资产1
贸易监督和合规监督
以下是人工智能如何开始改变合规实践

以前的博客帖子在美国,我研究了人工智能语言分析技术,以及银行如何采用这种技术来检测金融市场上的违规行为bob联盟足球。现在由于人工智能是强大到足以开车或赢得一个辩论比赛,我的期望是,不会过多久这种级别的解决问题的重要性将工作不仅检测,也防止金融市场不当行为和客户的虐待。

现在是银行业务及其高级风险、合规和控制领导重新评估政策、实践和技术的时候了。

在我看来,有三个主题指标表明我们已经接近目标了:

  • 现在的金融机构宣布几乎每天他们正在应用人工智能,以全新的视角来看待过去的行为挑战。
  • 我对一些新的regtechs有了深刻的初步了解,包括一个可以放大不当行为的人工智能工具。这在概念上是一个令人印象深刻的发展,但更重要的是它的实用价值需要讨论。
  • 监管机构最近对Regtech表示了非常公开的支持,特别是AI。

着重于最后一点,最近剑桥风险事件FCA新任高级行为经济学家,凯伦·克罗克森博士他建议政策制定者和监管机构开始积极“利用大数据技术”,以更有益于社会的方式利用金融部门所掌握的“丰富的颗粒数据宝库”。她提醒我们,到目前为止,金融公司对大数据的主要利用一直是“在以前没有受到挑战的市场中挖掘潜在优势……以获取消费者的最大支付意愿”。

这是一个大胆但现实的宣言。金融机构应准备好迎接监管态度转变的影响,因为FCA和其他当局将人工智能日益强大的力量与大数据分析结合起来,推动市场和消费者保护。现在是银行业务及其高级风险、合规和控制领导重新评估政策、实践和技术的时候了。

监视的演变

监管机构和银行都在关注一种预测分析能力,这种能力接近于消除市场滥用和不当行为,或者至少让作恶者承担不明智的风险。我将其命名为监视3.0,并将在未来的博客文章中探讨它的含义。然而,我们首先需要考虑当前基于规则的分析(监视1.0)的局限性,以及正在向更智能的方法(监视2.0)过渡的情况。

在全球金融危机(GFC)之前,监管机构通过自我报告的结构数据分析依靠行业来警察本身。正如我们现在所知的那样,没有那些勾选盒,经济学指示器集团管理局管理有关于交易空间中“实际发生的事情”问题的人。

资料来源:Michael Gwyther-Jones CC BY 2.0

2008年全球金融危机最严重的时候,女王陛下问伦敦政治经济学院(London School of Economics)的学者们什么是大家都想知道的:“为什么没人注意到它?”这个问题让很多人感到意外,部分原因是概念性思维的失败,部分原因是实际应用的失败,总体来说,是由于未能观察和与一线销售人员交谈,而这些人知道并隐瞒了滥用职权的情况。她关于“人们有点松懈”的观察是极其准确的。

强规则,结果疲软

自动行为监控的第一个版本,Surveillance 1.0,引入了词典分析技术。bob联盟足球虽然比早期的手动过程更先进,但它依赖于已知的静态规则集(通过使用“可接受和不可接受的”返回值的狭窄假设进行检查)。它广泛地将这些方法应用于电子通信数据,但将数据保存在筒仓中。这种不灵活的方法导致了大量的误报(第1类错误),迫使机构在合规组织上花费大量的人力来手动重新检查系统警报。

除了这个实际的失败,1.0还保留了许多早期手工实践的概念性失败:

  • 首先,组织结构越严格,人们就越只会对被问的问题做出回应。一个特定的审计问题可能无法识别或产生一个明确的风险来源的表达(例如,在2008年,市场情绪突然逆转的风险和随之而来的流动性短缺)。
  • 其次,这种被动的方式几乎没有让受访者有空间提出担忧,或者用他们自己的方式说出他们新察觉到的风险。金融机构继续利用预先构造的计量经济数据(“金融数据”)报告风险,这些数据大多是由市场上的合约交易过程产生的。这种定量的、结构化的数据方法阻止了人们提出任何尴尬的、定性的问题——比如对人类行为的担忧。
  • 第三,它逐个部门查看数据,却没有描绘更广泛的公司层面的图景。

正如GFC提醒我们的那样,我们确实需要从合约制定的上游入手,以接近不当行为的源头:进行交易的人类交易员,以及控制和激励他们的管理层。结构化数据方法有效地阻止了任何人这样想。

线索是名称

到了2013年,英国新监管机构的品牌选择有了一个明显的线索:作为一个“行为”权威机构,执笔人现在的重点显然是人的行为风险,而不是书面合同风险。为了实现这一目标,新的监管报告需要更好地发现和报告不当行为。

我们这些行为分析师认为,这意味着监管者会更直接地观察从业者,并密切而明智地倾听他们如何实时地相互交流。在最近的“文化审计”和“气味测试”(来自行为和审慎监管机构)的倡议下,这种观察过程已经开始发生。尽管FCA已经成立5年了,但变化的速度并没有那么快。

监管机构现在关注的是某些难以量化的行为特征

然而,新的监管方法所做的是打开了报告领域,允许进行定性讨论。例如,“文化审计”方法的一个分支会寻找人们说他们要做的事情和他们实际做的事情之间的任何显著差异,即所表达的价值观与实际行为之间的差异。监管者现在关注的是某些难以量化的行为特征,比如公司的自反性(从错误中学习的能力),挑战功能的健康程度,以及在防止客户损害方面的成功。

通过对这些问题的采访,机构的新问责高级管理人员和认证人员开始意识到结构化数据分析并不能解决问题。在监管机构的推动下,他们命令公司收集和分析非结构化数据。这包括电子邮件、聊天信息和电话——大多数人称之为“普通对话”的材料(或者,如果你像我一样是个语言分析狂人,称之为“自然语言”)。这就是监视2.0取得进展的地方。

智慧未来的基础

Surveillance 2.0让以前对于人类或简单算法来说过于庞大和非结构化的数据集变得有意义。通过采用下一代语言分析技术(使用机器学习来识别模式、异常和关系),机构能够使用2.0方法,在理解行为风险的潜在根源方面向前迈进一大步。

事实证明,机器学习比旧的基于词典的分析要准确得多,产生了更好的信噪比,让合规和控制组织有更多的时间来调查可能的滥用。此外,它已经开始提供对企业文化更丰富的洞察,揭露以前隐藏的行为模式。许多全球性银行在采用2.0模式方面取得了重大进展,但正如我将在下一篇博文中探讨的那样,他们明白,2.0模式为更智能的方法——传说中的监视3.0——提供了基础,但这篇文章还没有完全完成。敬请期待!


罗杰·迈尔斯
行为规范将走向何方?

写的
罗杰博士英里

罗杰·迈尔斯(Roger Miles)是行为风险分析和报告领域的领先专家,主要研究领域是受监管的金融市场。他是公共和私营机构董事会的顾问,是英国金融行为风险学院(Academy for behavioural risk)的联合创始人和教员主管,还是剑桥大学(Cambridge University)科学与政策中心(Centre for Science and Policy, CSaP)的助理研究员。作为认知科学、监管设计和群体行为领域的风险医生(伦敦大学国王学院风险分析中心),他的专业研究领域是以语言为基础的,研究高级管理人员在应对控制失败时“实际发生了什么”时的私人判断。他已经就他所选择的研究领域写了几本书,包括《行业标准手册》:实施风险管理:一种行为方法