文章摘要: 我已經提到了我對人工智慧和機器學習為加強銀行信用風險管理提供的潛在好處的看法等這些技術可能用於改進分析銀行所承擔的信用風險
以下是演講正文:
1997年5月,世界象棋冠軍加里·卡斯帕羅夫在與IBM「深藍」計算機的比賽中以4比1輸掉了比賽。不幸的是,在2017年5月,世界上最好的圍棋選手柯傑以3比0輸給谷歌的「AlphaGo」。
那麼,我們是應該感受到技術的崛起的威脅,還是我們應該感到興奮,我們人類現在可以與更復雜的機器合作來改善我們的存在嗎?
今天我將參考銀行業正在進行的技術轉型來探討這個問題。總的來說,我將尋求提供偏向樂觀的觀點—— 技術提供的機會多於威脅 。是的,一些無法跟上時代的公司將退出市場。但是,這種對銀行業務模式的顛覆最終會為客戶帶來價值。我相信市場力量將引導銀行部署新技術,以提高產品的質量、價格和便利性。
儘管總體持樂觀觀點,但我也認識到這些迅速的變化也會帶來一些風險。我將在演講的第二部分探討一些最相關的新風險。監管者的角色不是在任何特定方向去引領技術變革——因為這個過程必須保持由市場驅動。但是,監管機構和監管人員必須跟上時代——我們還必須及時掌握任何新出現的風險。
當然,有益的技術創新所帶來的機會不僅僅屬於私營部門,監管機構也可以從發展新技術中受益。在我的發言的最後部分,我將分享監管機構如何利用創新技術來進一步提高我們發現和解決銀行風險的能力。
數字化——銀行將如何改變?
銀行業內一直有充足的技術創新空間。
銀行的變化很大程度上是爲了應對客戶不斷改變的需求。這些客戶越來越習慣於線上完成他們的生活需求,越來越多地使用我們的智慧手機。
鑑於這種總體趨勢,銀行業正朝著同一方向發展並不奇怪——遠離人與人之間的物理互動以及提供遠端服務。
在整個歐洲,59%的網際網路使用者在網上進行銀行業務,這個數字正在上升。
我們對網上銀行客戶的期望很高。我們習慣於從線上提供商那裏獲得友好的和全天候的服務——我們自然希望銀行能夠跟上。
那麼,銀行如何應對這一挑戰呢?
首先,銀行已經認識到他們的核心基礎設施不再包括物理分支機構。 2015年,銀行的數字服務超過了大多數歐洲國家的分支機構提供的服務。由於分支機構的使用不那麼密集,這些實物資產的回報正在下降——因此銀行選擇將資金投入其他地方。 2016年,歐洲銀行關閉了9000多家分行,一年減少了4.6% ,變化正在迅速發生。
相反,IT投資的好處目前正在增加。金融部門的年度全球IT花費已上升至總體3萬億歐元支出的約20%。我樂觀地認為,此類投資將推動銀行數字系統的改善,那些在這一領域投資的銀行將獲得回報。
向更加技術化的銀行業邁進意味著需要一種完全不同型別的勞動力 。人們越來越不需要進行手動和重複性任務,因為這些任務可以越來越多地被數字化。由於銀行轉向更加註重數字化的商業模式,大型裁員已經公佈。另一方面,銀行越來越依賴技術嫻熟的技術人員——指導IT系統滿足需要,並確保由人掌控並掌握風險。
銀行互相競爭的關鍵數字領域之一是安全領域。 在客戶驗證程式中結合便利性和嚴謹性的需求是創新者可以找到優勢的眾多領域之一。鑑於銀行的「瞭解您的客戶」(KYC)的義務以及保護系統免受洗錢風險的相關責任,這一點尤其重要。
這個領域有很大的進步空間。今天,客戶仍然抱怨銀行的線上驗證過程有點痛苦。許多更便捷的選項可供銀行解決。生物識別技術、光學字符識別(OCR)、加密技術、安全視訊連結和分散式賬本技術(DLT)——都可以發揮作用。我鼓勵銀行在這個領域進行創造性的思考。
一個特殊創新領域——人工智慧和機器學習
也許銀行未來將最有希望採用的技術是人工智慧(AI)和機器學習。這些技術對於分析大資料庫非常有用。
銀行開始使用這些技術來管理和挖掘其數字商業模式,正在捕獲越來越多的高頻資料。這可以使銀行提高準確預測的能力——從而更有效地定價產品,並且可以更好地避免一些問題。
機器學習有能力在巨大的資料樣本中識別模式,並且能夠建立包含已識別的模式的模型——從而建立非常強大的預測能力。分析資料的子樣本以識別某些最強預測因子,例如貸款是否違約。然後,最強大的預測指標會自動合併到模型中,然後新模型會在資料的其他部分進行自我測試,以評估其執行情況。該過程重複數千次,以便模型可以「學習」資料並提高其預測效能。
人工智慧在其他經濟領域應用的經驗測試顯示出了預測能力的增強。僅舉一個例子,人工智慧被用於醫療保健,以更準確地發現醫院資料中的模式,以檢測患者對肝癌的易感性。
這些新的分析技術顯然非常適合銀行業。例如,它可以在分析潛在借款人信用風險中發揮有用的作用。同樣,這些技術可以在篩選大型資料集以檢測洗錢方面發揮作用,或者在銀行自己的交易者中發現內部行為風險的跡象。
數字化對市場結構的影響
數字化有助於銀行更容易地提供跨境銀行服務。傳統上,銀行依靠自己的自給自足的IT硬體來執行他們的系統,並且需要物理分支結構來訪問客戶端。現在銀行更有可能在沒有地域限制的情況下提供服務。可以通過使用雲端計算從遠端外部提供商獲取IT基礎架構,並且不再需要分支機構。
這對我們這些人來說是個好訊息,比如我自己,他們看到了銀行業日益激烈的競爭所帶來的好處。隨著對大型獨立IT投資的需求逐漸減少,進入市場的障礙正在減少。同樣,新的跨境提供商通過使用者友好的數字產品吸引客戶來快速滲透國內市場的能力正在增加。這些趨勢將加強市場競爭,從而有助於保持對現有公司的激勵,以最優惠的價格為客戶提供最好的服務。
儘管銀行既有的客戶關係可能為它們提供一定程度的保護,以防止客戶量的快速損失。然而,這種市場中的地位是不可持續的,除非他們投資於高質量使用者友好服務所需的系統。
在很大程度上,這場關於銀行數字產品的使用者友好性和可信度的競爭將決定哪些公司成功、哪些公司未來幾年失敗。我們已經在一定程度上看到了市場的脫鉤—— 某些領先的數字化銀行交易中所佔的份額更大 。例如,在北歐,領先的線上銀行的數字銷售額比其競爭對手的平均水平高出20%以上。
儘管我們已經面臨整合期,但技術將有助於提升這一趨勢。在採用技術方面過於緩慢或無效的銀行最終將退出市場。只有那些以增值方式快速安全地利用技術的公司才能生存下來並蓬勃發展。
這是市場自然執行的一部分——最終,這一調整過程將符合銀行客戶的利益。
數字化帶來的風險
現在讓我繼續簡要談談所有這些迅速的技術變革可能帶來的一些風險。
在討論這些風險之前,我應首先向您保證,我的總體評估是這些新出現的風險並未處於令人擔憂的水平。金融穩定委員會在2017年報告說,由於採用了金融技術,目前「沒有引起令人矚目的金融穩定性風險」,我對此持同樣看法。
儘管如此,各種風險正變得越來越重要,銀行、監管機構和監管機構應各自保持警惕。
首先,必須密切關注銀行如何將其IT服務外包給外部各方。銀行不是「技術之家」 ——因此 它們很大程度上必須依賴第三方提供商來幫助轉向更先進的IT平臺 。從治理的角度來看,銀行服務由一系列外部供應商提供,這種分散對銀行構成了一種挑戰。銀行需要對整體風險負有責任——因此他們必須掌握重要部分,並控制所有要素。
如果許多銀行將其數字銀行業務的核心要素外包給單一提供商(例如處理支付系統),這也是一個潛在的問題。實際上,這種安排可能會給整個行業帶來集中度風險。如果壟斷提供商在提供服務方面存在問題——那麼這可能會損害整個行業的運作。這是監管者需要注意的操作風險。這也意味著我們的監管者必須堅定地審視銀行關鍵第三方IT提供商的穩健性。
我已經提到了我對人工智慧和機器學習為加強銀行信用風險管理提供的潛在好處的看法等。但是,還應該強調的是,必須以正確的方式使用這些技術 ——否則它們也可能成為風險的來源。
人工智慧的基礎演算法必須仔細設計——這些演算法中嵌入的決策必須得到銀行管理者和主管的充分理解。過去,當金融家對一些新的複雜的創新過於興奮時,已經犯了太多錯誤。人工智慧和機器學習務必要避免的傾向是——高管們允許他們的「量化分析專家」所冒的風險超出他們的理解和控制能力。
監管將在這方面保持警惕,但這隻能提供一定程度的保證。爲了真正安全地抵禦風險,我們必須依靠銀行管理者來承擔他們在這方面的責任。爲了我們所有人的利益,我相信你會和我一起敦促他們認真對待這項任務。
最後提到的風險領域是網路安全。總的來說,我很高興地報告,歐洲銀行非常瞭解這一領域的風險,並且在出現新威脅時不斷改進和應對。但是,這並不意味著我們的銀行不受網路風險的影響。在我們的現場檢查中,我們仍然經常發現網路罪犯獲取未經授權的訪問或造成嚴重破壞的資訊保安漏洞。我們向銀行發出的持續資訊是,它們自己全權負責採取適當措施保護自己,免受網路風險以及此類威脅帶來的負面影響。
我向您保證,歐洲央行監管機構將在未來幾年密切關注所有這些問題。通過我們的定期監督審查和評估流程(SREP)以及現場檢查的方法,我們越來越多地整合了在數字化轉化過程中產生的最新問題。這些問題對我們監督和測試銀行治理,風險管理和IT架構的方式將變得越來越重要。
單一監管機制下數字化的機會
作為監管者,我們不能妨礙市場力量。我們不是要在一個特定的技術方向對行業進行引領。我們的作用是密切關注確保審慎安全,包括安全通過快速的技術變革時期。此外,我們必須以公平的方式監督整個市場的公平競爭環境—— 包括任何以創新的方式運營的新進入者。
爲了有效地完成這些任務,我們必須成為新技術的採用者。日常任務可以越來越自動化,我們可以利用這一趨勢來釋放員工的資源,更多地關注和審視複雜和戰略性任務。
讓我舉幾個具體的例子,技術可以幫助我們在未來取得哪些進展。
隨著時間的推移,我設想我們可以通過銀行和監管之間共享資料的方式提高效率。我們知道,我們向銀行提出的合規資料要求會產生很大的負擔。通過行業和監管之間的協作,可以通過自動化改進我們的資料共享系統。這可以使資料提供對監管越來越及時和準確,同時使銀行變得輕鬆。
無論如何,我們的數據處理方面的改進是必要的,因為數字化意味著銀行業產生的相關資料量正在大幅增加。我們需要將自己嵌入到行業正在創造的「大資料」中—— 並利用這一點來發揮我們的優勢。特別是,我們需要構建一套系統,以便隨著市場發展實時更新我們的分析。這一點尤其重要,因為數字化提高了交易處理的速度——從而提高了市場改變的速度。在這樣的環境中,我們不能再依賴於3個月更新一次資料。
監管者也應該利用人工智慧和機器學習。例如,這些技術可能用於改進分析銀行所承擔的信用風險。可以利用人工智慧來幫助我們在早期發現過多的銀行風險承擔。反過來,這可以支援我們在重大潛在問題成為現實之前儘早干預。
結論
我今天所描述的發展與變化超越了以往的速度和規模。我們應該意識到這種高速變化所帶來的風險 ,並尋求保持對這些風險的捕捉。
然而,這種迅速變化也帶來了新機會,銀行家和監管者能夠在一個改善我們日常工作方式的時代工作。
在這種變革中,我們的基本目標並沒有改變。銀行必須繼續為客戶提供物有所值和高質量的服務。監管機構必須繼續關注維護銀行和銀行系統的穩定性。