Вызов крупных финансовых технологий

Вызов крупных финансовых технологий

В старой притче о банках и регуляторах банки — это борзые, они бегают очень быстро, а регуляторы — ищейки, медленные, но верные следу. В эпоху платформенной экономики ищейки рискуют потерять нюх.

БЕРКЛИ. В 2009 году, в разгар мирового финансового кризиса, Пол Волкер, бывший председатель Федеральной резервной системы, заметил, что единственной социально продуктивной финансовой инновацией за предыдущие 20 лет был банкомат. Интересно, что Волкер сделал бы сегодня с цунами цифровых финансовых инноваций, от мобильных платежных платформ до интернет-банкинга и однорангового кредитования.

Волкер может быть уверен: как и скромный банкомат, многие из этих инноваций имеют ощутимые преимущества с точки зрения снижения транзакционных издержек. Но, как критик крупных финансовых компаний, Волкер, вероятно, также будет беспокоиться о входе в сектор некоторых очень крупных технологических компаний. Их имена так же знакомы, как и их услуги повсеместно: гигант электронной коммерции Amazon в Соединенных Штатах, компания по обмену сообщениями Kakao в Корее, онлайн-аукцион и торговая платформа Mercado Libre в Латинской Америке и китайские технологические гиганты Alibaba и Tencent.

Эти организации сейчас делают практически все, что связано с финансами. Amazon предоставляет кредиты малому и среднему бизнесу. Какао предлагает полный спектр банковских услуг. Ant Financial от Alibaba и WeChat от Tencent представляют собой изобилие финансовых продуктов, которые так быстро расширились, что недавно стали объектами репрессий со стороны китайского правительства.

Проблемы для регулирующих органов очевидны. Если одна компания осуществляет платежи для большей части населения страны, как, например, M-Pesa в Кении, ее банкротство может привести к краху всей экономики. Поэтому регулирующие органы должны уделять пристальное внимание операционным рискам. Они должны беспокоиться о защите данных клиентов — не только финансовых, но и других личных данных, к которым имеют доступ компании Big Tech.

Более того, крупные технологические фирмы, благодаря своей способности собирать и анализировать данные о предпочтениях потребителей, имеют повышенную способность ориентироваться на поведенческие предубеждения своих клиентов. Если эти предубеждения заставят некоторых заемщиков брать на себя чрезмерный риск, у Big Tech будет мало причин для беспокойства, если они просто предоставляют технологии и знания банку-партнеру. Этот моральный риск является причиной того, почему китайские регулирующие органы теперь требуют, чтобы крупные технологические компании страны использовали свои собственные балансы для финансирования 30% любого кредита, предоставленного через партнерства по совместному кредитованию.

Правительства также имеют законы и постановления, предотвращающие дискриминацию поставщиков финансовых продуктов по признаку расы, пола, этнической принадлежности и религии. Проблема здесь состоит в том, чтобы провести различие между ценовой дискриминацией на основе групповых характеристик и ценовой дискриминацией на основе риска.

Традиционно регулирующие органы требуют, чтобы поставщики кредитов перечисляли переменные, которые формируют основу для решений о кредитовании, чтобы регулирующие органы могли определить, включают ли переменные запрещенные групповые характеристики. И они требуют, чтобы кредиторы указали веса, присваиваемые переменным, чтобы они могли установить, не коррелируют ли решения о кредитовании с этническими или расовыми характеристиками, когда-то обусловленными этими другими показателями. Но поскольку алгоритмы, основанные на искусственном интеллекте крупных технологических компаний, заменяют кредитных специалистов, переменные и веса будут постоянно меняться с появлением новых точек данных. Не очевидно, что регулирующие органы могут поспевать за ними.

Более того, в алгоритмических процессах источник систематической ошибки может быть разным. Данные, используемые для обучения алгоритма, могут быть предвзятыми. В качестве альтернативы само обучение может быть предвзятым, когда алгоритм ИИ «учится» использовать данные предвзято. Учитывая черную природу алгоритмических процессов, местонахождение проблемы редко бывает ясным.

Наконец, существуют риски для конкуренции.

Банки и финтех-компании полагаются на услуги облачных вычислений, которыми управляют компании Big Tech, что делает их зависимыми от своих самых грозных конкурентов. Крупные технологические компании могут также перекрестно субсидировать свой финансовый бизнес, что составляет лишь небольшую часть того, что они делают. Предоставляя ряд услуг блокировки, они могут помешать своим клиентам сменить провайдера.

Регулирующие органы ответили открытыми банковскими правилами, требующими, чтобы финансовые фирмы делились своими данными о клиентах с третьими сторонами с согласия клиентов. Они разрешили использование интерфейсов прикладного программирования, которые позволяют сторонним поставщикам напрямую подключаться к финансовым веб-сайтам для получения данных о клиентах.

Непонятно, достаточно ли этого. Крупные технологические компании могут использовать свои платформы для генерации больших объемов данных о клиентах, использовать их для обучения своих алгоритмов искусственного интеллекта и выявлять высококачественные кредиты более эффективно, чем конкуренты, которым не хватает такой же информации. Клиенты могут перенести свои финансовые данные в другой банк или в финтех, но как насчет их нефинансовых данных? А как насчет алгоритма, который был обучен с использованием собственных данных и данных других клиентов? Без этого цифровые банки и финтех не смогут оценивать и таргетировать свои услуги так же эффективно, как крупные технологии. Проблемы привязки к потребителю и доминирования на рынке преодолеть не удастся.

В старой притче о банках и регулирующих органах банки — это борзые — они бегают очень быстро. Регуляторы — ищейки, медленные, но верные следу. В эпоху платформенной экономики ищейкам придется набирать обороты. Учитывая, что только три центральных банка сообщают о наличии специализированных отделов финансовых технологий, есть основания опасаться, что они потеряют интерес.

 

Барри Эйхенгрин
— профессор экономики Калифорнийского
университета в Беркли и бывший старший
советник по вопросам политики в
Международном валютном фонде

 

 

Источник.


 

Вы можете оставить комментарий, или ссылку на Ваш сайт.

Оставить комментарий