数字经济时代我国金融科技创新及风险管理变革

徐雪松 , 杨万莲 , 管敏 , 霍杨杰 , 黄子珍 , 王建新 , 娄颖

中国工程科学 ›› 2025, Vol. 27 ›› Issue (3) : 247 -258.

PDF (1638KB)
中国工程科学 ›› 2025, Vol. 27 ›› Issue (3) : 247 -258. DOI: 10.15302/J-SSCAE-2025.03.021
工程管理

数字经济时代我国金融科技创新及风险管理变革

作者信息 +

Innovation and Risk Management of Financial Technologies in China in the Era of Digital Economy

Author information +
文章历史 +
PDF (1676K)

摘要

在数字经济时代，随着生成式人工智能等新一代信息技术的快速发展，金融科技的创新和风险管理模式正在发生深刻的变化。本文系统梳理了金融科技的理论基础和创新需求，探讨了算法偏见、数据隐私泄露等新兴挑战，并深入分析了金融科技的智能化服务模式及其生态系统的演变。在此基础上，构建了金融科技服务体系，提出了“1-2-6-N”金融科技创新路径以明确金融科技发展方向，并为后续实证分析和系统模拟验证提供坚实的理论与学术支撑。金融科技在风险控制、信用评估和客户管理等关键领域的广泛应用，在提升服务效率的同时，也带来了风险传播的多样化与复杂化，为此，针对性提出了基于数据驱动的动态风险管理模型、完善金融科技风险防控的政策保障、强化金融机构风险管理能力与监管科技的协同提升等加强金融科技风险管理优化的措施。研究表明，金融科技的稳健发展离不开技术创新与制度保障的协同驱动，金融风险的有效防控有赖于监管科技的深度应用以提升金融机构的合规效能、实现风险的精准管控。展望未来，仍需继续深化技术创新，完善金融科技的全球化布局，推动金融行业的高质量发展。

Abstract

As the new-generation information technologies such as generative artificial intelligence develop rapidly in the era of digital economy, the innovation and risk management models of financial technologies (hereinafter referred to as fintech) are undergoing profound changes. This study sorts out the theoretical basis and innovation needs of fintech, explores emerging challenges such as algorithm bias and data privacy leakage, and analyzes the evolution of the intelligent service mode and ecosystem of fintech. On this basis, a fintech service system is constructed and a "1-2-6-N" fintech innovation path is proposed, clarifying the direction for fintech development and providing a solid theoretical support for subsequent empirical analyses and system simulation verification. The wide application of fintech in key areas such as risk control, credit assessment, and customer management has not only improved service efficiency, but also brought diversified and complex risks. Moreover, targeted measures are proposed to optimize fintech risk management, including establishing a data-driven dynamic risk-management model, improving the policy guarantee for fintech risk prevention and control, and strengthening the coordinated improvement in risk management capabilities of financial institutions and regulatory technologies. The research shows that the steady development of fintech is inseparable from the synergistic drive of technological innovation and institutional guarantee, and the effective prevention and control of financial risks depends on the in-depth application of regulatory technologies, which can help achieve precise risk control by improving the compliance efficiency of financial institutions. To promote the high-quality development of the financial industry, it is necessary to deepen technological innovation and further expand the global layout of fintech.

Graphical abstract

关键词

数字经济 / 金融科技 / 新一代信息技术 / 创新体系 / 风险管理

Key words

digital economy / fintech / new generation of information technology / innovation system / risk management

引用本文

引用格式 ▾
徐雪松,杨万莲,管敏,霍杨杰,黄子珍,王建新,娄颖. 数字经济时代我国金融科技创新及风险管理变革[J]. 中国工程科学, 2025, 27(3): 247-258 DOI:10.15302/J-SSCAE-2025.03.021

登录浏览全文

4963

注册一个新账户 忘记密码

一、 前言

在数字经济时代，金融科技作为科技驱动的金融创新[1]，正逐步成为现代金融体系建设的关键力量。我国高度重视金融科技与数字经济的融合发展[2,3]，出台了一系列政策文件引领行业发展方向。其中，《金融科技发展规划（2022—2025年）》[4]明确了金融科技的发展目标及实施保障；《“数据要素×”三年行动计划（2024—2026年）》[5]强调了释放数据要素价值，助力形成经济增长新动能。在政策支持和技术进步的双重推动下，人工智能生成内容（AIGC）、大语言模型等新技术[6]成为金融科技创新的重要引擎。这些前沿技术的快速应用正在重塑金融行业的业务模式与生态格局，并通过提升智能决策能力、改善用户体验以及释放数据要素价值[7]，为金融科技发展注入新动力。

金融科技快速发展的同时，也带来了新的风险与挑战。一方面，AIGC、区块链等技术的“黑箱”属性、算法偏差[8]、数据隐私问题正逐渐成为新型风险源，可能对决策的公平性与准确性产生负面影响。另一方面，金融科技跨行业、跨领域深度融合加剧了风险传导的复杂性，这对现有监管框架提出了更高要求。传统风险管理体系难以应对金融科技动态化、智能化的快速变化，迫切需要构建更灵活、更高效的风险管理框架，以保障行业稳定发展。

在当前形势下，我国金融科技生态体系展现出层次化、多样化的特点。从本质上讲，金融科技是在科学技术的强劲驱动下对传统金融理论所进行的一场深刻变革。因此，在创新与实践的过程中，吸收优秀理论经验并结合我国实际情况，探索技术创新与应用趋势，对引导金融行业健康发展至关重要。鉴于此，本文以我国金融科技创新发展及风险管理变革为研究对象，构建金融科技服务体系与金融科技创新路径，并提出实践方法。随后，从金融科学监管的需求出发，围绕智能化服务模式、业务创新与风险管理体系，深入分析行业面临的挑战，提出系统化的风险管理策略和支撑体系，为行业高质量发展提供理论支持与实践参考，也为未来的实证分析和系统模拟验证奠定坚实的理论基础与学术支撑。

二、 数字经济驱动下的金融科技理论背景与创新需求

（一） 金融科技创新发展与挑战

金融科技既不是简单的金融与科技的叠加，也不是单纯运用信息技术在传统金融理论框架下提升金融服务与业务的效率，而是在技术驱动下的金融创新，更是对传统金融理论的颠覆性变革。我国的金融发展史本身就是一部技术的创新史（见图1），经历了探索期、启动期、发展期和成熟期4个阶段，呈现出金融科技与现代信息技术深度融合、迈向智能化的发展态势。在探索期，支付宝独立运营开启支付变革，国内首家互联网信贷平台“拍拍贷”成立，互联网金融服务初现雏形，金融科技进入初步实践阶段。在启动期，中国人民银行首批集中发放了40张第三方支付牌照，标志着支付行业进入“牌照化管理”阶段，金融科技走向制度化、合规化。征信、互联网保险、网络借贷等新兴模式快速发展，金融科技生态初具规模，金融监管初步介入，市场逐步成熟。在发展期，监管机构推动“穿透式监管”，强化对支付、借贷、理财等新业态的治理。2019年，我国发布《金融科技发展规划（2019—2021年）》，标志着国家层面的顶层设计逐步成型，行业发展驶入快车道。在成熟期，AIGC等新兴智能技术加速落地，金融科技监管更加审慎与规范，价值回归理性，技术从工具应用走向深层赋能，迈入实用化、场景化深化阶段。金融科技的发展在于通过新兴技术重塑业务模式、流程与产品，推动行业服务模式与后台技术的革新。

金融科技的理论发展面临多重挑战。一方面，传统金融理论的适用性在技术与金融深度融合的背景下受到冲击。例如，在跨境支付场景中，传统金融中介由于层级结构复杂和费用高昂，往往导致支付过程缓慢且成本较高。区块链技术通过去中心化的分布式账本，使跨境支付能够绕过多个中间环节，实现点对点的快速、低成本交易，从而改变了金融中介理论[9]的核心逻辑，让金融机构与市场主体的责任界限变得模糊不清，亟需在新技术环境下重新定义金融契约与中介角色。另外，金融科技促使互联网巨头、传统金融机构与科技企业之间形成了一种新型的生态关系，这无疑对监管框架与理论体系提出了更高要求。另一方面，现有金融科技领域对其数据要素的价值挖掘[10]，存在一定的困难与挑战。数据要素化可以提升资源配置效率，但目前数据治理体系仍存在不足，如隐私保护与跨境流动的合规性矛盾[11]、多方协作中的数据安全风险等问题突出。尽管隐私计算与联邦学习技术为数据安全提供了解决方案，但因其高成本与复杂性限制了大规模应用。在风险层面，风险管理理论面临技术快速迭代的挑战。AIGC的“黑箱”特性与算法偏差[8]可能会引发不可控风险，而传统风控体系难以应对动态复杂的金融科技环境，迫切需要构建智能化、动态化的新型风险管理框架。

（二） 金融科技创新的现实需求

在数字经济背景下，金融科技正处于加速变革阶段。2023年，我国金融科技市场规模达55.11万亿元，比2022年增长了27.54%[12]。北京、上海、广州、深圳等城市凭借良好的政策环境、先进的基础设施和丰富的人才资源，吸引了大量金融科技企业和创新项目，集聚效应尤为显著，成为推动金融科技行业发展的核心引擎。市场需求变化加速推动金融科技的功能升级。在消费金融领域[13]，需要依据行为数据的实时授信与精准定价；在财富管理领域[14]，智能投顾逐步替代传统人工服务；AIGC与大语言模型通过语义理解与多模态数据处理技术，为风险评估、客户分析[15]等场景提供技术支撑。技术突破成为金融科技创新的核心动力，AIGC结合深度学习，在语义分析、交易异常检测等领域展现出强大能力。然而，受市场不确定性、数据安全与伦理问题的制约，金融科技需要构建系统化的创新方案来应对动态复杂的市场环境，平衡好技术应用与风险防控之间的关系，通过技术、制度与生态的协同，驱动行业高质量发展。

三、 新一代信息技术支持的金融科技服务体系构建

（一） 金融科技服务体系架构设计

在数字经济背景下，金融科技通过新一代信息技术赋能并推进金融领域的颠覆式创新与实践。新一代信息技术的快速发展正持续打破金融业各类场景应用的壁垒，分布式算力、智能算力等基础设施加速落地，为金融业数字化转型提供了强有力支撑。目前，金融业已成为大模型和数据智能应用的核心领域，实现了业务数据与技术的深度融合以及研发运维数智化水平的不断提升。

结合新一代信息技术发展，本研究重新定义了金融科技服务支撑架构，其主体框架包括技术基础设施、核心技术体系和开放服务体系（见图2），层层递进，相互支撑，并最终在应用场景层完成技术与业务需求的深度融合。开放服务体系不仅涵盖金融科技生态的多元化与协同性，还特别强调了政策支持与监管环节的重要性。政策支持为金融科技的创新发展提供了制度保障，确保技术应用符合国家发展战略和监管要求；监管环节则通过数字化监管手段，实时监测金融科技活动，防范系统性风险，保障金融市场的稳定运行。这种设计既体现了政策的引导作用，又强化了监管的有效性，确保金融科技在合规框架内健康、有序发展。通过强化数字科技对金融业务及服务的“降本增效”，推动金融基础设施的数字化转型，从而对金融市场的业务模式、技术服务、产品服务、应用场景等进行创新，形成金融与科技融合协调发展的格局。最终，构建一个守正创新、科学监管的开放服务体系和应用生态环境，为金融科技的可持续发展提供坚实支撑。

（二） 金融科技服务体系架构层级内容

技术基础设施提供云计算、混合专家系统（MoE）、隐私增强、高质量数据流等基础能力，为核心技术的运行提供计算、存储和网络支持。在技术基础设施层中，MoE作为DeepSeek模型体系中的通用模块，提供自然语言处理能力，主要定位为预训练模型的算力服务与接口调用。核心技术体系作为金融科技服务体系架构的重点和核心，是技术驱动金融创新的关键，贯穿了从基础技术到智能决策再到业务赋能的多层次逻辑。核心技术体系由核心技术层、应用程序接口（API）服务层、智能中台层和业务服务层组成，通过逐层递进的技术能力释放和功能整合，为金融业务场景的创新提供系统化支持。以下将围绕核心技术体系的4个层级进行详细阐述。

1. 核心技术层

核心技术层是核心技术体系的技术基础，主要用来解决金融领域复杂数据处理和高风险场景中存在的问题。例如，预训练模型（如DeepSeek-MoE）借助自然语言处理技术，可以实现智能客服、市场情绪分析等功能；金融机构可以使用隐私计算技术，结合多方数据（如银行、征信机构、政府部门等）进行联合建模，以提升欺诈检测和信用评估的准确性；区块链技术凭借分布式账本的特性，让交易更透明、更可信。核心技术层一方面为上层的API服务提供底层能力支持，另一方面作为智能中台中大模型训练与治理机制的算法支撑，成为整个体系提升智能化能力的根基。

2. API服务层

API服务层进一步将核心技术抽象为可调用、可复用的接口资源，实现了技术能力与业务系统之间的高效对接。在金融领域，各类API发挥着重要作用。金融类API能够为账户服务、实时风控以及动态风险评估提供有力支持，并且精准满足贷款和支付场景的需求；智能认证API融合人脸识别、声纹识别等先进技术，极大地优化了身份验证的流程；AIGC接口通过智能问答、自动化报告生成等功能，进一步拓展了服务的智能化边界；隐私保护API则运用差分隐私技术，全方位保障数据在传输和共享过程中的安全性。API接口作为连接中台与前端业务的桥梁，既服务于业务服务层的直接调用，也支撑了智能中台层的能力编排，是推动智能服务规模化落地的重要节点。

3. 智能中台层

作为金融科技服务体系的核心中枢，智能中台层将数据治理、大模型能力与服务编排深度整合，承担着智能能力的统一调度与支撑任务。智能中台层主要包括数据治理系统、大模型服务体系、服务增强平台3个方面。其中，数据治理模块通过智能清洗、联邦协作、数据增强等手段，保障数据在分析与建模过程中的质量和完整性；大模型模块围绕实时决策、推理引擎、金融模型适配等核心需求，构建灵活、可扩展的模型协同体系，并融合隐私计算能力确保业务合规性与信息安全；服务增强模块进一步构建了任务调度系统、流程支撑与数据处理平台，使智能中台能够以高可用、高响应的形式对外输出能力。智能中台层不仅承接了底层技术能力的集成输出，还通过标准化、系统化的能力服务模式，支持了业务服务层的场景应用，构成了技术系统“向上供能”的能力中轴。

4. 业务服务层

业务服务层重点聚焦业务功能的实际实现，涵盖风控管理、智能对话、文本分析、用户画像等多个重要模块，是技术与具体业务场景深度结合的关键所在。在这一层中，风控管理借助实时风险评估和动态建模等技术手段，显著提高了贷款审批和信用评估的效率；智能对话依托自然语言处理技术，能够为客户提供更加高效、便捷的智能服务体验；文本分析通过自动反馈提升服务、挖掘信息辅助投资决策等手段，全面提升了金融业务的效率与合规性；用户画像则专注于个性化服务、精准营销和风险评估管理等领域，借助提供定制化金融产品、分层营销、构建信用模型和动态定价等方式，有效增强了金融服务的针对性与竞争力。作为与最终用户接触最直接的一层，业务服务层通过技术赋能实现了业务流程的智能化改造与服务体验的持续优化，标志着技术创新在金融行业场景中进行了有效转化。

四、 数字经济时代下的金融科技创新发展路径

“1-2-6-N”金融科技创新发展路径（见图3），是基于可信AI、可解释AI、边缘AI、人工智能代理（AI Agent）等新兴技术而构建的系统化创新发展路径，这些技术在金融科技创新发展路径中相互协作，共同推动金融科技的智能化、个性化和高效化发展，为金融机构带来更强大的竞争力和创新能力，同时也为客户提供更优质、更安全的金融服务体验。“1-2-6-N”金融科技创新发展路径是紧密围绕2025年3月发布的《国务院办公厅关于做好金融“五篇大文章”的指导意见》[16]而提出来的，以努力做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章”。这“五篇大文章”不仅是金融支持经济高质量发展的重点任务，也是金融科技发展的核心应用场景在具体实施上各有侧重。金融科技的赋能作用揭示了其在技术需求、数据处理、风险控制、个性化服务等关键维度上的共性需求。“1-2-6-N”金融科技创新发展路径具有高度的适应性，能够精准响应共性需求，可以促进金融科技在不同场景中创新应用，实现高质量发展。

“1-2-6-N”金融科技创新发展路径由一个技术基座、两个功能支柱、六大核心功能模块以及N个应用场景构成，从底层技术搭建到中间支撑环节再到上层应用，形成了一套完整连贯的体系。其中，以金融大模型为核心的技术基座提供了全局化与智能化的技术支撑，让各个环节都能在其引领下高速运转；两个功能支柱分别是“算力服务支撑”和“数据驱动支持”，前者能够保障系统在多样复杂的场景中动态适配各种需求，后者则助力金融科技创新发展路径在运行过程中进行持续优化；六大核心功能模块通过运用开展提示工程、执行模型微调、沉淀行业经验等多维度手段，为场景应用提供精准可行的技术支持，使技术真正落实到实际业务中；在N个应用场景中，依托深度业务落地，实现对行业需求的全面响应与覆盖。在这一路径的指引下，金融科技能够持续深化技术能力，在多场景实践中不断积累经验以进行迭代升级，推动金融行业迈向更高水平的智能化与定制化发展。

（一） 一个技术基座

金融大模型作为“1-2-6-N”金融科技创新发展路径的技术基座，是实现金融科技智能化、动态化转型的核心支撑。金融大模型主要通过整合海量金融数据与专业知识资源，为路径内的两个功能支柱、六大核心功能模块以及N个应用场景提供底层且统一的智能支持。金融大模型作为技术基座，为金融科技服务体系架构提供全局化、智能化的技术支撑。金融科技服务体系架构中的技术基础设施，如云计算、隐私增强、高质量数据流和边缘异构算力等，依赖金融大模型提供的底层能力，以实现数据的整合与处理、智能分析与决策支持等功能。例如，在自研服务体系架构中，高质量数据流可以利用金融大模型进行数据清洗、分类和标注，提高数据的质量和可用性；凭借数据驱动、知识融合等核心技术措施，大模型建立了专属于金融领域的通用信息语境，使路径中的后续环节能够在同一技术底座上协同运行。作为整个创新路径的基础动力，大模型还为六大核心功能模块、N个应用场景提供一致性和延展性的技术环境，既为数据处理和知识抽取提供了统一框架，也为后续功能部署与场景衔接奠定了智能化支撑。在实际业务中，金融大模型可以整合银行、证券、保险等多个金融机构的数据，为跨机构、跨业务的金融服务提供统一的技术支撑。例如，在信贷审批、风险评估、投资决策等业务场景中，金融大模型可以提供智能化的数据分析和决策支持，助力相关业务流畅运转。

（二） 两个关键支柱

算力服务支撑和数据驱动支持这两大支柱共同为“1-2-6-N”路径的持续演进提供纵深与横向的双重保障。算力服务支撑聚焦深度挖掘和释放大模型的潜力，通过算法迭代、工具链完善以及行业知识的有机嵌入，持续推动大模型在数据处理、知识抽取和推理分析上的能力进阶，为核心功能的发挥提供高效且可扩展的技术支撑。数据驱动的重点是将技术能力与不同业务需求、应用情境进行有效对接，避免出现技术与业务相分离的现象。通过灵活的需求识别与场景对齐机制，数据驱动可以使金融创新发展路径在多元化的金融业务环境中实现跨地域、跨语言、跨文化的有效落地。这两大支柱的协同运作不仅确保了底层技术与实际业务的紧密结合，还能在价值延伸的维度上实现对生态系统的整体带动。需要指出的是，算力服务支撑拓宽了金融科技服务体系的业务覆盖范畴。例如，在智能投顾领域中，算力服务通过优化算法和工具链，显著提升了大模型对海量市场数据的分析能力，从而可以为投资决策提供更为精准的预测。在实际的场景中，数据驱动将技术能力与具体的投资场景深度融合，针对不同风险偏好的客户，提供完全定制化的投资建议，满足客户多样化的投资需求；数据驱动还可以通过生态协同，实现对行业共性需求与个性化诉求的双向满足。在两大支柱的共同作用下，“1-2-6-N”金融科技创新发展路径可以在兼顾宏观架构与微观场景的前提下，实现从底层算法到上层应用的高效衔接，最终为金融科技的长远发展提供坚实支撑与持续动能。

（三） 六大核心功能

在“1-2-6-N”金融科技创新发展路径中，六大核心功能是连接技术与业务层面的重要纽带，主要包括提示工程、大模型微调、检索增强、私域信息沉淀、行业经验积累以及场景定制化服务。这六大功能模块分属于体系的两大主要支柱，彼此相互配合，助力金融科技全方位创新，推动行业转型升级。

提示工程、大模型微调和检索增强3个核心功能模块属于算力服务支柱，通过运用不同的技术方法，提升技术能力。在银行的智能客服系统中，借助提示工程能够让模型更好地理解客户的咨询意图，优化智能客服的对话逻辑，提升客户咨询的响应速度和准确性，为客户提供更精准的服务；大模型微调聚焦复杂金融领域场景中的应用，通过调整特定场景的数据，显著提升模型的适应性和应用效果；检索增强通过整合权威知识和外部数据资源，有效增强信息获取与分析的能力，为金融服务提供更加丰富的知识支撑，为金融科技创新提供了坚实的技术基础。

私域信息沉淀、行业经验积累与场景定制化服务3个核心功能模块属于数据驱动支柱，共同促进业务的深度融合与纵向赋能。私域信息沉淀主要是积累客户交易记录和偏好信息，构建深度结构化的数据资产；同时，运用隐私保护技术，保障数据安全合规，为金融机构提供定制化的数据分析方案，助力优化服务。行业经验积累依托历史数据和行业知识，系统梳理历史风险案例与成功经验，搭建可以不断更新迭代的知识库，为风险评估和策略制定提供关键参考依据。场景定制化服务依据用户需求和行业特点，为用户打造个性化解决方案，确保技术能够灵活适配不同业务场景的实际需求。这些功能模块通过深度的数据交流，推动了金融科技服务体系在业务需求上的横向拓展，有力地支持了金融科技在多元化应用环境中的高效运转。

这六大功能模块在“1-2-6-N”金融科技创新发展路径中相互关联、共同运作，形成了一个从技术基础到业务应用的完整通路。在优化和提升核心技术能力的基础上，算力服务支柱为数据驱动支柱提供强有力的技术支撑；数据驱动支柱则通过定制、优化应用场景，确保技术能力能够有效落地并不断满足实际业务需求。这种双重支撑使“1-2-6-N”金融科技创新发展路径不仅实现了AIGC技术的全面应用，还在纵深赋能和业务深化助力下，推动了金融科技在数字经济背景下的持续创新与高效转型。

（四） N类场景应用

金融科技与大模型技术深度融合可以打通多个场景的应用，构建不断发展进化的协同生态系统。在情绪追踪、权威知识生成、舆情汇总、意图理解和金融市场信息整理等领域，借助大模型的自然语言处理和情感分析技术，可以显著提高金融服务的效率与智能化水平。实时监测公众舆论与市场情绪，可以帮助金融机构及时响应潜在风险、优化客户体验。例如，在金融机构的客服中心，系统可以使用语音识别和自然语言处理技术实时监测客户的情绪变化，并依据客户情绪反馈及时调整沟通策略，从而提高客户满意度。

N类场景的协同应用突破了单一场景的限制，推动了跨领域的深度融合与持续创新。金融科技的智能化、自动化发展，进一步强化了这一趋势。金融机构能够在风险监测、信用评分、反欺诈、智能投顾等多个场景实现精准、高效操作，优化业务流程的同时，增强了个性化服务能力。随着技术的不断升级，这不仅推动了金融科技生态的可持续发展，还将促使多场景应用的广泛落地。

五、 数字经济时代下的金融科技风险管理优化

在数字经济时代下，新技术和新商业模式层出不穷[17]，金融科技在推动金融行业发展的同时，也带来了金融风险环境日趋复杂、风险传导渠道和表现形式多样化等问题，使潜在金融风险不断累积，金融监管面临巨大挑战。金融与科技的融合引发诸多超出审慎监管范围的问题，如数据隐私保护、大模型幻觉、伦理道德、反洗钱和国家安全等；另一方面，金融科技将深刻改变传统金融行业的业务模式和运营方式[18]，更加需要确保对金融系统的持续有效监管[19]，而现有监管机构的人才与资源结构亟需重新评估和调整。此外，在相关金融监管法规中进一步平衡新技术有效应用与数据隐私、技术安全之间的关系也是一大难题。2024年，国家金融监督管理总局发布《银行保险机构数据安全管理办法》[20]，旨在规范银行业、保险业的数据处理活动，保障数据安全和金融安全，促进数据的合理开发和利用，维护社会公共利益和金融消费者的合法权益。随后，各地方政府、互联网企业等也相继提出有关金融科技监管的措施或规范[21]，为我国金融科技监管与发展提供了有益经验。需要指出的是，为适应金融科技的不断发展，未来相关法规、技术、管理体系和细则仍需进一步完善。为应对上述问题，将从数据驱动的风险管理模型、政策保障与监管科技协同3个方面提出优化策略。

（一） 基于数据驱动的动态风险管理模型支撑

为防范系统性金融风险，提升监管效率，亟需顺应金融科技发展的潮流，积极运用新一代信息技术，构建多部门、多领域、多层级的金融风险监测预警云平台。基于此，本文构建了金融科技风险防控与管理模型（见图4）。该模型从最底层的数据汇集层逐步传导到安全分析层和业务监控层，可以实现技术驱动型的监管创新、数据共享与开放，具有“实时监控+动态预警+自动生成风险报告”等功能，以防范国家系统性金融风险。

1. 数据汇集层：筑牢多源数据整合基础

数据汇集层是金融科技风险管理的基础，关键任务是整合多源数据并实现高质量的数据共享。金融数据来源极其复杂，涉及金融机构、实体经济、第三方平台、政府部门等多方主体，数据类型包括交易数据、行为数据和信用数据等多种类型。由于数据格式多种多样，质量参差不齐，数据汇集层依托AI智能分类、数据清洗等技术以提升数据的准确性和完整性；同时，建立起安全共享协议和共享平台，使多领域数据可以高效协同与合规流通，为后续风险分析和决策提供可靠的数据支持。例如，在信贷审批过程中[22]，通过整合借款人的交易数据、行为数据和信用数据，可以更全面地评估借款人的信用状况，从而降低信贷风险。此外，鉴于金融科技的跨境发展趋势，数据汇集层还需要考虑跨境数据的流动和共享问题，确保数据的合规性和安全性。

2. 安全分析层：智能化风险感知与预警

依托AI技术，通过网络安全、数据安全和业务安全模块，安全分析层构建起了智能化的风险感知与分析能力。在网络安全模块，采用动态访问权限管理和AI驱动的数据异常检测技术，可以识别交易中的异常行为，有效防范网络攻击与账户盗用；在数据安全模块，运用交叉数据分析与信贷欺诈检测技术，能快速发现数据操纵和跨境资金异常流动等风险；在业务安全模块，结合智能风险评估技术对客户行为进行建模分析，识别潜在风险场景。通过实时动态分析，安全分析层能在不同场景下提供精准的风险预警，为风险管理的快速响应奠定基础。例如，在反欺诈领域，实时监测交易行为能及时发现并阻止欺诈交易，保障客户的资金安全。

3. 业务监控层：动态监控与决策支持

业务监控层主要围绕动态监控与智能决策，在系统监控、调查分析、风险点挖掘和系统管理4个模块形成一套闭环管理机制。系统监控模块凭借交易风险预测与连锁风险预警功能，可以实时识别潜在的风险；针对突发事件，调查分析模块可以利用AI辅助工具追溯风险来源及影响范围；风险点挖掘模块可以结合多维数据分析，挖掘隐性风险和关联风险；系统管理模块通过整合策略库与工具集，可以提升系统运行效率与应对能力。业务监控层可以将分析结果转化为具体行动，形成闭环风险防控体系，有效应对金融系统的动态变化及关联风险。在市场波动较大时，金融机构可以通过动态监控和智能决策，及时调整投资组合以降低投资风险。另外，业务监控层还需要考虑跨境业务的风险监控问题，以确保在不同国家和地区的业务都能得到有效的风险管理与把控。

（二） 完善金融科技风险防控的政策保障

新技术条件下的金融科技风险防控体系建设除需要发挥技术的核心作用外，还需要从外部打破制度法规的壁垒，推动人才、资源等的高度整合与互联互通，防范系统性金融风险。如图4中左侧部分所示，金融科技风险防控的外围支撑体系包括3个方面。

1. 加强数字化监管的制度建设

金融科技的深入发展和应用需要不断提高对数据的监管与治理能力[23]。为在数据使用与信息安全之间寻找合理的平衡点，需要明确数据权限与责任范围，并根据机构类型、业务规模以及风险级别，制定分级、分类监管制度。基于已有数据基础，监管机构可从数据源头加强监管数据管理[24]，为开展功能监管和穿透式监管提供数据支持。例如，2024年，国家金融监督管理总局提出，结合大数据、机器学习等新兴技术，加大引入工商、司法、税务、舆情、市场评价和社交媒体评论等外部数据，建设智慧监管平台，打造数字化监管核心科技载体。在业务准入和产品创新方面，探索新型监管框架及配套技术标准，做到创新发展与风险防控两者兼顾。对于重要的金融科技企业和数据信息公司，可以通过强化资本金要求、流动性比例以及业务范围限制来确保其运营稳定并降低系统性风险。

2. 注重跨领域数据与技术合作

金融与科技的深度融合需要不断加强跨领域的协作和数据共享。一方面，金融机构需要在继续严格落实相关政策法规要求的基础上，加强对金融数据的合规监管。在明确数据安全管理要求的基础上，切实履行主体责任，持续完善数据安全全流程管理机制，认真落实数据安全风险评估要求，不断提升数据安全治理的精细化水平。另一方面，金融机构要积极探索前沿技术在安全领域的创新应用，开展多场景的研究实践。尤其是在后量子密码、量子计算等前沿技术方向，金融机构需要加快在相关领域的研究应用和落地部署，在确保重要数据前向安全的基础上，实现技术与业务的双重提升。与此同时，鼓励金融机构与第三方金融科技企业在非核心业务领域开展合作。在动态监控、异常流量识别、风险挖掘等场景中，通过隐私计算、联邦学习等技术确保数据共享的安全性与合规性，提升整体风控能力与多方协作效率。

3. 健全国际监管协同机制

金融科技全球化发展趋势明显，加强国际间监管协调与信息共享至关重要。我国应积极参与国际金融监管标准的制定，加强与巴塞尔银行监管委员会、国际证监会组织等机构的合作，推动建立跨境数据流通与风险防控机制。积极与多国签订双边和多边合作协议，在跨境支付、数字资产管理等高风险领域营造透明、规范的监管环境。在具体实施中，可以利用AIGC、大数据分析等监管科技手段，实现动态风险监测与实时预警，优化跨境金融服务的合规性与安全性。同时，结合国内实际需求，探索符合我国国情的金融风险防控模式，为国际金融监管提供中国经验，提升我国在全球化合作中的话语权。

（三） 强化金融机构风险管理能力与监管科技的协同提升

2023年，中央金融工作会议提出，依法将所有金融活动全部纳入监管，全面强化机构监管、行为监管、功能监管、穿透式监管、持续监管。这“五大监管”为金融机构的风险管理能力提升和监管科技协同应用指明了清晰的方向。面对金融科技发展带来的挑战，金融机构需要：① 不断提升自身的风险管理能力。加强风险管理文化建设，提高全员风险意识，将风险管理融入各业务环节；加大风险管理投入，引入先进技术和工具，提升风险识别、评估和控制水平，如建立完善的风险管理模型和系统，准确评估和预测风险，及时采取控制措施；加强与监管机构和其他金融机构的沟通协作，共同应对风险挑战，如建立行业自律机制和风险信息共享平台，及时了解风险动态，防范系统性风险。② 不断提升监管科技水平。作为金融科技的重要组成部分，监管科技通过产业数字化帮助金融机构无缝对接监管政策，主动识别与控制风险，降低合规成本，增强合规能力。利用数字产业化提升监管科技水平，实现精准、快捷、高效的合规性审核，推动金融业高质量发展。在未来金融与科技深度融合、协调发展过程中，充分发挥新一代信息技术的赋能作用，推动我国金融业实现高质量发展。

六、 结语

在当下数字经济蓬勃发展的时代浪潮中，本文深入分析了金融科技创新的核心需求与发展趋势，建立了金融科技服务体系与“1-2-6-N”金融科技创新路径，并提出了系统化的风险管理和制度化支撑方案。当前，AIGC等前沿技术的应用显著提升了金融科技在风险控制、信用评估和客户管理等关键领域的服务效率，同时也带来了算法偏见、数据隐私泄露和系统性风险等新挑战。针对这些挑战，本文构建了金融科技风险防控与管理模型，通过数据驱动的风险感知、实时监控与智能决策，强化数字化监管、跨领域数据合作及国际协同机制，为金融科技的稳健发展提供了理论支持与实践指引。实践表明，金融科技要想实现可持续发展，技术创新与制度保障协同发力至关重要。以监管科技赋能，可以削减金融机构的合规成本，促使其合规能力显著提升。在此过程中，监管科技还能搭建起金融科技与监管政策沟通无缝对接的桥梁，为金融行业的高质量发展奠定坚实基础。

展望未来，金融科技在数字经济时代仍然具有广阔的发展空间。随着技术的不断迭代，AIGC、大模型、智能算力等前沿技术有望在更多领域实现突破，共同推动金融服务朝智能化、个性化和全球化方向迈进。与此同时，风险管理需要更加智能化和动态化，以应对快速变化的市场环境和新兴技术带来的挑战。国际协同与监管创新将成为金融科技发展的重要方向，我国应积极参与国际金融监管标准的制定，推动跨境数据流通与风险防控机制的建立，为国际金融监管提供中国经验。此外，还需加强跨领域合作与数据共享，通过大模型、隐私计算等技术实现数据的安全高效利用，进一步推动金融科技生态系统的可持续发展。综上所述，金融科技对提升金融服务效率、优化风险管理、增强国际竞争力等，都具有重要的现实意义。未来，需继续深化技术创新与制度保障的协同推进，助力我国金融行业的高质量发展，为金融科技的持续进步提供动力，也为未来的实证分析和系统模拟验证奠定坚实的理论基础与学术支撑，确保相关研究工作能够紧跟金融科技的发展步伐，为实践提供科学指导和决策支持。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

胡欢欢, 刘传明. 中国科技金融效率的区域差异及动态演进 [J]. 统计与决策, 2022, 38(24): 117‒122.
[2]

Hu H H, Liu C M. Regional differences and dynamic evolution of sci-tech finance efficiency in China [J]. Statistics & Decision, 2022, 38(24): 117‒122.
[3]

戚聿东, 刘欢欢. 数字经济背景下金融科技的创新发展与监管转型——基于监管沙盒视角 [J]. 经济与管理研究, 2022, 43(4): 67‒81.
[4]

Qi Y D, Liu H H. Innovative development and regulatory transformation of fintech under the background of digital economy—From the regulatory sandbox perspective [J]. Research on Economics and Management, 2022, 43(4): 67‒81.
[5]

王小华, 周海洋, 程琳. 中国金融科技发展: 指数编制、总体态势及时空特征 [J]. 当代经济科学, 2023, 45(1): 46‒60.
[6]

Wang X H, Zhou H Y, Cheng L. Fintech development in China: Index compilation, overall trend and spatiotemporal characteristics [J]. Modern Economic Science, 2023, 45(1): 46‒60.
[7]

中国人民银行. 关于印发《金融科技发展规划(2022—2025年)》的通知 [EB/OL]. (2021-12-29)[2025-03-12]. http://www.pbc.gov.cn/zhengwugongkai/4081330/4406346/4693549/4470403/index.html.
[8]

The People's Bank of China. Notice on the issuance of the fintech development plan (2022—2025) [EB/OL]. (2021-12-29)[2025-03-12]. http://www.pbc.gov.cn/zhengwugongkai/4081330/4406346/4693549/4470403/index.html.
[9]

国家数据局, 中央网络安全和信息化委员会办公室, 中华人民共和国科学技术部, "数据要素×"三年行动计划(2024—2026年) [EB/OL]. (2024-01-04)[2025-03-12]. https://www.nda.gov.cn/sjj/zhuanti/ztsjysx/qt/0902/20240830174038137859023_pc.html.
[10]

National Data Administration, Office of the Central Cyberspace Affairs Commission, Ministry of Science and Technology of the People's Republic of China, et al. The "data element ×" three-year action plan (2024—2026) [EB/OL]. (2024-01-04)[2025-03-12]. https://www.nda.gov.cn/sjj/zhuanti/ztsjysx/qt/0902/20240830174038137859023_pc.html.
[11]

陈晓红, 杨柠屹, 周艳菊, 数字经济时代AIGC技术影响教育与就业市场的研究综述——以ChatGPT为例 [J]. 系统工程理论与实践, 2024, 44(1): 260‒271.
[12]

Chen X H, Yang N Y, Zhou Y J, et al. AIGC affecting education and employment in era of digital economy—Take ChatGPT as an example [J]. Systems Engineering—Theory & Practice, 2024, 44(1): 260‒271.
[13]

刘金钊, 汪寿阳. 数据要素市场化配置的困境与对策探究 [J]. 中国科学院院刊, 2022, 37(10): 1435‒1444.
[14]

Liu J Z, Wang S Y. Dilemmas and suggestions on market-based data allocation [J]. Bulletin of Chinese Academy of Sciences, 2022, 37(10): 1435‒1444.
[15]

程雪军. 驯服算法利维坦: 金融科技平台算法风险的系统治理机制 [J]. 经济学家, 2023 (11): 110‒119.
[16]

Cheng X J. Taming algorithm leviathan: Systematic governance mechanism of algorithmic risks in financial technology platforms [J]. Economist, 2023 (11): 110‒119.
[17]

王红建, 张科, 李青原. 金融科技的经济稳定器作用: 金融加速器理论的视角 [J]. 经济研究, 2023, 58(12): 4‒21.
[18]

Wang H J, Zhang K, Li Q Y. Role of fintech as an economic stabilizer: A financial accelerator theory perspective [J]. Economic Research Journal, 2023, 58(12): 4‒21.
[19]

陈晓红, 肖粲然, 曹文治, 我国统一数据要素大市场框架体系与建设路径研究 [J]. 中国工程科学, 2025, 27(1): 40‒50.
[20]

Chen X H, Xiao C R, Cao W Z, et al. Framework and pathway for the construction of a unified data-element market in China [J]. Strategic Study of CAE, 2025, 27(1): 40‒50.
[21]

杨松令, 刘梦伟, 张秋月. 中国金融科技发展对资本市场信息效率的影响研究 [J]. 数量经济技术经济研究, 2021, 38(8): 125‒144.
[22]

Yang S L, Liu M W, Zhang Q Y. Impact of China's fintech development on information efficiency of capital market [J]. The Journal of Quantitative & Technical Economics, 2021, 38(8): 125‒144.
[23]

中国信息通信研究院. 中国金融科技生态白皮书(2023年) [EB/OL]. (2023-11-17)[2025-03-13]. https://www.caict.ac.cn/english/research/whitepapers/202312/P020231215388551378350.pdf.
[24]

China Academy of Information and Communications Technology. China fintech ecosystem white paper (2023) [EB/OL]. (2023-11-17)[2025-03-13]. https://www.caict.ac.cn/english/research/whitepapers/202312/P020231215388551378350.pdf.
[25]

程雪军. 金融科技视阈下消费金融公司的发展与展望 [J]. 当代经济管理, 2021, 43(7): 91‒97.
[26]

Cheng X J. The development and prospect of consumer finance companies from the perspective of financial technology [J]. Contemporary Economic Management, 2021, 43(7): 91‒97.
[27]

李茂林, 王子路, 何光辉, 银行业金融科技创新、结构性普惠效应与创业活力 [J]. 管理世界, 2024, 40(6): 195‒224.
[28]

Li M L, Wang Z L, He G H, et al. Bank fintech, structural inclusion effect and entrepreneurial vitality [J]. Journal of Management World, 2024, 40(6): 195‒224.
[29]

黄靖雯, 陶士贵. 以金融科技为核心的新金融形态的内涵: 界定、辨析与演进 [J]. 当代经济管理, 2022, 44(10): 80‒90.
[30]

Huang J W, Tao S G. The connotation of the new financial forms with fintech as the core: Definition, discrimination and evolution [J]. Contemporary Economic Management, 2022, 44(10): 80‒90.
[31]

国务院办公厅. 国务院办公厅关于做好金融"五篇大文章"的指导意见 [EB/OL]. (2025-03-05)[2025-03-12]. https://www.gov.cn/zhengce/content/202503/content_7010604.htm.
[32]

The State Council. The General Office of the State Council's guiding opinions on doing well in the "five financial articles" [EB/OL]. (2025-03-05)[2025-03-12]. https://www.gov.cn/zhengce/content/202503/content_7010604.htm.
[33]

赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据 [J]. 管理世界, 2020, 36(10): 65‒76.
[34]

Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China [J]. Management World, 2020, 36(10): 65‒76.
[35]

胡俊, 李强, 戴嘉诚, 基于文本分析的商业银行金融科技测度及赋能效果检验 [J]. 中国管理科学, 2024, 32(1): 31‒41.
[36]

Hu J, Li Q, Dai J C, et al. Textual analysis-based measurement of fintech and tests of enabling effect for commercial banks [J]. Chinese Journal of Management Science, 2024, 32(1): 31‒41.
[37]

陆岷峰, 欧阳文杰. 现代金融治理体系视角下的监管体制改革研究 [J]. 经济学家, 2023 (8): 86‒94.
[38]

Lu M F, Ouyang W J. Research on regulatory system reform from the perspective of modern financial governance system [J]. Economist, 2023 (8): 86‒94.
[39]

国家金融监督管理总局. 银行保险机构数据安全管理办法 [EB/OL]. (2024-12-27)[2025-03-12]. https://www.gov.cn/zhengce/zhengceku/202412/content_6995081.htm.
[40]

National Financial Regulatory Administration. Measures for the data security management of banking and insurance institutions [EB/OL]. (2024-12-27)[2025-03-12]. https://www.gov.cn/zhengce/zhengceku/202412/content_6995081.htm.
[41]

向海凌, 丁子家, 徐斯旸, 金融科技与企业数字化转型 [J]. 中国软科学, 2023 (5): 207‒215.
[42]

Xiang H L, Ding Z J, Xu S Y, et al. Fintech and enterprise digital transformation [J]. China Soft Science, 2023 (5): 207‒215.
[43]

谭常春, 王卓, 周鹏. 金融科技"赋能" 与企业绿色创新——基于信贷配置与监督的视角 [J]. 财经研究, 2023, 49(1): 34‒48, 78.
[44]

Tan C C, Wang Z, Zhou P. Fintech "enabling" and enterprise green innovation: From the perspectives of credit allocation and credit supervision [J]. Journal of Finance and Economics, 2023, 49(1): 34‒48, 78.
[45]

唐松, 苏雪莎, 赵丹妮. 金融科技与企业数字化转型——基于企业生命周期视角 [J]. 财经科学, 2022 (2): 17‒32.
[46]

Tang S, Su X S, Zhao D N. Fintech and enterprise digital transformation—From the perspective of enterprise life cycle [J]. Finance & Economics, 2022 (2): 17‒32.
[47]

谭中明, 刘倩, 李洁, 金融科技对实体经济高质量发展影响的实证 [J]. 统计与决策, 2022, 38(6): 139‒143.
[48]

Tan Z M, Liu Q, Li J, et al. An empirical study on the impact of financial technology on the high-quality development of the real economy [J]. Statistics & Decision, 2022, 38(6): 139‒143.

基金资助

国家重点研发计划项目(2022YFC3302302)

国家自然科学基金项目(72091515)

AI Summary AI Mindmap
PDF (1638KB)

5422

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉