【数字经济背景下的证券监管变革】
数字科技对证券市场及其监管的影响
——基于大数据、人工智能、区块链的视角
郭 锋[1]
摘要:基于云计算的证券业大数据挖掘可以保持信息的完整性、客观性和一致性,具有预测证券价格的成功概率,有助于对证券市场及时监测。从监管角度来说,信息披露申报文件数据化是监管科技化的基础;应当利用大数据分析、实时数据监测改进证券执法目标、提升执法效率;加强对证券市场欺诈交易、可疑交易的大数据监测。人工智能技术特别是智能投顾的出现,正在改变传统证券业,监管取向应当是保持金融体系的安全性,防止利用人工智能欺诈投资者;维持金融体系的稳定性,防止人工智能适用引发系统风险;增强金融市场的包容性,容许金融科技公司进入证券市场;保持监管规则的开放性,认真评估规则变化对市场的影响。随着区块链在全球范围的大规模快速发展和产业化,世界各地监管机构都对区块链加强监管,严格限制与私人数字货币相关的金融业务,将首次代币发行倾向于界定为证券发行,按照证券法进行监管;对数字证券、证券类通证、数字资产交易所加强观察、引导和个案风险监管。
关键词:大数据 云计算 人工智能 区块链 证券市场
我们正置身于数字科技爆发式增长的时代。以计算机、社交网络、电子商务、移动通信为相互交织的多元载体,以“PB”(1024 TB)为单位的数字科技,将人类社会带入一个充满结构化和非结构化数据的新信息时代 [2]。主流观点认为,这意味着数字科技和大数据时代来临。大数据、云计算、人工智能、区块链等数字技术在全球范围对证券市场和证券监管产生了重大影响。尽管这种影响的深度和广度现在尚难预测和评估,但毋庸置疑的是,证券业面临着百年未有的机遇和挑战。在区块链去中心化情景下,现有证券交易所、中央结算公司有可能被重组或迭代;在大数据信息挖掘技术条件下,现有发行申报制度、信息披露体系以及法定载体正在重构;在云计算、人工智能技术推动下,现有证券业务特别是经纪业务可能面临转型、重组压力,证券代理交易、投资顾问业务可能被机器人取代。更极端的是,在所有市场主体的行为、活动都纳入自动程序记录、监测、计算和判定后,可能需要考虑证券商、中介机构的传统职能是否需要重新界定。当然,在数字科技监管深度运用后,证券监管也面临从理念到机制的全新转变与发展。
一、大数据、云计算对证券市场及其监管的影响
早在1998年,SGI的首席科学家John R.Masey提到了“大数据”一词。2008年,《自然》杂志发行了一期大数据专刊。2011年,《科学》杂志发行了一期类似专刊。研究机构Gartner将这一概念定义为:大数据是高容量、高速度和高多样性的信息资产,需要以高效、创新的信息处理形式,以增强洞察力和决策能力。 [3]库斯内茨基研究人员认为,“大数据”与“海量数据”具有相同含义,因其不一致、不可预测的组合,“不适合被标准数据管理技术所驯服”。 [4]Snijders认为,“大数据是一个松散定义的术语,用于描述庞大和很复杂,使用标准的统计软件会变得很难。麦肯锡全球研究所(Mc Kinsey Global Institute)在一份报告中将大数据定义为“数据集,其大小超出了典型数据库软件工具捕获、存储、管理和分析的能力”。[5]虽然现有大数据定义并不相同,但都提到了“海量数据”,这是大数据的一个基本特征。正如大家所熟知的,麦肯锡、IBM、微软、IDC、甲骨文等,将“大数据”的特点描述为“4V”:体积、速度、多样性和价值。
“云计算”一词发端于美国,最早出现在2007年4月。自此以后,“云在短短两年内就成为‘计算’和‘软件’的同义词”。Buyya、Yeo和Venugopal的定义是:“云是一种并行和分布式系统,由互联和虚拟化计算机集合组成,这些计算机根据服务提供商之间协商确定的服务级别协议动态地提供和呈现为一个或多个统一的计算资源。” [6]可见,云计算是一种新型的、基于互联网的商业计算模型,它将计算任务分配到由大量计算机组成的资源池中,使应用程序系统获取所需的计算能力、存储空间和信息服务。其特点是:可扩展性强、计算和存储能力强、自我修复、虚拟化、支持绿色计算等。尽管云计算只是提供计算机资源的一种不同方式,而不是一种新技术,但自诞生以来,它在提供信息和服务的方式上引发了一场革命。在云计算普及之前,网格计算和效用计算已经存在。Sys-Con Events,Inc.的创始人兼主席Fuat Kircaali说,在计算机网络中,云计算涉及大量通过互联网等通信网络连接的计算机,类似于公用计算。在科学上,云计算是网络上分布式计算的同义词,意味着能够同时在多台连接的计算机上运行程序或应用程序 [7],是由规模经济驱动的大规模分布式计算范式,通过互联网按需提供给外部客户 [8]。为了适应云计算的未来应用程序以及保持在竞争中占据优势,从亚马逊到谷歌,从阿里、百度到腾讯的云服务提供商都在致力于构建数据中心。
证券业越来越认识到通过云计算对大数据进行分析和预测、进行数据挖掘的必要性、紧迫性和重大商业价值。数据挖掘(kdd)作为数据库中知识发现过程的分析步骤,是计算机科学的一个跨学科子领域,是人工智能、机器学习、统计和数据库系统的交叉点,涉及大型数据集中发现模式的计算过程,目前已广泛应用于电子商务、金融、医疗、政府管理以及证券业等各类业务领域。 [9]随着数据挖掘在证券业应用的不断扩展,学术界从多个角度展开了相关研究,主要涉及股市收盘价与经济新闻、人际网络互动、投资组合模型分析等多个方面的关系,采用了集合分类、时间序列、布林格、指数分析等方法。但总体上看,目前这一领域的研究成果还很少,不能满足实际需要。 [10]
学者认为,采用SWOT分析(SWOT矩阵)方法可以观察到基于云计算的证券业大数据挖掘相较于传统方法具有显著优势。SWOT是20世纪80年代初由旧金山大学韦里希教授首次提出的,用于评估项目或商业风险中涉及的优势、劣势、机会和威胁,包括明确商业风险或项目的目标,并确定有利和不利于实现该目标的内外部因素。 [11]专家认为,采用这种流行方法分析,基于云计算的证券业大数据挖掘的新机遇、新优势主要体现在:1.具有更强大的处理功能,且成本低。借助它可以建立交易监控、用户偏好分析、潜在客户挖掘、市场风险预测等模块。以用户行为分析为例,大数据系统可以通过数据采集和行为分析,清楚地“告诉”我们客户的行为,从而帮助准确定位客户。基于云计算的大数据简化了软件应用、业务流程和访问服务,有效降低成本。证券市场日益丰富的投资品种、不断扩增加的交易规模,使得交易、清算、风险管理等中后台业务所需应对的数据规模快速扩张,引入大数据挖掘技术可以大幅提升工作效率。运用大数据技术搭建算法交易平台能够支持批量、高效地完成各种复杂交易指令,降低交易误差。2.保持信息的完整性、客观性和一致性。大数据处理的技术架构分为三个主要处理阶段:数据采集和预处理-数据分析-数据解析,它比传统数据挖掘的手工数据提取更为客观。基于云计算的大数据挖掘保持了信息的完整性、客观性和一致性。比如,截止到2019年2月22日,我国在沪深证券交易所开立交易账户的单位、个人已达14807.48亿, [12]形成从单一账户到全部投资者账户的巨量数据信息。数据类型不仅包含结构化数据,还包含巨大的“非结构化”和“半结构化”数据。传统的计算无法处理如此大而不规则的“非结构化数据”,只能通过先进的数学模型和人工设定的采样条件和范围进行分析处理。依靠基于云计算的信息存储、共享和挖掘技术,则可以有效处理这些巨大而快速发展的终端数据。3.具有预测证券价格的成功概率。证券交易存在着许多不可预测的波动,通过基于云计算的大数据挖掘,可以通过分析一段时间内的股票价格波动,并将其与该股票提示上的客户检索信息、情绪等相结合,在一定程度上提高股票价格预测成功率。例如,2011年,英国Dergen资本市场对冲基金(Hedge Fund of Dergen Capital Markets)首次建立在4000万美元规模的社交网络基础上,利用Twitter的数据感知投资前的市场情绪。加州大学河滨分校在20世纪初发布一份研究报告,通过对Twitter消息的分析预测股票价格。目前,各种基于云计算的预测已经在市场流行。4.有助于证券市场及时监测。信息的云计算作为一种前沿技术,集成了多种异构核心资源,形成了一个资源池 [13],可以更快地获取有价值的信息,并在几秒钟内获得结果,这与传统的数据挖掘有很大的不同,基于云计算的大数据挖掘可以保证时间性和效率。以博世净选基金经理乐玛利用非公开信息进行股票异常交易案例为例,与传统的举报或相关曝光案例不同,该案例完全依靠信息技术进行检测,大数据系统在筛选后自动找到线索和交易信息的批量账户。这是大数据挖掘在证券异常交易监控中的成功应用。 [14]中国工商银行正在与科技公司合作,运用智能风控技术及解决方案,协助完善大数据风控体系,降低欺诈风险,减少欺诈损失。
正因为大数据挖掘的这些优势,互联网科技公司正在向证券业渗透。7年前,维基百科就预测,2012年至2017年,大数据市场将以惊人的复合年增长率58%增长,达到五年内500亿美元。这表明众多公司决策层致力于推动大数据技术发展。 [15]大数据挖掘需要大量的高科技IT人才提供技术支持和平台开发。信息产业将整个金融业联系在一起,逐渐成为大数据的聚集点。当大多数用户使用免费终端时,话语权会自动转移到互联网公司。随着金融业进入大数据时代,传统证券业面临的挑战是,与互联网科技公司相比,无论是机制还是技术,无论是人才还是管理,证券业都力不从心。因此,虽然证券机构在“实时数据”跟踪方面取得了巨大成就,但大数据在其他方面的应用仍然有限。高技术保密性和较少的实际案例使得大数据挖掘应用难以快速推广。传统的服务器很难适应复杂、海量的大数据,因此需要对服务器设备进行升级或更换,以增加存储、操作和可控性。必须建立新的大数据中心提高数据收集和存储能力。证券业必须与互联网等金融公司密切合作,甚至进行并购,寻求新的利润点和新的竞争方向。在中国,很多证券商面临借助大数据技术转型和发展的机会和压力,需要推动公司日常经营的数据化运营,推动公司业务智能化应用,建立一套基于大数据及相关技术的有效管控工具,借助于互联网科技公司的技术或外包服务提供大数据挖掘能力。
大数据、云计算在证券业的运用需要解决一些困难问题。1.如何判断投资预测时的环境因素。大数据分析研究分为六个关键技术领域:结构化数据分析、文本数据分析、Web数据分析、多媒体数据分析、网络数据分析和移动数据分析。 [16]尽管大数据算法的精度依赖于技术的不断进步,但环境因素对结果的影响往往是大数据分析无法解决的,不考虑环境因素盲目依赖大数据可能会出现错误。特别是对于证券行业来说,环境因素不容忽视,投资环境、经济条件、政策变化,甚至人们的生活方式、消费习惯、购买行为都会对证券价格产生重大影响。2.如何评估从大数据中挖掘出来的有效信息。由于大数据带来的信息混乱和数据类型变化,在数据存储和提取中可能会遇到困难。信息冗余和非结构化数据是大数据挖掘中遇到的主要问题。大量的信息使得服务器存储和后台处理在性能、可靠性和可管理性方面面临挑战,同时对有用信息的提取和转换也提出了更高的算法要求。此外,很难避免虚假信息,特别是在虚假信息传播速度更快、范围更广的公共平台上。当虚假信息多于真实信息时,大数据挖掘的结论可能会受到质疑。3.如何应对“大数据傲慢”和算法的变化。谷歌曾经利用大数据来预测流感的趋势,它一开始成功了,但后来被证明是不可靠的。其中一位研究者大卫·拉泽说,解释这种现象有两个原因:“大数据傲慢”和算法的变化。换句话说,他们完全用大数据处理来取代传统的数据采集,而忽略了算法的变化,而算法的变化总是随着搜索引擎和内容的变化而变化的。动态环境使得大数据预测的准确性一直难以保证。一些学者认为,大数据只是从数据分析中得到结果和预测,会削弱事物之间的因果关系。因此,要防止把大数据神化,高估大数据预测的准确性。一定要记住大数据分析不等于完全正确的结论。4.如何解决信息隐私、信息安全问题。大数据带来了信息披露的深度、广度和速度,从而引发了隐私和安全问题。 [17]证券业涉及范围广泛的商业交易,这种问题更加突出。一旦大数据服务器受到攻击,损失将是不可估量的,并且不可能得到补偿。因此,如何利用大数据,同时提高信息安全和隐私水平,是相关技术和立法中最重要的问题。
从监管角度来说,必须高度重视利用大数据、云计算。首先,信息披露申报文件数据化是监管科技化的基础。发行申报文件数据化是证券市场发行注册制的基本技术条件。SEC1996年就规定,所有信息披露文件必须进入证券信息电子化披露系统(EDGAR)。随着可扩展商业报告语言(XBRL)技术的发展,SEC于2008年要求所有证券信息的录入应逐步过渡为使用XBRL。 [18]从2014年开始,SEC接受XBRL文件作为唯一的信息披露文件。通过XBRL技术,SEC能够将信息披露的要求重点表格化和碎片化,大量标准化内容,尤其是运营指标和财务报告内容,可以交由电脑自动判断是否合法合规、有无异常,监管人员则主要关注法律文件和描述性文件的真实性,如此能够大大节省人力成本,提高审核效率。投资者可以下载SEC的EDGAR系统内各个公司的XBRL格式文件,通过相关软件读取其中信息,并将不同公司的或不同时期的数据信息进行横向和纵向对比。 [19]其次,利用大数据分析、实时数据监测改进证券执法目标、提升证券执法效率。中国证监会2018年8月印发《监管科技总体建设方案》,明确监管科技1.0、2.0、3.0各类信息化建设工作需求和内容,要求在加强电子化、网络化监管基础上,通过大数据、云计算、人工智能等科技手段,为证监会提供全面、精准的数据和分析服务,特别提出积极应用大数据、云计算等科技手段进行实时数据采集、实时数据计算、实时数据分析,实现对市场运行状态的实时监测,强化市场风险的监测和异常交易行为的识别能力,及早发现、及时处置各类证券期货违法违规行为。 [20]SEC于2010年1月13日宣布进行内部重组,在执法部门内建立了一个新的市场情报办公室(OMI)。在很大程度上,OMI的出现将会解决SEC处理和回应伯纳德·马多夫(Bernard Mad-off)所实施的大量庞氏骗局中的失败。 [21]Donald Langevoort [22]在2009年指出,“SEC需要把自己变成一个‘金融情报机构’,利用更有效的‘实地’监测工具来了解和监测金融市场和证券投资者面临的新兴风险。”OMI的第一个角色是作为告密者提示的初始入口点,它使用各种工具将以前通过执法投诉中心获得的公共投诉信息与自律组织提供的复杂市场数据相结合,进行“分类和制定提示,并将这些信息提供给内部合适的人。除了其分类和推荐角色外,OMI还将主动识别对投资者构成风险的市场实践和活动,并评估如何最好地解决。最后,加强对证券市场欺诈交易、可疑交易的大数据监测。证券交易信息数据体量大、种类多、更新快、价值密度低,还包括关联客户资产信息、关联客户交易、客户历史交易等数据,形成多维度的数据网络,使结构化数据与非结构化数据有机关联。大数据技术的发展能够实现通过对与证券交易相关的巨量信息进行分析,把隐藏在杂乱无章的数据中的相关信息集中、萃取和提炼出来,找出内在规律,识别可疑交易并进行适时监测和取证。 [23]大数据应用可以在整个数据集中查找出符合可疑交易分析结论的数据,而非抽样分析,保证了监管机构对可疑交监测的全面性、完整性。需注意的是,大数据分析对可疑交易的筛查只能提供相关性的可靠保证,而非因果关系认定。通过多维度复杂数据分析算法得出的数据,并不能绝对保证其符合违法行为特征,所以监管机构必须进行人工核查和法律适用分析。 [24]我国金融监管强调,不能以技术之名掩盖金融活动的本质,不论对金融机构、互联网企业还是金融科技企业,都应按照实质重于形式的原则,进行穿透式监管,大数据监测是实施穿透式监管的有效技术手段。
二、人工智能对证券市场及其监管的影响
人工智能(AI)的概念,在牛津词典中被定义为“开发用于模拟、扩展人类智能的计算机系统的理论,例如视觉感知、语音识别、决策制定和翻译语言”。与之相关联的子概念还有“机器学习”(ML) [25]、“深度学习”等。尽管在文献中AI定义的分歧仍然没有得到解决,但大多认为人工智能是开发的一个“专家系统”,旨在建立人类专家的知识数据库并应用这些数据提供建议或做出决策。20世纪80年代开始流行的人工智能技术是让机器直接从数据中学习,用于各种目的,包括预测值、分类对象、发现结构和寻找异常数据点。 [26]近年来,计算机科学家开发出基于人脑工作的松散方法,以允许机器自己学习,被称为深度学习。 [27]深度学习是机器学习的子领域,涉及受大脑结构和功能启发的算法,称为人工神经网络。神经网络工作的确切方式因不同类型的神经网络而异,并且随着时间的推移而不断发展。神经网络通常通过对已知正确答案的真实数据进行训练来学习。从目前学术界情况来看,对人工智能的知识,不仅经济学家缺乏,法学家们更是难以理解。
人工智能技术的快速发展和使用,特别是智能投顾的出现,正在改变包括证券业在内的金融服务业乃至实体经济中的许多领域,对各种行业产生变革性影响。 [28]经济学家宣称“机器学习有望撼动大量金融业。”主要表现在:
其一,人工智能正在大规模生产经营流程、生活服务、投资决策中使用。如亚马逊的语音识别、谷歌的搜索引擎和Netflix的电影推荐,百度的手机导航、京东物流的自动分拣,以及自动驾驶、聊天机器人 [29]等。银行、证券以各种方式使用人工智能为其客户提供服务,制定投资和订单执行策略。Kirilenko和Lo [30](2013)讨论了金融和计算技术的发展,这些发展使得算法交易成为金融系统交易的主要部分。最初这些计算机模型依赖于人类编程,现在人工智能正在发挥越来越大的作用。2012年,英国对冲基金CAYMAN ATLANTIC公司发行了一只量化对冲基金,通过Twitter、Google以及其他媒体平台上的投资者情绪大数据进行分析,得到对市场各类资产的预测结果并依次进行投资决策。全球最大的资产管理公司Blackrock宣布,它更多地依靠计算机来挑选股票,并解雇40名员工,包括投资组合经理。 [31]Noonan(2017) [32]报告称,摩根大通使用机器学习为其股票市场的客户执行交易。在中国,2014年底,广发基金与百度合作,综合了百度客户的搜索数据及广发基金自己搭建的选股因子数据库,推出了百发100指数基金,相继又有多家公募基金与不同互联网企业合作推出了数十只大数据主题基金。另外,在从评估信用风险方面,人工智能可以识别信用风险溢价高于合理范围的贷方客户,为信用好的优质客户提供低价贷款,向信用风险高的客户收取更高费用或拒绝贷款请求。 [33]平安银行表示,在2019年,无论是基础零售还是消费金融、私人银行和财富管理,都将全面实现AI,能用科技解决的坚决不用人工解决。 [34]
其二,人工智能领域的商业竞争集中为对数据的控制。数据的数量、质量和多样性是机器学习获得洞察力的决定因素。互联网科技公司一致认为,数据是竞争优势的重要来源,“数据是现代经济的新油”。虽然谷歌和微软等一些大型科技公司已将其软件提供给其他公司,但他们“囤积”具有最大商业价值的数据集。腾讯、阿里、百度、京东等都致力于建立大数据、云计算中心。如果将机器学习应用于更大的数据集,在金融服务中就拥有巨大的竞争优势。提供最佳机器学习产品的公司将能够逐步获得市场份额并且可获得更多数据,从而提高其机器预测和竞争地位。对于与巨头竞争的小公司而言,最终游戏可能是微不足道的存在。在中国,BAT在这方面的垄断地位就是证明。
其三,人工智能尤其是机器学习有助于金融、证券公司审慎运作。通过应用当前的深度学习技术可以显著改善融资融劵、贷款决策。主管人员需要考虑到人工智能所增强的合规性和安全性的机会。例如,Van Liebergen [35](2017)报告说,十多年来银行已经使用机器学习技术检测信用卡欺诈并取得了一些重大成功。机器学习正在应用的另一个领域是交易中的行为和市场滥用。Carney [36](2017)指出,全球银行的不端行为成本已超过2300亿美元。金融机构的回应策略之一是开发自动化系统、监控交易者的各种行为,包括交易模式、电子邮件流量、日历项目甚至电话呼叫。机器学习还用于Reg Tech(监管技术)以降低成本并提高符合各种监管要求的有效性。 [37]对于许多大型美国银行来说,一个特别具有挑战性的监管领域是综合资本分析和评估(CCAR)。CCAR不仅要求银行证明他们将通过紧张的情况保持充足的资本化,银行还必须证明他们具有“强大的前瞻性资本规划流程”,这需要充分记录其建模过程中使用的流程。机器学习技术帮助花旗集团通过改进银行开发内部模型的方式来通过CCAR。 [38]
其四,人工智能将对金融服务业的经济环境产生巨大影响。机器学习的一个优点是它可以处理远远超过任何人类所能完成的数据,识别人类容易遗漏的知识和经验,通常比依赖人类的边际成本低得多。计算机可以永不倦怠、永不停息、毫无感情地工作,这对于受饥饿、睡眠不足、情感、精神不集中而分心的人类来说是不可能的。 [39]麦肯锡咨询公司研究估计,目前全球经济活动超过50%可以在未来20-40年内通过自动化取而代之。如果实现这一愿景,无疑将对金融服务业的经济环境产生巨大影响。 [40]事实上,人工智能已经使科技行业成为赢家,相当一批科技公司将证明能够更好地执行机器学习并将其应用于业务中,并向其他行业如制造业、医疗服务业、金融服务业等渗透,从而具有显著的竞争优势。在证券市场,这些获胜的公司和个人将成为引领未来发展的领导者、赚取财富的新贵。而那些止步不前、观望徘徊甚至消极抵制的现有机构和个人,将逐渐失去市场份额和盈利能力,最终一些输家很可能面临不得不卖给那些更成功的公司的结局。另外,机器学习自动化服务程序不仅执行人工低技能工作,还将替代受过良好教育的高技能工人完成的一些任务。例如,摩根大通(JP Morgan Chase)为合同信息部门开设了一个名为COIN的新计划,用于解释商业贷款协议。在项目上线之前,该任务需要360000个律师和贷款人员一年的工作时间才能完成。
当然,从目前的技术水平来看,人工智能的局限性也是显而易见的。一是,如果没有足够的历史实例,机器预测可能失败。根据Rowe [41](2013)的观察,机器学习需要有足够的历史实例来进行实证分析,以可靠地预测其发生的因素。例如,可以将机器学习应用于融资融劵的历史信用体验以帮助预测违约。但是,如果客户在历史上没有向证券公司申请融资融劵的记录,机器预测将没有合理依据。二是,机器学习预测必须依赖在数据中进行类似事件标记,但这比较困难。例如,如果交易数据集包含大量涉及欺诈的案件,但数据库中没有办法识别和标记,就无法统计、预测哪些交易是欺诈性的。三是,机器学习模型特别是算法、编码缺乏透明度是一个潜在的巨大障碍。四是,机器学习并不能解决人类的欺诈问题。比如,当人们了解模型如何运作时,较高风险的借款人可以在申请贷款之前学会模仿低风险借款人的行为。
在证券市场,机器在投资咨询和交易中的使用增加带来了一些风险。其中一个问题是机器学习的应用可能产生更多的交易错误。Kirilenko和Lo [42](2013)引用墨菲定律的技术特定推论:“当涉及计算机时,任何可能出错的问题都会更快更大。”这些例子包括闪电崩溃、没有明显的原因但证券价格突然大幅上涨或下跌。Carney [43](2017)表达的更深层次的担忧是,它可能会导致“羊群效应”“过度波动”,潜在的算法可能对价格变动过于敏感,或者算法可能产生高度相关的推荐。
在人工智能介入证券市场的情况下,监管是不容回避的问题。我们认为,监管的理念与原则应当是:
1.保持金融体系的安全性,防止利用人工智能欺诈投资者。人工智能对监管机构审慎监管产生重大影响。人工智能的发展不仅仅是挑战监管者是否能跟上行业的发展,它还将为监管机构创造机会,以更有效地部署其资源来完成任务。人工智能有可能帮助监管者识别潜在的违规行为,并帮助监管机构更好地预测监管变化的影响。例如,Bauguess [44](2017)讨论了ML在SEC的提示、投诉和转介文件中的应用。此应用程序有助于识别允许标记单个报告的常见主题,监管旨在对个人行为施加约束性限制。另外,在数据囤积带来竞争优势的情况下,限制这种优势应当是政府监管的责任,比如,制定数据强制分享政策,以抑制大公司独占数据。监管机构应当完善对客户隐私保护的政策,限制互联网公司过多收集客户信息。监管机构的根本职责是防止利用人工智能欺诈投资者,维护金融安全。中国证监会明确提出,探索运用人工智能技术,包括机器学习、数据挖掘等手段为监管提供智能化应用和服务,优化事前审核、事中监测、事后稽查处罚等各类监管工作模式,提高主动发现问题能力和监管智能化水平。
2.维持金融体系的稳定性,防止人工智能适用引发系统风险。尽管金融不稳定导致的巨额损失是罕见的尾部事件,但ML和智能投顾的广泛运用,可能触发不理性的市场交易行为,出现ML引发的羊群效应,导致出现系统风险。ML可以识别那些在正常时期预测损失有用的变量,以降低市场不稳定和大型机构失败风险,监管机构需要一些理论或参数统计结构,将正常时间获得的数据与可能威胁整体稳定性和个别机构损失的决定因素联系起来。 [45]比如,美国联邦金融机构通常使用非现场数据分析和现场检查的组合来评估对法规的遵守情况。金融公司是否遵守监管有时很容易确定,但在某些情况下,界限相当模糊。如果由ML确定的关系不是因果关系,那么就会产生这样的风险:监管会施加高昂的限制代价而不一定有助于对基本公共政策做出贡献监管的目标。 [46]
3.增强金融市场的包容性,容许金融科技公司进入证券市场。人工智能属于数字科技,在金融领域的运用涵盖了传统银行、金融证券、初创企业、大型科技企业等的技术创新。新一轮金融科技主要由互联网公司推动,研发新技术速度非常快,加上监管具有滞后性,对金融科技的监管宽松,因此在美国、英国、中国、印度等新兴市场国家如雨后春笋般涌现。提供金融科技解决方案的供应商出现在银行业、证券业各个领域,最常见的是支付、借贷和投资顾问。金融科技改变了金融服务的结构、提供和消费方式,但是并没有占据市场主导地位。许多金融科技公司创立之初的目标是取代传统金融机构,成为新一代金融服务主导供应商,但往往由于业务量和客户应用有限等问题,转而与传统金融机构进行合作。越来越多的金融机构将金融科技看作是机会而非威胁。 [47]接下来的若干年,金融业、证券业将要经历去一百年未经历的变化。我们应当容许而不是排斥、限制金融科技公司进入金融领域、证券市场。2018年3月9日,欧洲银行管理局发布《金融科技路线图》,其中一个重要观点是:“尽管金融科技公司能提供类银行产品,并与银行争夺客户源,但这并不表示他们应受制于与银行相同的资质标准和监管标准。我们需要找到一个区分银行和金融科技公司的关键点,为银行保留独有的核心服务,其他服务则允许金融科技公司等金融中介和银行共同竞争。”
4.保持监管规则的开放性,认真评估规则变化对市场的影响。人工智能需要新的立法设定规则。比如,当前我国智能投顾发展面临的首要障碍为市场准入障碍,具体体现在牌照短缺和从业资质认定困难两方面,还有全权委托禁止所导致的运营困局,这都需要从法律、监管规则方面予以解决。“禁止证券投资咨询全权委托可能存在两个弊端:一是阻碍智能投顾的智能化理财,使得自动化投资和动态调仓不得不被强行中断,束缚了其优势发挥;二是使以“理财魔方”为代表的资产配置建议型智能投顾平台被迫采用“基金引流”的方式向投资者推介基金产品,从而涉嫌非法基金销售。” [48]在一般情况下,一旦制定了规则就不容易改写,规则制定很少是“迭代和实验性的”。在某种程度上,重写规则受官僚机构缓慢节奏的影响,部分原因在于规则制定过程及让公众作出回应需要时间。此外,法规通常会受既得利益集团影响,希望法规施加限制从而获得竞争优势。原有立法的获胜者可能会努力保持低效的法规。另外,为了应对监管的变化,在监管规定的新限制条件下,市场主体可能会寻求重新优化其行为。然而,这种重新优化不仅可能涉及行为的预期变化,还可能涉及受监管者和相关活动中涉及的其他人的变化。这些意外变化可能会导致相关金融市场和机构的结构发生变化,从对监管的有效性产生重大影响。
三、区块链对证券市场及其监管的影响
区块链(Blockchain)是重塑金融业的创新技术。作为一种数据库技术,允许利益冲突的多个实体合作维护一个共享的记录分类账(Distributed Ledger Technolo-gy)。 [49]近年来,区块链受到金融机构和技术公司的广泛关注,被麻省理工学院称为一种革命性技术。 [50]国际组织如金融稳定理事会、国际货币基金组织、国际清算银行支付与市场基础设施委员会、欧洲中央银行等均予以高度重视、持续跟踪,力求对相关业务模式进行穿透定性并按照金融本质实施监管。目前,区块链的全球应用已经给金融业、证券业带来深刻影响和变化。区块链最早应用于比特币等数字货币的生成、存储和交易,现在被广泛运用于处理金融交易、保险索赔、发行和交易证券的网络平台,并向向支付清算、会计、审计、风险管理等领域扩展。 [51]2015年底,纳斯达克市场推出了基于区块链技术的交易平台,用以实现部分非流通股票的交易和结算;瑞银集团在伦敦成立了区块链研发实验室,探索区块链在支付结算等领域的运用。
在中国,2016年12月发布的《国务院关于印发“十三五”国家信息化规划的通知》中,明确提出要加强区块链等新技术的创新、试验和应用,抢占新一代信息技术主导权。近年来,随着区块链技术不断发展,产业链不断完善,区块链应用主要体现在跨境支付、数字内容版权、电子存证等天然数字化场景中。比如,支付宝推出首个基于区块链的跨境汇款服务;百度、360分别上线基于区块链技术的原创图片认证平台——图腾、图刻;纸贵科技构建了专业的全类型版权存证平台;腾讯基于区块链技术,实现游戏道具等虚拟数字资产确权和保护;杭州上线全国首个电子证据平台和司法区块链,解决电子证据存取证难题;北京互联网法院在受理著作权权属、侵权纠纷的案例中使用了区块链取证存证技术。 [52]区块链技术为我国证券业发展、转型、升级创造了契机,但在理论研究、技术创新和应用方面远远落后于美国。有观点认为,我国应先期探索应用区块链技术提升现有系统功能和效率,保证数据存储安全、提升证券交易效率,再逐步探索改善交易后结算清算流程,结合证券发行体系改革支持注册制证券发行,利用智能合约打造实时智能证券应用,最终重构证券业金融基础设施和行业架构。 [53]
在区块链模式下,网络中的每一个参与者(即节点Nodes)都拥有一个分布式账户,用以记录交易数据。当交易发生后,交易双方可以向网络提交信息,交易信息经加密后即不可篡改,并以命名为区块(Block)的数据包形式存在。每一个区块都要同时发送给网络中的其他参与者,与其分布式账户中的历史记录同步比对验证,只有网络中绝大多数(如需超过51%)参与者均认可所载信息的真实性和有效性,这一区块才能存入网络中的各个分布式账户,并与已在账本中存档的区块相链接(Chain),形成区块链。 [54]常见的区块链应用程序是加密货币比特币(bitc-oin)。加密货币(Cryptocurrency)是能够实现商品和服务的分布式、快速、加密安全、确认交易的一种数字交换媒介。比特币是最早受到广泛关注的加密货币之一。[55]比特币是数字货币 [56],是由发行人通过计算产生(如比特币被“开采”)。数字货币可以存储在虚拟CRYP图形钱包(即存储加密密钥和加密货币的软件或硬件技术)中,可以购买、出售、交易或兑换为其他货币或加密货币。
随着区块链在全球范围的大规模快速发展和产业化,世界各地监管机构,包括美国、加拿大、瑞士、英国、新加坡、澳大利亚以及中国都开始对区块链加强监管。美国证监会于2017年成立由75名成员组成的分布式账户工作组开展应用研究和风险识别。各国大致监管取向可概括为:对比特币等私人数字货币,普遍认为不是法定货币,投资者投资具有商业和法律双重风险;对与私人数字货币相关的金融业务,主要是以数字货币为基础资产的衍生品交易、为数字货币交易提供支付服务、数字货币交易平台等,进行严格限制,并按照业务属性纳入现行监管框架;对首次代币发行(ICO) [57],大都认定为是一种公开融资活动,界定为证券发行行为,按照证券法进行监管;对于法定数字货币,各国均在关注研究,但尚未提出有效推进的实质性发行计划。
(一)区块链与数字证券(Digital Securities)
2018年,基于区块链的数字证券在美国出现。数字证券(Digital Securities)是通过智能合约发行的加密货币。数字证券由个人通过令牌拥有数字股份,具有代理投票、流动性和无缝股息分配等功能,并可以实现即时结算。数字证券没有交易对手风险,为发行人提供几乎实时的无限的可见性来提高透明度,可以使用智能合约和稳定币来提高效率并降低处理费用,消除了数十亿美元的中介费。 [58]截至2017年底,美国市场上有三只基金(Blockchain Capital, Science Blockchain,Protos)成功募集资金,并在以太坊区块链上发行代表数字证券的代币,从而代表了早期尝试创建符合证券相关规则和法规的数字证券。证券业专家预计,2019年,数字证券不再是理论概念,而是区块链上实际应用的基础,数字证券产品将成为新的ICO,从根本上推动全球资本市场的新发展。
数字证券生态系统是若干要素的组合,它们构成一个数字证券从创建到交易的全流程。这些要素包括:通证发行(Token Issuance),法律确认(Legal Valida-tion),合规审查(Regulatory Compliance),资产托管(Asset Custody),通证交易流动性(Token Trading Liquidity)。所有这些流程都将实现自动化。智能合约(Proto-col)是让整个系统成功运行的基础。 [59]合约能够保证,通证的发行符合融资适用的监管豁免条款。它可以管理“谁可以与对方进行交易”以及“谁可以持有通证”。 [60]随着数字证券在金融市场中获得成功,基础设施开始形成。已有投资者将大笔资金投入到支持数字证券发行、交易和托管的项目中。随着生态系统的成熟,公众对数字证券的看法也在不断发展。实业界预测,2019年是向传统金融市场和投资者传播数字证券优势的关键之年,但不排除随着监管和立法的趋严,数字证券难以向前发展。
(二)区块链与证券类通证(STO)
从2009年比特币问世以来,通证经济开始发展。SEC将加密货币划分为两类:应用类通证(utilitytoken) [61]和证券类通证(securitytoken)。证券类通证一般以真实资产作为内在价值支持,例如资产权益、有限责任公司股份、大宗商品等。可以用来支付股息、分享利润、支付利息或者投资其它通证或资产。证券类通证的适用领域广阔,如封闭私募基金、房地产、债券等。 [62]其显著特征是资产通证化(to-kenization),即各类资产(有形和无形)可以在区块链上以通证形式流转,通证的发行和交易需要符合政府监管要求。证券类通证是一个具有革命意义的资产包,把传统的各种资产进行确权,比如把股权、分红权、投票权等进行划分重组。 [63]区块链的分布式账本技术,可以大大地降低资产确权的成本和交易的透明度、效率等,从而突破传统意义上的权利分割和归属确认。
证券类通证大致包括5类资产:现金类资产,即法定货币现金;股权类资产,即实物或数字实体的所有权;债券类资产,如贷款;不动产类资产;大宗商品类资产,即集合资金用于购买稀有的货物或服务。这5种资产,除了现金资产,其他4类都可以进行通证化,带来流动性好处。面对全球70万亿美元的股票资产,100万亿美元的债券资产,230万亿美元的不动产资产(住宅约180万亿美元,商业32万亿美元等),符合证券法和监管机构要求的证券类通证具有极大的应用空间和发展潜力。据统计,2017年,证券类通证的总价值大概在1亿美元,而功能性通证的总市值在5000亿美元左右。在2018年,证券类通证的市值达到万亿美元的市场规模。未来的5年内,证券类通证的市场规模可能会达到10万亿美元水平。 [64]
证券类通证(Security Token)表示对资产的部分或完全所有权,公司、房地产甚至知识产权的股票,都可以用证券类通证来表示。证券类通证的好处,不仅适用于区块链融资,它还有可能改变传统的纸股范式,从而提高效率以及改善分配。 [65]例如,智能合约的很多应用,可以和证券类通证一起使用,以优化公司治理中的投票表决,提高其透明度。
证券类通证具有以下优势:1.中小企业融资新渠道。中小企业、创业企业融资是难题。如美国每年创建超过65万家公司,但华尔街、硅谷和天使投资者并不能为创业公司提供足够的资金。在中国,这种情况更为严重。“证券类通证发行”(STOs)可以帮助中小型企业获得新的融资渠道。2.降低投资和交易门槛。在高风险股权市场、债务和不动产市场,极高的投资门槛使得普通投资人无法参与,很大程度上限制资产的流动性。在通证市场,一幢写字楼、商城、宾馆可以使用证券化通证拆分成理论上无限小的单位,大大降低投资门槛,任何普通人都可参与。 [66]3.增强资产流动性。比如一个封闭期为10年的私募基金,投资人只能在10年后才能收回自己的投资,但如果将基金通证化,那么投资人可以随时买卖基金份额,实现资产的流动。4.降低IPO门槛和发行费用。在资本市场进行传统股权融资需要通过IPO这种高门槛、长周期、成本高的方式进行。传统IPO发行费用和时间成本高,站到募资额的4-7%(PWC),而采用STOs的方式,成本将大大降低。5.提高市场效率。通证可以在世界范围内销售和交易,资产定价更加公平,价格发现机制更有效率。通过监管程序化方式,降低监管成本与难度,打破监管机构之间、国家之间的壁垒,交易更加便捷。 [67]
在美国,证券类通证需要接受SEC及其他相关机构监管,发行证券类通证的主体也将受到联邦法律的约束。通常而言,证券类通证还需要在SEC注册(满足特定条款而豁免的除外,如Reg A+, Reg D, Reg S等),并需遵守证券法的种种规定。目前,美国的非合格投资者可能不能再投资STO项目,在美国发行和出售证券的STO发行人必须在美国证券交易委员会注册或获得豁免权。这意味着根据SEC的监管要求,STO项目将有可能只能向合格投资者或者非常富有的人发行。由于证券类通证需要受到证券法和多个政府机构的监管,因此SEC如何判定证券类通证,对于现在已有的通证和未来即将推出的应用类和证券类通证都非常重要。SEC目前主要使用的判定工具是豪威测试(Howey test)。豪威测试要求“投资合同”(比如通证)应同时满足以下四个条件:投资者投入现金或等值品;所有投入被汇聚到同一个项目或资金池中;投资人有获利预期,即众多投资人投资的目的是为了盈利;获利完全依赖于发起人或第三方的努力或经营。每一个条件都有一系列子问题可以打分,当分数到达一个值时则认为该“投资合同”为证券。除了豪威测试之外, Reves's Family Resemblance Test、Risk Capital Test也可以用来判定证券。需要注意,这些测试只是SEC使用的工具,最终是否为证券,SEC有最后的解释权。 [68]
在中心化的时代,合规的实施是通过中心化的交易所完成的。但在去中心化的区块链世界,一旦通证离开交易所,合规要求就难以执行,因此需要在通证智能合约中嵌入可执行的合规指令,相当于是将监管框架进行了程序化,需要协议级别的技术机构帮助项目方完成此项工作。如2017年设立的Polymath,是一个帮助资产实现证券化通证的平台。 [69]它提供证券类通证的底层协议(ST20),在以太坊上生成自己的证券类通证,允许个人和机构投资者完成合格投资者认证,允许合法投资者在符合规定的前提下参与STOs。Polymath协议致力于证券类通证的发行,实现区块链上发行和交易。又如成立于2014年的Swarm,是一个去中心化的证券类通证的发行和STOs市场,在它的平台(Swarm invest)上可以投资已经被通证化的实物资产,得到发放的通证,获得资产的所有权、管理权、收益权。再如Harbor,是一个基于以太坊区块链的开源平台,致力于打造去中心化的合规协议(R-token compli-anceprotocol),实现项目方在符合证券、税务、以及其他监管条例的要求下发行基于ERC20的证券化通证。
(三)区块链与数字资产交易所
区块链和分布式账本技术的进步催生了促进数字资产证券的电子交易。例如,通俗地称为“去中心化”交易平台将传统技术(例如接受和显示订单的基于Web的系统和存储订单的服务器)与新技术(例如在包含编码的区块链上运行的智能合约)相结合执行合同条款的协议。 [70]这些技术为投资者和市场参与者提供了寻找交易对手,发现价格和交易各种数字资产证券的手段,这就是数字资产证券交易所。 [71]
美国的这类交易所主要有:1.成立于2012年2月的Coinbase,是位于美国的老牌加密货币交易所。2017年7月获得SEC和金融行业监管局(FINRA)批准,成功收购持经营许可证的证券交易商Keystone Capital Corp.(broker-dealer li-cense)、Venovate Marketplace Inc.(ATS license) 和 Digital Wealth LLC(a registered investment advisor (RIA) license)。这笔交易允许Coinbase以经纪商身份将其产品扩展到有价证券交易。2.成立于2017年的TZERO,是美国电商巨头Overstock的子公司,致力于打造全世界第一个合规的证券类通证交易所。2018年6月19日,TZE-RO宣布与BOX Digital Market成立合资公司。BOX作为一个持有另类交易系统(ATLs)牌照的期权交易所,负责提供交易执行和合规方面的支持,TZERO提供交易系统技术、资金和管理。3.成立于2017年的Orderbook,由区块链技术服务商Ambisafe推出的去中心化交易所。2018年3月,Orderbook公布发行一种特定的通证Regulation Award Protocol(RAP)自动完成投资者认证过程。 [72]通过交叉验证当地的法律法规与RAP持币者个人信息数据库的契合度,保障STOs及其他加密货币相关交易的合规。
全球最古老和最大的证券交易所之一的伦敦证券交易所,它和FCA正在与创业公司Nivaura等合作,希望发行完全合规的证券类通证。据报道,通证基于以太坊发行,2018年9月作为首个“小白鼠”测试发行流程。之后对创业公司和中小型公司开放证券类通证发行服务。隶属于瑞士交易所的SIX Digital Exchange(SDX)宣称将会是世界上第一个提供通证化服务的平台,包括通证的发行和交易。 [73]该交易所受到瑞士国家银行(Swiss National Bank)的支持和瑞士金融监管机构(FIN-MA)的监管。2018年7月,SIX宣布正在为证券类通证开发集合交易,结算和托管的基础设施,整个项目将分阶段进行,首个服务可能在2019年中推出。
2017年11月2日,属于英联邦体系的太平洋国家基里巴斯共和国,其中央政府与WOGC (2016年在纽约成立的联合国框架下的混合制国际组织) 签订全面战略合作备忘录,该国中央政府向WOGC颁发了全球首例由主权国家背书和全力推动的世界数字中央银行,世界数字证券交易所,世界数字彩票集团,世界数字金融集团四张金融牌照。 [74]世界数字证券交易所是对现有的证券交易模式的一次有效补充。所有想要在数字证券交易所上市的企业,必须根据其所拥有的资产,采取资产数字化,将实物资产转化为数字资产以后,才能以数字资产的形式在数字证券交易所进行发行与融资。 [75]
(四)监管现状与趋势
自区块链分布式账本技术(DLT)和数字资产诞生以来,全球都在关注该领域的发展。 [76]SEC曾在2017年8月以及10月两次向公众发出警示,警惕ICO和数字货币的投资风险。但是,仅仅依靠警示公告无法阻止投资风险的蔓延。2018年年初,美国政府曾多次组织听证会议,了解区块链和数字货币,以及研究其监管机构及监管方式。SEC认为,区块链应用到证券市场,只是用“分布式账户”记账方式代替现有中央记账方式,并未改变交易本质,需遵守证券法律并接受监管。 [77]英国金融行为监管局则坚持技术中立原则,不依照技术类型而是针对金融活动、金融机构实施监管。 [78]中国主要由央行实施监管,明确禁止金融机构和第三方支付机构参与比特币交易活动,将ICO定性为未经批准非法公开融资的行为,涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动,但对是否属于证券法调整领域没有明确的法律定性与依据。 [79]欧洲、加拿大、俄罗斯、新加坡等监管机构均发布风险提示,并强调防范黑客攻击、反洗钱、反恐怖融资、依法纳税等潜在风险。 [80]我国香港证监会2017年9月发布《有关首次代币发行的声明》指出,虽然一般ICO发行或销售的数字代币被视为虚拟商品,但若符合《证券及期货条例》的“证券”特征,则需接受香港证券法规监管。
在过去一两年中,美国政府对于数字货币的态度比较宽松,导致美国出现了大量的数字货币相关企业,包括交易平台、投资基金、“挖矿公司”等。数字货币市场带有极强的投机性,价格暴涨暴跌带来严重的风险。2010年,10000个比特币仅能购买两个披萨,而2018年初,单个比特币的价格已高达两万美元。2018年11月15日,由于部分比特币“大玩家”的市场行为,比特币价格一路下跌,数字货币单日市场总值蒸发300亿美元,下跌了约15%,投资者血本无归。另外,数字货币交易不存在时间和空间的限制,禁止数字货币并不能杜绝数字货币违法犯罪行为,且这些犯罪行为和风险行为还会不断的异化,给监管带来更多的困难,给投资者带来更大的损失。SEC对数字货币产业链启动了大规模调查,目前已经有80多家公司收到调查传票。这场大范围调查使得规模达到数十亿美元的数字货币融资市场面临空前监管压力。
作为数字货币的监管机构,SEC根据《1933年证券法》《1934年证券交易法》《1940年投资公司法》《1940年投资顾问法》等法律进行监管。监管的核心内容是,依据个案情况对数字货币是否构成证券进行判断并将其纳入监管框架之内。如果数字货币构成证券,则需要满足法律规定的注册条件,给投资者提供充分的信息。2018年2月,SEC主席克莱顿在国会作证时说,美国国会应考虑扩大对比特币和其他加密货币交易的联邦层面监管。他认为,投资者应该得到证券法的全面保护,“当你有一个不受监管的交易所,那操纵价格的能力将会大幅上升。” [81]SEC与商品期货交易委员会在2018年发布《关于对数字货币采取措施的联合声明》指出,不论是以数字货币、代币还是其他名义开展的行为,都要进行穿透分析,判定其业务实质并依法采取监管措施。
2018年,SEC针对多个加密货币项目方违规行为处以重罚。SEC发布一份处罚声明,认为Arise Bank未经注册私自发行证券型数字资产,并通过虚假宣传,自称为第一家分布式银行,向消费者兜售其数字资产,SEC对Arise Bank和其创始人的资产进行紧急冻结。 [82]由于涉嫌欺诈性ICO,两位高管被要求支付270万美元的罚金,并被禁止担任任何上市公司的高管或董事或未来参与数字资产证券发行。 [83]2018年11月16日,SEC针对PRG Token以及AIR Token两个代币的处罚引起广泛关注。SEC认定Paragon Coin Inc(PRG Token发行方)以及Carrier EQ(AIR Token发行方),没有根据联邦证券法注册它的ICO,且不符合豁免证券注册的条件,SEC对上述两个项目分别处罚25万美金,原筹得资金共2700万美元(Paragon Coin ICO 1200万,Carrier EQ ICO 1500万)返还给受害的投资者。 [84]还要求其重新进行证券注册,且后续持续向监管进行信息披露。值得一提的是,这是SEC第一起对ICO证券提供注册违规行为实施民事处罚的案件。也有交易所受到处罚。美国已经暂停了几家违规交易所。据SEC介绍,2018年11月8日,SEC认定中心化数字资产交易所Etherdelta未经注册为“全国性证券交易平台”或获得相应的豁免权,擅自为包括美国公民在内的用户群提供部分被认定为证券的ERC20代币撮合交易,因此,对其创始人Zachary Coburn处以38.8万美元罚款。 [85]早在2018年2月,SEC以同样的理由(未注册为“全国性证券交易平台”或获得相应豁免权的条件下,为用户提供数字资产证券撮合交易服务),对Bit Funder以及其创始团队处以永久关停和禁入交易平台的处罚,并要求缴纳罚款。除此之外,SEC还认为,其经营者Jon E. Montroll侵吞用户资产,导致用户利益受损。 [86]
按照美国法律,提供并作为“交易所”运营的平台必须在SEC注册为全国性证券交易所或免于注册。SEC最近针对促进数字资产证券交易平台Ether Delta创始人的执法行动,强调了交易和市场部门对于数字资产证券交易平台未能向委员会注册的持续担忧。 [87]根据命令,Ether Delta未以任何身份向SEC注册。SEC认为, Ether Delta的活动明显属于交易所的定义,并且Ether Delta的创始人导致该平台未能注册为全国性证券交易所或根据豁免注册作为交易所运营。SEC指出,使用区块链或分布式分类账技术进行数字资产交易的实体应该持续仔细审查其活动,以确定他们交易的数字资产是否是证券,以及他们的活动或服务是否使他们满足交易所的定义。参与此类活动的实体还应考虑除交易所登记要求之外的联邦证券法以及其他相关法律和监管问题的其他方面。
2018年11月16日,美国证监会(SEC)官网发表公开声明《数字资产证券发行与交易声明》(Statement on Digital Asset Securities Issuance and Trading),对数字资产证券的发行和发售、数字资产证券交易尤其是交易所注册和经纪人-交易商注册问题进行了详细的阐述。 [88]声明以近期发生的案例为切入口,集中阐释了SEC对数字资产证券的发行和销售,对投资数字资产证券的投资公司、投资顾问、交易所等市场参与主体的法律规制。SEC称,以投资合约发行和销售的数字资产,无论在交易过程中被冠以何种名称或使用何种技术,均属于证券。同时,对于未注册并违规发行数字资产,不仅需要支付罚金,同时需要按照证券交易法进行证券注册。另外,除申请豁免之外,任何提供数字资产证券交易的平台必须向 SEC 进行注册,任何为证券提供买卖双方撮合交易的平台,无论使用何种技术,必须确定是否属于联邦法律所认定的交易所,然后进行相应注册。
2019年2月2日,美国怀俄明州的参议员通过了一项法案,该法案将加密资产分为三类:数字消费者资产;数字证券;虚拟货币。 [89]数字消费者资产被视为一般无形资产,数字证券被视为证券和投资财产,虚拟货币被视为货币。该法案为银行建立了一个框架,为加密资产提供托管服务。在其他国家,2019年1月马来西亚证监会宣布,马来西亚财政部长发布的2019年资本市场和服务有关数字货币和数字token的证券表述令将已生效。 [90]这意味着,若要在马来西亚进行ICO和交易ICO发行的token,首先需要得到证监会的授权,而且必须遵循该国的相关证券法和监管法规。处理数字资产业务将要采取反洗钱、反恐怖主义融资、网络安全等措施。马来西亚证监会将与央行共同确保数字资产相关监管合规,相关监管框架预计在今年一季度末以前推出。若未经马来西亚证监会批准,任何ICO发行方和数字资产交易所都可能受到处罚,面临不超过十年的监禁和不超过1000万马来西亚林吉特(约合244万美元)的罚款。泰国证券交易所(SET)计划向财政部申请加密货币许可证以成为数字资产交易所。 [91]经纪商可以调整其交易平台,为数字交易提供服务。SET申请加密货币许可证的其中一个主要原因就是短期内可以帮助其计划转型为加密货币经纪商和交易商的证券公司成员。而从长期来看,SET的证券公司成员计划成立加密货币交易所。如果这项计划成真,SET将成为世界上为数不多的几家同时提供股票和加密货币交易的证券交易所之一。SET在成立加密货币交易所方面具有先天优势。不过,泰国有一些提供加密货币交易的公司认为SET在这方面缺乏经验,不如当地专业的加密货币交易所。
结 语
中国从民间到政府,都在紧紧抓住百年未遇的科技革命、产业革命机遇,加快人工智能、大数据、云计算、区块链等新技术的理论研究、技术开发、专利申请、落地应用、人才培养,致力于实现现代科技与金融、证券业务的深度融合。以商业银行为代表的传统持牌金融机构不断加大科技投入,成立金融科技子公司或寻找金融科技合作伙伴;以BATJ为代表的互联网金融公司雄心勃勃,强化科技属性,快速迭代金融服务产品;证券业从市场到机构,都高度关注、积极开发数字科技产品,紧盯大洋彼岸的美国,跟进金融科技创新,正在酝酿去中心化的技术大变革,一场多元的金融科技竞赛正在如火如荼上演。与此同时,法律和法律理论必须与时俱进,时刻适应技术、产业革命给社会、经济、政治等各个领域带来的冲击与变化。创新永无止境,思考永无止境,探索永无止境。