1、监管科技定义

  目前关于监管科技的定义尚未明确统一

  RegTech，是Regulation和Technology两词的合成，可译为“监管科技”。

  国外定义。2016年，英国金融行为监管局(FCA)将监管科技定义为金融科技的子集，即采用新型技术手段，帮助金融机构更有效、更高效地满足多样化的金融监管合规要求的技术及其应用。

  国内定义。中国人民银行金融研究所所长孙国峰认为:监管科技是基于大数据、云计算、人工智能、区块链等技术为代表的新兴科技，主要用于维护金融体系的安全稳定。实现金融机构的稳健经营以及保护金融消费者权利。

  虽然目前关于监管科技的定文尚未明确统一，但是不同机构对于监管科技的定义基本达成共识:运营科技手段，服务监管需求，提高监管效率。

  监管科技生态主要有三大参与者:监管机构、金融机构及监管科技公司。其中监管机构与金融机构是监管科技的需求方。监管机构利用监管科技提升监管效率，金融机构利用监管科技更有效、更高效地满足监管需求;监管科技公司是监管科技的供给方，通过挖掘监管机构与金融机构需求，建设算法等技术能力以及通用技术平台，为监管机构及金融机构提供满足监管合规的技术服务。

2、监管科技核心技术支持

  监管科技本质上是通过先进的技术帮助金融机构和监管机构更好地满足合规要求以解决监管问题，目前已有多项技术和科技创新得到开发升级，并且得以落地应用。

  区块链。区块链的去中心化、不可篡改、实时动态在线等特性，使其天然地与金融高度契合，并且在金融监管、反洗钱、金融风险控制等细分领域有着突出的表现。

  云计算。云计算能够处理更复杂、更精细的数据，保证数据的准确性，提升数据的可视化效果。在机构运行方面，云计算可以创建标准化的共享工具，既能够服务于单个金融企业，又能运用于全行业的多个参与主体间。

  应用程序接口(API)。API通过与其他软件程序进行连接，实现信息和数据的交互。将API应用于监管，监管机构可为金融企业提供一系列监管服务的程序接口，金融企业可通过API自动向监管机构提交监管报告，降低企业合规成本。

  机器学习。机器学习的数据挖掘算法可以分析大量的非结构化数据，如图像和语音等，也能分析来自付款系统的低质量数据。此外，机器学习可以成为压力测试的分析工具，解决传统分析工具难以解决的大规模数据处理难题。

  生物识别。指纹识别、声音识别、人脸识别等生物识别技术可以自动化识别用户身份，从而满足"充分了解你的客户"(Know Your Customer.KYC)的应用要求，以此提高工作效率和安全。

  加密技术。加密及安全技术的改进，能够确保数据流通、共享的安全性和完整性，提升信息披露的有效性，使得被监管机构之间以及监管机构与被监管机构之间可以更加高效、便捷地进行数据流通和共享。

  数据挖掘与分析。针对多源异构金融数据，特别是低质量数据，综合运用数据挖掘、模式规则简法，分析统计等手段进行多层清洗，可使获得的数据具有高精度，低重复、高可用优势，为风险态势分析等提供更为科学合理的数据支持。

3、监管科技发展必要性及现状

  国外监管科技已经起步，国内暂处于萌芽状态。2008年金融危机以后，世界各国的金融监管趋严，许多金融服务公司大量投资，并增加合规人员，以修复现有监管问题，满足新的法规和监管预期。面对不断上升的合规成本，以英国、美国为代表的许多金融大国开始借助监管科技手段以降低合规成本。目前全球已有6000多家企业提供风验管理，合规控制等服务。据2018年联邦金融分析公司预测，全球对监管、合规等的金融科技需求还将继续扩大。

  近年来，中国互联网金融发展讯速，也暴露了越来越多的风险问题，金融业要实现稳定繁荣发展，必然需要使用更快捷、更合理的监管手段。目前只有部分金融科技公司和金融机构开始涉足监管科技领域，大多数的金融机构仍采用传统合规的方式应对不断修改完善的金融监管条例。

  总而言之，中国目前的监管科技仍处于萌芽状态，对于监管科技的认识研究多以学术研究为主，实际应用监管科技的企业寥寥无几，是一片仍待开发的蓝海市场。

4、监管科技五大应用场景

  存在内在联系的监管科技五大应用场景。

  交易行为监控:面对纷繁复杂的互联网数字金融时代，为维护消费者利益和维持金融体系稳定，需要在交易过程中进行反洗钱、内部交易等可疑交易行为的监控。监管机构和金融机构可以借助大数据，云计算等技术进行实时监控，完整覆盖交易前中后全过程，最后以可视化的呈现方式提供指导意见。

  合规数据报送:金融机构由于监管法律法规的合规性要求，导致金融数据统计的维度和口径不一致，合规数据的标准化和数字化成本较高。监管科技可以应用在合规数据的标准化流程中，利用多种新技术帮助金融机构清洗加工数据，自动生成合规报告。

  法律法规跟踪:随着监管法规条文增加，监管形势趋严，传统应用专业合规人员的成本上升。通过人工智能和大数据技术对海量的法律法规实现自然语言处理，帮助金融机构进行法律法规跟踪，改变传统的人工合规方式，降低合规成本，提高合规效率。

  客户身份识别:客户身份识别是金融监管中识别风险、防控风险工作中重要的环节。传统的客户身份识别主要靠人工，借助机器学习、自然语言处理、生物识别技术等技术，可以提高客户识别效率，预警一切可疑客户与可疑交易行为。

  金融压力测试:跨界金融增加了金融风险，为了及时发现潜在风险并采用相应的应对措施，金融机构可以借助人工智能，大数据等手股，更加精准地模拟真实情境下的金融状况，对金融机构进行极端条件情况下的压力测试，在多元化的模拟环境中进行金融新模式、新产品的创新实验。