罰風險上升,金融監管機構嚴格監管總收益變大,進而互聯網金融企業更傾向于合規經營.

4.2.2 命題4 的仿真

在對系統演化過程的整體分析中,已知π1,π2和π3共同影響演化系統的穩定策略,因此需分別在π1,π2不同情況下仿真分析,才能更加全面細致的反映監管科技因素如何影響金融監管機構的策略選擇.π1＜0、π2＜0 時,金融監管機構只存在不嚴格監管策略,因此分別對π1＞0,π2＞0 與π1＞0,π2＜0 兩種情況進行仿真分析.結果分別如圖9 和圖10 所示,即n ↑,θ ↑,b ↑,金融監管機構越傾向進行嚴格監管,仿真結果與命題4 結論一致.

如圖9(a)所示,隨著監管科技成本節約率的提升,金融監管機構選擇嚴格監管的演化速度逐漸越來越快,當監管科技成本節約率大于一定水平時,出現群體策略選擇的拐點,并且監管科技的成本節約率越大,拐點到來的的越早. 其原因在于監管科技成本節約率的上升,使得監管科技節約成本能力增強,金融監管機構監管成本大幅下降,嚴格監管行為總收益變大.因此,監管科技成本節約率逐漸變大時,金融監管機構傾向進行嚴格監管. 如圖9(b)所示,金融監管機構在多大程度上采用監管科技,對其監管策略有決定性影響.隨著監管科技投入程度的增大,監管科技節約監管的份額增加,總成本下降,進而金融監管機構逐漸傾向選擇嚴格監管. 如圖9(c)所示,監管科技單位投入程度下提升的風險識別能力越大,監管科技對監管能力的提升越明顯,金融監管機構對違規行為的識別能力逐漸提升,進而金融監管機構傾向選擇嚴格監管.

圖9 π1 ＞0,π2 ＞0 監管科技對金融監管機構行為影響仿真Fig.9 Simulation of the impact of regulatory technology on financial regulators behavior for π1 ＞0,π2 ＞0

如圖10(a)所示, 隨著監管科技成本節約率的提升, 金融監管機構監管策略從不嚴格監管這一穩定策略轉而為在嚴格監管與不嚴格監管之間循環波動,當監管科技節省監管成本的能力越大時,金融監管機構向嚴格監管行為的變化越速度越快. 其原因在于監管科技成本節約率在逐漸提升的過程中, 監管成本逐漸降低, 使系統進入情況6 的演化過程, 打破了金融監管機構完全不嚴格監管的穩定演化策略. 同理, 如圖10(b)所示,隨著金融監管機構監管科技投入程度的增大,監管成本逐漸降低,最終打破完全不嚴格監管的穩定演化策略.如圖10(c)所示,單位監管科技提升的風險識別能力逐步增大,金融監管機構對違規行為的識別能力逐漸提升,當達到某一水平時演化即出現拐點,之后金融監管機構更傾向嚴格監管.

圖10 π1 ＞0,π2 ＜0 下監管科技對金融監管機構行為影響仿真Fig.10 Simulation of the impact of regulatory technology on financial regulators’behavior for π1 ＞0,π2 ＜0

綜合命題3 與命題4 仿真結果,提升監管科技的投入程度、成本節約率以及識別風險的效率,能夠打破原有的演化穩定策略,促進互聯網金融企業合規經營,金融監管機構嚴格監管. 監管科技的投入程度取決于互聯網金融監管中博弈各方的主觀認識. 監管科技成本節約率和識別風險的效率,取決于監管科技的發展程度,監管科技越成熟,其對互聯網金融行業合理發展的作用越明顯.

4.2.3 命題5 的仿真

圖11 金融監管機構監管科技投入程度仿真Fig.11 Simulation of the investment degree of regulatory technology by financial regulators

5 結束語

本文通過構建演化博弈模型,研究了金融監管機構和互聯網金融企不同條件下的行為演化規律,重點分析了監管科技對互聯網金融監管演化結果的影響.結合數值仿真分析發現,金融監管機構具有監管不連續和事后監管的特性,互聯網金融企業不合規經營時才有更大的嚴格監管動力,企業主體與監管主體易陷入此消彼長的對抗博弈狀態;監管科技投入程度和發展水平對互聯網金融監管演化結果有重要影響,監管科技能夠降低合規成本和監管成本,打破主體不良的策略選擇,使系統產生較好的穩定狀態;金融監管機構監管科技的投入水平對互聯網金融企業的經營行為有明顯影響,達到一定水平時能有效促進互聯網金融企業自覺合規經營.

目前,我國對互聯網金融的監管仍處于探索完善的階段,對于互聯網金融的監管需從頂層設計入手,完善現有對各級金融監管機構的政績考核制度,改變治理理念,激勵各級金融監管機構事前、事中監管動力.同時,嚴防地方政府急于借助互聯網金融這種新興金融業態實現“彎道超車”,放松當地的金融監管規制強度;其次,應充分發展和利用監管科技,降低監管科技成本,提高效益轉化能力. 互聯網金融企業應強化技術研發,創新監管科技應用方向,重點關注監管科技降低人力與時間成本和把控人工操作風險的特點. 金融監管機構應加強自身技術研發,創新研發模式,通過與互聯網金融企業、第三方科技公司合作開發以較低成本提升監管能力. 另一方面,也應為監管科技的發展提供制度保證,整合現有非現場檢查體系,建立推廣監管科技專業管理人才的培養和評價體系;最后,監管機構需把握互聯網金融市場博弈所處的演化階段,充分利用監管科技,以及時發現并規范互聯網金融企業違規行為,防范金融風險.