新冠肺炎疫情作为一个难以预测的外部强冲击，同时还叠加了石油价格的大幅下滑和粮食价格的冲击，对全球经济运行产生了非常深远的影响。不同于次贷危机，本次疫情冲击带来的动荡，是由疫情冲击导致经济局部停摆开始，进而显著冲击服务业和供应链，同时也导致不同区域的经济出现大幅衰退，最终疫情的冲击反映到了金融市场。疫情冲击下，宏观和金融市场出现了一些新变化：
一、引言
报告是金融监管机构进行非现场监管的重要手段，准确、及时、有效的报告信息有利于监管机构更好地识别和管控金融市场风险。监管部门能够通过对被监管机构定期、不定期提交的经营报表、财务报表及统计报表等报告进行定性、定量、定点、定期的综合性审查、分析、评价和预测，尽早发现金融领域可能存在的风险并及时采取相应措施进行防范，从而提高金融监管效率（程康宁，2005）。因此，报告是监管机构实施监管的决策依据，金融监管决策的合理性取决于报告的精准性。而传统报告生成主要依赖人工，由人工进行数据搜集、数据分析及报告编制，这种方式不仅需要较高的人工成本，还存在数据误差大、报告编制时间长等弊端，影响非现场监管的效能。
此外，2008年金融危机后，为应对日益增长的监管复杂性，全球监管机构不断强化金融监管力度，对金融领域信息报告的质量和频率提出了更高的要求，为金融领域生成报告带来了更大的挑战。传统以人工为主的生成报告方式已不能满足日益复杂的监管报告要求，为此，金融领域开始探索新技术来减轻生成报告的负担，监管科技应运而生。
监管科技的概念最早由英国行为监管局（FCA）（2015）提出，认为监管科技是金融科技的一个分支，是“运用新技术，促进达成监管要求”，即利用最新的信息技术手段服务于监管及合规要求。国际金融协会（IIF）（2016）表示，对于金融机构而言，监管科技有利于金融机构满足监管报告要求。对于监管机构而言，监管科技能够为监管机构提供自动化报告和实时监控方案（Simone di Castri等，2019）。本文聚焦研究监管科技在生成报告领域的应用与实践，后文结构安排如下：第二部分阐述传统金融领域生成报告所面临的挑战；第三部分分析监管科技赋能生成报告的具体方式；第四部分阐述监管科技赋能生成报告的应用实践；最后，基于上述分析，对监管科技在生成报告领域的应用实践进行总结与展望。
二、传统金融领域生成报告面临的挑战
金融领域传统的生成报告方式主要是人工为主，即由人工进行数据收集、分析及报告的生成。随着数据和报告报送要求趋严，传统人工生成报告方式存在的不足逐渐暴露出来，具体体现在以下几个方面：
（一）传统生成报告方式成本较高，导致金融领域监管合规压力大
2008年金融危机后，全球各监管机构便致力于进行金融监管改革，对金融机构提出了更严格的监管报告要求。例如，巴塞尔委员会（BCBS）于2013年发布的《有效风险数据加总与风险报告原则》及国际会计准则理事会（IASB）于2014年发布的《国际财务报告准则第9号-金融工具》等都对金融领域报告提出了更高的要求。这些要求使得金融机构乃至整个金融行业都将面临巨大的挑战。一方面，为满足监管合规要求，金融机构需要及时理解不断更新的监管规则，生成并提交相应合规报告，而传统人工处理方式无疑会耗费金融机构大量的人工成本；另一方面，随着被监管主体数据报送的剧增，监管机构传统的人工监督、分析及生成报告的方式不能有效满足监管需求。同时，科技与金融的深度融合进一步加剧了监管报告生成的复杂性。若仍以人工方式来生成报告，需要花费庞大的成本，导致金融领域面临较大的监管合规压力。
（二）传统报告编制时间较长，致使非现场监管存在滞后
报告的主要目的在于及时反映金融机构经营与风险管理情况，为监管机构进行非现场监管提供有效的金融监管数据信息，而传统报告属于事后生成，并且人工编制报告的时间较长，报告生成和报告报送时间存在明显的差异，大大降低了监管机构使用报告信息的时效性。随着金融科技的不断发展，金融领域不同业务之间深度融合，经营风险愈演愈烈，传统以月报、半年报或年报为主的报告模式频率低、周期长，已不能满足监管机构获取实时报告信息的需求。同时，人工在进行数据信息的收集、处理及生成报告过程中耗时长，效率低，存在明显的时滞性，不能实时反映相关信息，进而影响金融监管效率。
（三）传统报告数据质量低，难以满足当前金融监管要求
数据是报告的核心，数据信息质量的高低直接决定了报告的准确性，进而影响金融监管的效能。传统的生成报告模式人为干扰因素大，报告信息质量有待商榷。首先，人工生成报告无法完全避免数据录入错误情况的发生，进而导致数据报告信息出错。其次，传统报表填报方式灵活性较大，人工输入过程中主观因素明显，可能存在人为篡改行为。例如，为达到监管要求，报告生成人员直接编造或修改报告数据，进而导致报告数据不准确，不能真正满足金融监管要求。
三、监管科技赋能生成报告
根据上文分析，传统生成报告方式已不能满足现有监管形势，监管科技应运而生。监管科技的引入能够为生成报告注入巨大的活力，主要体现在人工生成报告的自动化、数字化转变，这一转变不仅能颠覆金融领域生成报告的方式，也能为金融服务领域与监管领域节约巨大的成本。具体来看，监管科技能够从以下三个方面助力金融领域生成报告：
（一）助力报告由“手工生成”向“自动化生成”转变，降低生成报告成本
与传统方式相比，监管科技能够实现生成报告方式由“手工生成”向“自动化生成”的转变，即为金融行业提供自动化报告生成工具。基于自动化报告工具，金融机构或监管机构能够实现报告所需数据信息的自动化采集，并直接生成完整的报告，减少了对人工生成报告的需求，有效降低生成报告的人工成本。此外，人工智能技术也能够在一定程度上替代生成报告过程中的人工操作。例如，自然语言处理技术能够实现监管规则的自动化翻译，并帮助金融机构实时跟踪监管规则的变动，为合规报告的生成提供有效信息。
（二）助力报告由“事后生成”向“实时生成”转变，实现监管信息实时披露
基于大数据、云计算及人工智能等技术，监管科技可以将传统报告生成方式由“事后生成”向“实时生成”转变，即实现监管信息的实时披露，助力金融监管领域实时监控。监管科技可以通过端到端的数据管理功能，直接将金融机构端与监管端连接起来，实现数据信息的实时传输并及时生成相应的报告。金融机构可以通过监管科技在实时获取监管机构监管要求的基础上，实时收集交易数据、生成报告并直接向监管机构进行动态报送。整个过程无需人工干预，不仅可以降低人工成本、减少人工输入的错误率，还可以实现实时监控，进而提高金融监管效率。例如，应用程序编程接口（API）技术便可以在数据库与数据库间直接进行大量的数据传输，助力实时报告的生成。
（三）助力形成标准化报告，提高报告数据信息质量
正如前文所言，监管科技助力报告生成的本质在于替代人工，实现自动化报告生成。这个过程没有人工参与，能够有效避免由人工造成的数据录入错误或篡改等情况，提高数据信息的准确性。同时，监管科技可以实现数据的交叉验证，提高报告数据信息的质量。即通过对比金融机构提交的多个不同报告中的数据，及时发现不一致的部分并要求金融机构重新提交符合监管规则的报告，进而提高报告数据信息的真实性、准确性及完整性。此外，随着金融科技的蓬勃发展，金融混业经营趋势明显，金融机构需向不同监管机构提供大量报告，各监管机构间存在数据统计口径不一致的问题，大幅增加了金融机构报告报送数量和数据处理的难度。而监管科技能够将较为复杂的数据内容处理为统一的、标准化的数据，并由此生成标准化报告，进而减低金融监管成本、提高金融监管效率。
四、监管科技赋能生成报告的应用实践
基于传统生成报告中的不足与监管科技赋能生成报告的优势，各国金融领域开始探索监管科技在生成报告领域的运用。因此，下文介绍了监管科技在监管报告领域及合规报告领域的具体应用实践。
（一）监管科技在监管报告领域中的应用
监管报告是监管机构对被监管者业务运营、内部控制、风险管理等实施监管的综合评价和对被监管者采取监管措施的全面阐述，是对金融监管过程和结果的总结。全面、及时、准确的监管报告能够有效反映被监管者的业务和经营风险情况，是监管机构防范和化解金融风险的重要工具。监管机构运用监管报告中获取的信息、现场检查时获取的信息以及统计部门提供的信息进行综合分析，以便及时诊断金融领域存在的风险点，提前做好防范措施。监管科技在监管报告领域的应用主要集中在自动化报告和实时报告两个方面。从全球实践来看，奥地利中央银行（OeNB）、澳大利亚审慎监管局（APRA）、墨西哥国家银行和证券委员会（CNBV）、菲律宾中央银行（BSP）、卢旺达国家银行（BNR）等监管机构都正在使用或考虑使用监管科技来推动监管报告自动化生成。
卢旺达国家银行（BNR）运用电子数据仓库（EDW）系统来实现监管报告的自动化生成，进而为金融监管提供有效信息。EDW系统是由BNR与Sunoida Solutions公司合作开发的，它能够有效简化报告流程。EDW系统允许BNR每天从金融服务商的系统中直接提取数据，进而减少金融服务商人工手动生成和发送报告的需要，实现监管报告自动生成和实时监控。同时，对于具有较差IT系统的储蓄信用合作社，它还允许其继续使用excel模板将数据推送至BNR。该系统不仅能够实现整个BNR的报告自动化，还能有效改善报告数据的质量、频率和范围。
图1：BNR的监管报告自动化平台（略）
此外，菲律宾中央银行（BSP）与 RegTech for Regulators Accelerator （R2A）合作为金融机构开发了一个基于应用程序接口（API）的审慎报告系统，可以自动报告高度精细和接近实时的数据。随着菲律宾金融系统的规模和复杂性的增长，菲律宾中央银行（BSP）的监管报告系统逐渐趋于繁杂，监管法规的颁布和修订增加了菲律宾金融机构的报告要求，每个金融机构必须重新配置其报告模板，截至2017年，菲律宾银行总共需要完成240多分报告模板，数据点超过10万个，金融机构需要单独提交多个报告。而传统的监管报告生成严重依赖人工手动处理，直接影响了菲律宾中央银行（BSP）维护金融体系稳定与安全的效率。针对这一痛点，R2A为菲律宾中央银行（BSP）设计和开发了基于API的审慎报告系统。基于合理化和自动化的报告流程，该系统能够有效提高金融监管效率。
图2：BSP基于API数据架构的审慎报告系统（略）
具体来讲，该报告系统分为四步：1.报告数据传输；2.报告数据验证；3.报告数据储存；4.审慎报告数据分析。首先是数据传输，应用程序接口（API）在被监管机构和菲律宾中央银行（BSP）之间建立直接的机器对机器的数据传输线，进而无需被监管机构手动填充多个基于电子表格的报告模板，而是从被监管机构数据库中直接提取原始数据并将其转换为单个基于XML的加密文件。然后将其传输到菲律宾中央银行（BSP）数据处理行列中，无需电子邮件或Web数据门户。与传统数据报送相比，此过程具有传输数据量及数据力度大、数据传输更安全及数据质量高等特点。
其次，数据验证，即菲律宾中央银行（BSP）在收到被监管机构提交的文件后，立即对提交的数据进行规则验证，若违反规则则数据报告会被退回以供审核和重新提交，若验证通过，数据将通过计算引擎运行，在计算引擎中计算所有相关的审慎指标和风险度量标准。与传统数据验证相比，自动化验证可以缩短人工对账验证过程，提高规则验证速度。再次，数据储存，经处理后的数据将直接传递到集中、安全、受访问控制的数据库中进行储存而无需人工手动上传数据。最后，审慎报告数据分析，即集中式数据库扩展了数据分析工具，如仪表板和统计软件。
（二）监管科技在合规报告领域中的应用
合规报告是金融机构向金融机构内部监管部门及金融监管机构提交的反映金融机构合规风险状况的报告。合规报告不仅是金融机构把握自身合规风险信息和合规管理实际情况的主要渠道，也是监管机构评估金融机构是否满足合规经营的重要依据。传统合规报告的生成流程主要分为以下三步：第一是获取监管信息，即金融机构合规人员收集金融监管机构公布的监管政策；第二是解读监管政策，即金融机构合规人员根据监管要求，结合金融机构自身实际情况，定性和定量分析金融机构满足监管政策的实际情况；第三是生成合规报告，即金融机构合规人员根据政策解读的实际结果撰写合规报告陈述金融机构所有业务情况。传统合规报告主要由合规人员手工生成，监管科技则能够直接取代合规人员的工作，实现监管政策的自动解读和合规报告的自动生成。
AxiomSL是一家专门为金融业提供监管报告和风险管理解决方案的提供商，客户包括银行、经纪交易商、资产管理公司和保险公司。该公司独特的企业数据管理（EDM）平台可提供数据沿袭、风险汇总、分析、工作流自动化、验证和审计功能。该公司提供的监管报告解决方案使金融机构能够成功地遵守众多法规要求，同时为其提供可信赖的数据。AxiomSL的平台支持遵守各种全球和地方法规，包括巴塞尔协议III的资本和流动性要求，《国际财务报告准则第9号-金融工具》（IFRS 9）、《多德-弗兰克法案》（Dodd-Frank Act）、欧洲金融工具市场指令（MiFID II）、《海外账户纳税法案》（FATCA）等。
图3：Axiom SL合规报告生成（略）
通过自动化，数据治理和端到端数据管理功能简化了报告流程，降低了金融机构的合规成本，最大程度地减少了人与人之间的互动，并提高了运营效率。具体的，AxiomSL平台生成合规报告的流程如下：首先，监管数据自动化收集，通过端到端的数据管理功能自动化获取每份报告所必需的数据；其次，监管规则管理，编辑检查、验证规则，以确保所提交信息的准确性，同时，与监管机构直接沟通进而及时应对法规变更；最后，生成并提交报告，通过多种报告格式（包括XBRL，XML，TEXT和电子表格）直接提交给相应的监管机构。目前，AxiomSL已为众多金融机构提供了解决方案。例如，2019年1月5日，AxiomSL宣布Yapi Kredi Bank Nederland选择AxiomSL平台，以遵守欧洲银行业管理局（EBA）的资本和流动性法规及荷兰银行（DNB）特定的财务和统计报告要求。AxiomSL表示通过使用该平台将使Yapi Kredi Bank Nederland减少报告中的手动交互，并确保及时有效地提交监管报告。
此外，从金融监管的角度来看，财务报告作为反映金融机构财务状况、经营成果及现金流量等会计信息的重要文件，金融机构提交的财务报告能够为金融监管提供完善的金融机构财务信息。即监管机构能够在对金融机构所报送的财务报告及相关资料进行审核、整理、分析的基础上及时发现可能存在的问题，为金融监管提供依据。传统的财务报告主要由人工生成，存在着编制周期长、数据收入错误率高及人为篡改报告等问题。基于人工智能、大数据及云计算等技术，能够实现财务报告由人工生成向自动化生成的转变，可降低人工操作对财务报告生成带来的干扰，同时能够有效提高财务报告质量。
以德勤推出的财务机器人为例，财务机器人是一款基于机器人流程自动化技术（Robotic Process Automation，RPA）的软件，能够实现传统手工工作向自动化、智能化转变，从而推动财务部门的财务自动化。其中，机器人流程自动化技术又被称为数字化劳动力（Digital Labor），是一种数字化的智能解决方案，主要通过模拟并增强人与计算机的交互过程，来执行以规则为主导的可重复任务。德勤的财务机器人能够帮助财务人员完成大量的、重复规则化的事务，从而提高财务报告报送的效率和质量。总体而言，德勤的智能财务机器人能够自动完成数据收集和整理，数据验证和分析，记录，计算、决策和产出，协调和管理，传输和交流，并最终生成报告。
五、监管科技在生成报告领域的总结与展望
自2008年全球金融危机爆发以来，全球各金融监管机构进行了金融监管体制改革，对金融机构提出了更高的报告要求。传统的以人工为主的报告生成方式严重滞后于金融监管要求，报告生成方式亟需重构。基于人工智能、大数据、云计算等新型技术基础之上的监管科技为金融领域报告自动化生成提供了有利的技术支持。根据上文对监管科技在生成报告领域的应用分析可知，当前全球金融市场对监管报告、合规报告等领域的生成报告方式进行了积极的探索与尝试。这些尝试有助于实现生成报告方式从传统“手工生成”、“事后生成”向“自动化生成”、“实时生成”标准化报告转变，进而降低报告生成成本并提高生成报告的质量和效率，为金融领域实时监管赋能。
展望未来，监管科技在生成报告领域还存在以下问题需要解决：一是加快完善数据治理模式。数据是报告的核心，是监管科技实现报告自动化、实时生成的基础。然而，伴随着监管科技工具在生成报告领域使用频率的增加，数据访问权限等问题也日渐凸显。例如，监管机构以科技的手段直接从被监管机构进行自动化数据采集时，哪些数据能够提取，提取数据使用范围如何，都需要以立法的手段进行规范。因此，未来应加快完善监管科技应用过程中的数据治理问题。同时，监管机构、被监管机构应用科技生成报告的过程中，也应注重数据的规范使用。
二是强化监管科技应用深度。尽管金融领域已经使用监管科技解决方案来助力报告自动化生成，但大多仍处于探索使用阶段，科技赋能生成报告的潜力并未完全得以释放，未来仍有较大空间。以人工智能技术赋能合规报告为例，金融机构能够利用人工智能技术，如自然语言处理技术实现监管规则的自动化翻译，并形成结构化数据。然而，当前通过人工智能技术翻译的监管规则结果缺乏灵活性，导致自动化报告内容可能存在难以理解的情况。因此，未来在技术开发层面上，应探索更具变通性的监管科技解决方案；在规则制定层面上，应早日实现监管规则机器可执行化。
参考文献
[1] 程康宁.对加强非现场监管工作的几点认识[J].金融理论与实践,2005(12):30-31.
[2] 田高良,陈虎,郭奕,薛宇婷.基于RPA技术的财务机器人应用研究[J].财会月刊,2019(18):10-14.
[3] FCA,Feedback Statement,Call for input on supporting the development and adopters of RegTech[ol].retrieved from https://www.fca.org.uk/publication/feedback/fs-16-04.pdf.
[4] The Institute of International Finance,Regtech in Financial Services:Solutions for Compliance and Reportng[ol].March 2016.retrieved from https://www.iif.com/Publications/ID/1686/Regtech-in-Financial-Services-Solutions-for-Compliance-and-Reporting.
[5] Simone di Castri,Stefan Hohl,Arend Kulenkampff and Jermy Prenio,The suptech generations[ol].October 2019,retrieved from https://www.bis.org/fsi/publ/insights19.htm.
[6] Asatiani,A.,& Penttinen,E.(2016).Turning robotic process automation into commercial success Case OpusCapita[J].Journal of Information Technology Teaching Cases,6(2),67-74.
[7] Simone di Castri,Matt Grasser,and Arend Kulenkampff,An API-based Prudential Reporting System for the Bangko Sentral ng Pilipinas (BSP) R2A Project Retrospective and Lessons Learned[ol].August 2018,retrieved from https://www.r2accelerator.org/api-visualization-prototype/.
来源：微信号：中国科大新金融研究中心，https://mp.weixin.qq.com/s/fgMpYHYxIYisxMWSXKac8w 发表时间：2020年8月10日
