構建傘形監管沙盒促進中國金融科技創新是否可行

張紅偉，陳小輝

(四川大學經濟學院，四川 成都 610064)

0 引言

自2008年以來，科技與金融的深度融合推動了金融科技 (FinTech)的發展。金融科技的發展又給各國帶來了新的機遇，各國有望借此重構全球金融體系，主要國家就此已展開了新一輪角逐。2018年1月，中英兩國協議將在雄安新區建設具備 “世界眼光、國際標準”的金融科技中心。屆此，本輪角逐進入了國際合作新階段。但同時，金融科技使金融風險特性發生變化并產生諸多新風險[1]。Acemoglu等學者認為，金融科技微觀層面的風險通過復雜網絡傳播，還可能觸發系統性風險[2]；銀行競爭可能增加系統性風險[3]，而金融科技難免增加銀行競爭的激烈程度；僅存款而言，金融科技通過發力銀行零售業務，將加劇銀行的存款競爭，存款競爭會增加銀行的系統風險[4]。

為了趨利避害，2015年3月英國政府率先提出監管沙盒概念，同年11月英國金融行為局發布監管沙盒白皮書，開始實行監管沙盒。新加坡、澳大利亞、泰國、韓國、中國香港和臺灣地區緊隨其后，紛紛推出監管沙盒。目前，國內外學者對監管沙盒的研究主要集中于監管沙盒的作用、借鑒意義和必要性等方面。

在監管沙盒的積極作用方面，Arner 等人認為，監管機構在監管沙盒中的積極態度有助于促使監管模式發生轉變[5]；Bromberg等人認為，監管沙盒可達到緩和金融風險和穩定金融市場的作用[6]。就監管沙盒的借鑒意義而言，張景智在分析相關國家和地區的監管沙盒制度設計后，對中國的監管沙盒提出了建議[7]。在監管沙盒的必要性維度方面，柴瑞娟認為中國應當引入監管沙盒[8]；張紅偉等則從金融科技在發展過程中面臨的制度性約束較廣、監管資源嚴重稀缺致使監管信息極度不對稱繼而本能性抑制金融科技創新、宏微觀風險發生變異并產生新型風險等角度，專門研究了中國對金融科技實施沙盒監管的必要性[9]。

國內外學者對監管沙盒進行了較為充分的研究，就中國而言，在潛在金融科技從業機構眾多、監管資源嚴重稀缺的情況下，應當建立怎樣的監管沙盒？這種監管沙盒可行性又如何？本文對這些問題進行了研究。

1 基于區塊鏈的傘形監管沙盒

1.1 監管沙盒定義

盡管諸多國家和地區已陸續推出監管沙盒，對金融科技實施沙盒監管。但國內外學者尚未對監管沙盒給出準確的形式化定義。根據國內外監管沙盒的實踐，本文將監管沙盒界定為一個七元組，即：

RS= (A,T,F,I,C,Z,R)

其中，A為推出監管沙盒這一制度安排的機構，可稱為監管沙盒的運營主體；T為運營主體推出監管沙盒擬實現的目標集；F為運營主體推出監管沙盒面向的金融科技從業機構；I為金融科技從業機構實施的擬申請沙盒測試的金融科技創新；C為監管沙盒內適格的可參與沙盒測試的金融消費者；Z為監管沙盒運營主體確定的監管沙盒的區域范圍；R為監管沙盒運營主體制定的適用于監管沙盒內金融科技創新相關的規則，該等規則可顯著異于沙盒外的規則。

1.2 傘形監管沙盒定義

所謂傘形監管沙盒，即由監管機構、行業協會和金融科技從業機構董事會分別作為運營主體獨立運營但又有機聯動的監管沙盒組成的 “傘形”沙盒群組。須突破監管機構監管規則的金融科技創新向監管機構運營的監管沙盒申請測試運行，須突破行業協會行業自律規則的金融科技創新向行業協會運營的監管沙盒申請測試運行，須突破企業內部控制制度和風險管理制度的金融科技創新向企業董事會運營的監管沙盒申請測試運行。同時，監管機構可視情況將突破監管規則的金融科技創新授權行業協會和/或企業董事會運營的監管沙盒測試運行，三類監管沙盒構成一個傘形結構。

(1)監管機構運營的監管沙盒位于傘形頂部。監管機構面向被監管者運營監管沙盒，其七元組中R內的規則對現行監管規則進行適度突破，以促進被監管者實施金融科技創新。監管機構具有數量少、權限大、影響廣泛等特點，其運營的監管沙盒處于傘形沙盒群組的頂部。

首先，監管機構數量少。目前，中國已形成 “一行兩會”對金融業實行分業監管、省級地方金融監管機構對地方金融市場進行監管的地方分權型監管模式[10]。在中央和地方兩級監管體系基本形成的情況下，中央金融監管部門為 “一行兩會”，地方層面有31省級金融局。即使中央和地方兩級監管機構均運營自身的監管沙盒，與行業協會和金融科技從業機構運營的監管沙盒相比，其數量也最少。

其次，監管機構具有規則突破的最大權限。按中國 《立法法》規定， “一行兩會”均具有制定、修改和解釋部門規章的法定權限，還可根據履職需要制定、修改和解釋其他規范性文件，當然也就同時具有適度突破其制定的部門規章和其他規范性文件的法定權限。省級金融局盡管不具有部門規章和政府規章制定權、修改權、解釋權和突破權，但其仍可制定、修改、解釋和突破法律位階相對較低的其他規范性文件，并且該等其他規范性文件對部分金融科技從業機構仍具有強制效力。例如，某省級金融局制定的 《小額貸款公司監管評級暫行辦法》對擬從事金融科技創新的小額貸款公司仍具有強制約束力。因此，與行業協會相比，監管機構具有最大的規則突破權，其可允許自身運營的監管沙盒內的金融科技創新最大限度地突破現行規則，其監管沙盒七元組中R內的規則與沙盒外規則的差距可做到最大。

最后，監管機構影響廣泛。中央層面， “一行兩會”制定的部門規章和其他規范性文件適用于全國范圍內所有同類從業機構，其運營的監管沙盒七元組中F內元素最多、影響最為廣泛。地方層面，省級金融局制定的其他規范性文件適用于所轄地域范圍內的所有同類從業機構，其運營的監管沙盒七元組中F內元素數量也相對較多，其監管沙盒的影響也相對廣泛。而行業協會運行的監管沙盒，其七元組中F內元素通常為協會會員單位，在自愿入會情況下，其元素數量通常較少，影響范圍相對較少。

(2)行業協會運營的監管沙盒位于傘形中部。行業協會可面向會員單位運營監管沙盒，其七元組中R內的規則對現行強制性自律規范或監管機構授權的部門規章和其他規范性文件所涉規則進行適度突破，以促進會員單位實施金融科技創新。行業協會具有數量較多、權限較大、影響較廣等特點，其運營的監管沙盒位于傘形沙盒群組的中部。

一是行業協會數量較多。中國社會組織公共服務平臺數據顯示，截至目前，全國金融類行業協會共計1670個，其中全國性行業協會13個、地方性行業協會1657個，而中央和省級地方金融監管機構共計34家。行業協會數量是中央和省級地方金融監管機構數量的49.1倍。若這些行業協會面向會員單位運營監管沙盒，則該等監管沙盒的數量相對較多。

二是部分行業協會的權限較大。一方面，部分行業協會發揮著行業自律作用，其制定的強制性自律規范對會員單位具有較大的約束力；另一方面，行業自律規范僅對會員單位適用，對非會員單位并無強制約束力，其自律規范的強制力也明顯低于監管機構制定的部門規章和其他規范性文件。因此，行業協會的權限均小于監管機構，但通常大于企業董事會。若這部分行業協會運營監管沙盒，則其七元組中R內規則的可突破尺度相對較大。

三是行業協會的影響范圍較大。對于制定強制性自律規范的行業協會而言，其自律規范適用于所有會員單位。統計顯示，中國支付清算協會共有會員單位409家，中國互聯網金融協會共有會員單位447家,中國證券業協會共有會員單位431家,中國小額貸款公司協會共有會員單位321家。這類全國性行業協會制定的強制性自律規范，將約束數以百計的會員單位。地方性行業協會制定的強制性自律規范，也將約束其所有會員單位。這樣，這類行業協會若運營監管沙盒，則其七元組中F內元素的數量較大。

(3)企業董事會運營的監管沙盒位于傘形邊緣。企業董事會可面向其所屬企業或所屬企業投資的企業運營監管沙盒，其七元組中R內的規則對現行內部控制制度和風險管理制度、監管機構授權的部門規章和其他規范性文件所涉規則進行適度突破，以促進本企業和所投資的企業實施金融科技創新。企業董事會具有數量最多、權限最小、影響有限等特點，其運營的監管沙盒位于傘形沙盒群組的邊緣。

首先，金融和類金融企業 (潛在金融科技從業機構)董事會數量眾多。據不完全統計，中國金融和類金融企業共計25732家，其中銀行2467家、保險公司204家、證券公司131家，此外還有為數眾多的新興金融機構。在人工智能、區塊鏈、云計算和大數據等底層技術的驅動下，25732家金融和類金融企業均可能基于自身業務需要轉型升級開展金融科技業務。從數量上看，金融和類金融企業董事會數量是行業協會的15.4倍，而行業協會數量是監管機構數量的49.1倍，三者形成一個典型的傘形架構，金融和類金融企業董事會位于傘形邊緣。

其次，金融和類金融企業董事會權限最小。一方面，按監管規定，金融和類金融企業均以公司形式存在。按 《公司法》規定，董事會具有企業基本制度制定權、修改權、解釋權和突破權，且其制定的基本制度普遍適用于所屬企業的高級管理人員、普通員工，并涉及企業主要業務和相關重要環節。另一方面，企業董事會在制定、修改、解釋和突破其制定的基本制度時，除了遵循監管機構的部門規章和/或其他規范性文件、行業協會強制性自律規范、公司章程和股東 (大)會相關決議外，尚須遵循 《企業內部控制基本規范》 《企業內部控制應用指引1—18號》相關規定。這樣，金融和類金融企業董事會運營的監管沙盒，其七元組中R內規則的突破尺度相對較小。

最后，金融和類金融企業董事會的影響有限。由于企業董事會制定的基本制度通常僅適用于本企業，通過約束外派股東代表、董事、監事和高級管理人員等可進一步約束所投資企業。但總體而言，由于企業董事會管理幅度小，其制定、修改、解釋和突破的基本制度約束的對象有限。因此，就其運營的監管沙盒而言，其七元組中F內元素數量相對有限。另一方面，企業董事會的基本制度直接管理金融科技創新相關事項，其約束更為直接。

1.3 基于區塊鏈的傘形監管沙盒定義

所謂基于區塊鏈的傘形監管沙盒，即以區塊鏈為底層紐帶的傘形監管沙盒。具體而言，由監管機構牽頭，以監管機構、適格行業協會為區塊鏈節點，以非適格行業協會和金融科技從業機構董事會為客戶端，形成 “中國沙盒監管基礎設施”；監管機構、行業協會和金融科技從業機構董事會三類主體運營的監管沙盒在金融科技創新沙盒測試前、測試中和測試后的所有信息，均實時記錄于中國沙盒監管基礎設施之中，最大幅度降低信息不對稱性，避免監管套利，提高測試效率，助力金融科技創新。

其一，以監管機構和適格行業協會為區塊鏈節點。區塊鏈中每個節點擁有完整的數據[11]，也就是說區塊鏈上的每個節點擁有存入者存放的所有 (加密)數據。但當量子計算投入使用時，區塊鏈廣泛采用的RSA、DES、橢圓曲線算法都將很容易被破解[12]。這樣，當量子計算商業應用到來時，分布于區塊鏈節點上的完整數據均面臨被惡意解密泄露的風險。因此，出于信息安全性考慮，本文認為以區塊鏈為基礎構建的中國沙盒監管基礎設施，其節點應僅為監管機構和經監管機構審核通過的符合條件的行業協會。

其二，以非適格行業協會和金融科技從業機構董事會為客戶端。盡管僅監管機構和適格行業協會作為中國沙盒監管基礎設施的節點，但未經監管機構審核通過的非適格行業協會和金融科技從業機構董事會仍可作為 “受權”訪問者，經監管機構批準，作為中國監管沙盒基礎設施的 “客戶端”， “受權”實時向中國沙盒監管基礎設施存入其監管沙盒接受金融科技創新測試前、測試中和測試后的所有相關信息，并從中國沙盒監管基礎設施實時獲取其他監管沙盒接受的金融科技創新測試前、測試中和測試后的所有相關信息。繼而實現全國范圍內監管機構、行業協會和金融科技從業機構三類監管沙盒所有金融科技創新在測試前、測試中和測試后所有相關信息的對稱和同步。

其三，中國沙盒監管基礎設施須盡量完整記錄三類監管沙盒運營的信息。區塊鏈作為一種多方共同維護的分布式數據庫[13]，僅如實記錄存入的數據和信息，具有傳統數據庫同樣的 “garbage in garbage out”特點，若進去的是 “垃圾”，則出來的仍然是 “垃圾”。為了保證基礎設施的有用性，須監管機構首先就三類監管沙盒運營期間應當計入基礎設施的信息達成一致，并就信息記錄的形式標準和實質標準達成共識。本文認為，基礎設施應當記錄每個監管沙盒七元組 (A,T,F,I,C,Z,R)中每個元素的信息。同時，對于七元組中的金融科技從業機構F及金融科技創新I還應當記錄其全部基礎信息，以達到可唯一確定一個金融科技從業機構和唯一確定一個金融科技創新并可了解其創新要點為標準。對于每項金融科技創新，則應當重點記錄其申請沙盒測試前的申請信息及運營主體的審核信息，沙盒測試中發現的風險點及修復情況等信息，沙盒測試是否通過、該等創新后續風險表現等信息。

那么，基于區塊鏈的傘形監管沙盒是否可行呢？關于這個問題，本文僅從監管資源對金融科技創新的影響這一角度進行研究。

2 可行性分析：監管資源對金融科技創新的實證檢驗

監管資源不足可能導致過度監管[9]，但也可能因為資源不足無法監管甚至不監管。過度監管可能抑制金融科技創新，無法監管、不監管將使金融科技創新爆發式增長甚至泛濫。這樣，監管資源對金融科技創新的影響有待實證檢驗。為此，本文基于P2P網貸相關數據檢驗監管資源對金融科技創新的影響。

2.1 樣本選擇與數據來源

鑒于可獲得的P2P網貸平臺數量的最早時間為2009年，控制變量相關數據的最近時間為2017年，故本文選擇2009—2017年31個省市區相關數據構成非平衡面板，進行實證分析。其中，正常P2P網貸平臺數量來源于零壹財經·零壹智庫；各省市區互聯網金融協會和研究機構的建設情況相關數據來自中國社會組織公共服務平臺，并經手工整理；各省市區陸地面積來源于百度百科；其他數據分別來自國家統計局、Wind數據庫。此外，本文對主要連續解釋變量及其工具變量進行了上下1%的縮尾處理 (winsorize)，對2017年市場化進程指數進行了插值處理。

1947年，美國圖書館協會發起“公共圖書館調查”調研，其調查結果表明，人們使用圖書館的主要動機不是教育而是休閑消遣[10]。因此，圖書館除了滿足學術性和日常性信息需求以外，也應為其用戶營造網絡休閑功能環境。首先以滿足大學生個性化休閑需求為指導思想，為大學生搭建健康、和諧、優雅、豐富多彩的網絡休閑生活環境，讓大學生在健康網絡休閑環境中受到潛移默化的影響。網絡休閑功能環境包含三個方面：

2.2 變量說明

(1)被解釋變量。本文設計被解釋變量gfinit表示各省市區金融科技創新數量，取值為各省市區正常P2P網貸平臺數量，各省市區P2P網貸出現的時間先后有別，相關數據構成非平衡面板。選擇各省市區正常P2P網貸平臺數量代表金融科技創新數量，理由如下：

第一，金融科技為技術驅動的金融創新[14]；按巴塞爾委員會的分類，P2P網貸為一種重要的金融科技創新類型，歸屬于 “存貸款與資本籌集類”。

第二，金融創新可分為表層創新、深層創新和基礎層創新，P2P網貸為深層創新[15]，在三類金融創新中居于較為重要的地位。

第三，就中國而言，以銀行、證券和保險等傳統機構為主體的金融科技創新剛起步。例如，中國銀行于2018年才啟動金融科技創新相關工作，而P2P網貸這一金融科技創新在中國可追溯至2006年，具有較為豐富的歷史數據。

第四，中國P2P網貸在快速發展過程中爆發了一定風險，正常P2P網貸更能代表中國的金融科技創新。同時，由于P2P網貸發展過程中數據統計機制缺失，僅P2P網貸平臺數量具有較好的可獲得性。因此，僅以正常P2P網貸平臺數量代表金融科技創新數量。

(2)關鍵變量。本文的關鍵變量為regresrcit。2008年以來，各省級地方金融監管機構承擔起了地方金融監管職責，同時也牽頭負責本省市區的非法集資處置工作。在P2P網貸等金融科技創新誕生之初，始終伴隨著 “非法集資”的陰影。從誕生之日起，P2P網貸等金融科技創新便在明里暗里接受著各省市非法集資相關的監管。為此，本文以2009—2017年各省市區 “地方財政金融監管支出”表征監管資源 (regresrcit)，并以地方財政金融監管支出占財政支出的比例 (regingspdit)做穩健性檢驗。regresrcit為絕對數，以億元為單位，其值越大，監管資源越豐富；regingspdit為相對數，同樣，其值越大，監管資源越豐富。

(3)控制變量。本文控制了如下變量：①自律組織和研究機構的建設情況 (dassit)，若各省市區在某年1—6月內成立了互聯網金融相關的自律組織或研究機構，則自該年起dassit取1；若成立時間為7—12月，則自次年起dassit取1；其他情況下dassit取0。②經濟總量 (gdpit)，取對數進行穩健性檢驗。③金融業增加值 (fgdpit)，取對數進行穩健性檢驗。④經濟增速變動 (ggdpdwit)，本文以2008年GDP增速9.65%為基準，按9.65%-ggdpit表征經濟增速變動情況ggdpdwit，以各省市區GDP增速ggdpit做穩健性檢驗。⑤存貸比 (dlrateit)，取各省市區的貸款比存款。⑥市場化進程指數 (mktproit)。⑦創新水平 (innolevelit)，按 “專利申請數量”計算各省市區的創新水平。⑧財政收支狀況 (gpit)，按 (財政支出-財政收入)/財政支出計算財政收支狀況。⑨貨幣政策松緊程度 (mpit)，本文借鑒陸正飛和楊德明[16]的做法，采用 “M2增長率-GDP 增長率-CPI 增長率”估算貨幣政策的松緊程度。⑩專項整治 (readjustt)，2016年4月12日國務院辦公廳發布 《國務院辦公廳關于印發互聯網金融風險專項整治工作實施方案的通知》 (國辦發〔2016〕21號)，因此，2009—2015年取0,2016年、2017年取1。政府鼓勵 (encrgt)，2014—2018年連續5年，互聯網金融被寫入政府工作報告，政策基調從最初的 “促進發展”到 “規范發展”再到 “健全監管”。為此，encrgt虛擬變量2014—2015年取1，其余年份取0。

2.3 模型設計

為了檢驗監管資源對金融科技創新的影響，本文構建模型如下：

gfinit=α0+β1regresrcit+βiX+αi+εit

(1)

其中，gfinit表示第i個省市區第t年的金融科技創新數量；α0為截距項；αi為第i個省市區的個體效應；εit為隨機誤差項。

regresrcit為關鍵變量，β1為其系數，若β1>0顯著則監管資源增加有利于金融科技創新，若β1<0顯著則監管資源增加不利于金融科技創新，若β1≠0不顯著，則監管資源的多寡與金融科技創新無關。Xit為控制變量，為了避免內生性，其中gdpit、fgdpit和ggdpdwit滯后一期。

2.4 實證結果

(1)描述性統計。表1為主要變量的描述性統計，各變量的觀測值數量略有差異，回歸分析時通過條件語句進行控制。從描述性統計看：第一，各省市區金融科技創新數量的均值為54.41，最小值為0，最大值達608；第二，各省市區平均監管資源為8.57億元，標準差9.25。

表1 主要變量的描述性統計

(2)回歸結果。表2為基于2009—2017年數據，采用個體固定效應 (FE)估計的模型1的回歸結果，即監管資源與金融科技創新之間的關系。之所以采用個體固定效應進行估計，一方面因為個體固定效應和隨機效應豪斯曼檢驗的P值小于0.0001，只是stata15提示 “V_b-V_B矩陣非正定”，但個體固定效應估計結果顯示隨機誤差項與解釋變量的相關性達-0.7666，采用隨機效應將產生偏誤。另一方面，個體固定效應可緩解遺漏變量導致的內生性問題。

對標準誤在個體和時間上雙重聚類調整，可克服自相關和異方差等問題對統計推斷的影響[17]。為了提升回歸結果的可靠性，本文的FE估計均對標準誤進行了雙重聚類調整。同時，本文采用逐步增加控制變量的方法進行FE回歸：表2中第1列為僅以監管資源為關鍵變量的FE回歸結果；第2列為增加自律組織和行業協會建設情況虛擬變量后的FE回歸結果；第3列為增加省級層面控制變量后的FE回歸結果；第4列為增加貨幣政策松緊程度后的FE回歸結果；第5列為增加政府鼓勵和專項整治虛擬變量后的FE回歸結果。

表2 模型1的FE回歸結果

注:***、**、*分別表示 1%、 5%、10%的顯著性水平，括號中為雙重聚類穩健標準誤。

從表2看，關鍵變量regresrcit的系數均在5%或1%顯著性水平下顯著為正，即增加監管資源可促進金融科技創新，監管資源對金融科技創新具有正效應。

(3)內生性討論。金融科技創新伴隨風險，為了防范和控制本地因金融科技創新新增的風險，地方政府可能追加監管資源，增加 “地方財政金融監管支出”，以致金融科技創新影響監管資源。這樣，金融科技創新與監管資源之間可能形成雙向因果關系，致使監管資源regresrcit成為疑似內生變量。

①工具變量。關于互為因果導致的內生性問題，采用滯后內生變量作為工具變量是通常做法。本文采用regresrcit滯后一期作為工具變量，未通過弱工具變量檢驗。為此，本文借鑒Kim 等[18]的做法，選擇同時期其他地方相同變量的均值ivregresrcit作為工具變量。弱工具變量檢驗的Cragg-Donald Wald統計量為9.225，大于15%臨界值的8.96，通過弱工具變量檢驗。識別不足檢驗的P值為0.0022，也通過識別不足檢驗。因此，ivregresrcit可作為工具變量。

②內生性檢驗。豪斯曼內生性檢驗的P值為0.9788，但stata15提示 “V_b-V_B矩陣非正定”，豪斯曼檢驗較難判斷內生性。為此，本文采用Wooldridge建議的方法[19]進行內生性檢驗：第一步，將regresrcit對所有控制變量以及ivregresrcit進行FE回歸，得到殘差e；第二步，將殘差e添加到模型1進行FE回歸，若在異方差穩健的t檢驗下，殘差e的系數顯著異于0，則可斷定regresrcit具有內生性。本文在第二步采用了雙重聚類標準誤，殘差e的P值為0.976。即拒絕regresrcit為內生變量的假設。因此，在拒絕regresrcit為內生變量的情況下，模型1在OLS方法下的FE回歸結果不會產生偏誤。

(4)其他穩健性檢驗。除了采用個體和時間上雙重聚類標準誤提高結果可靠性和內生性討論外，本文還從如下四個方面進行穩健性檢驗：將關鍵變量regresrcit替換為regingspdit，將經濟總量、金融增加值采用對數形式、經濟增長變動變換為經濟增速，考慮e租寶事件的沖擊，考慮2011年非法集資司法解釋的影響 (篇幅有限，結果備索)。四個方面的穩健性檢驗仍支持 “監管資源對金融科技創新具有正效應”這一結論。這樣，基于區塊鏈的傘形監管沙盒通過調動監管機構、行業協會和從業機構董事會三方力量，可拓展監管資源，通過監管資源對金融科技創新的正效應，可促進金融科技創新，繼而可獲得國家層面的支持，以致在國家層面具有可行性。

3 結論與建議

監管機構、行業協會和金融科技從業機構董事會各自獨立運營的監管沙盒構成一個較為典型的傘形群組：監管機構的監管沙盒位居傘形頂部，行業協會的監管沙盒位居傘形中部，金融科技從業機構董事會的監管沙盒位于傘形邊緣。三種類型監管沙盒通過區塊鏈最大幅度地實現了信息共享，降低信息不對稱性。

就可行性而言，實證分析結果表明，監管資源對金融科技創新的正向效應，基于區塊鏈的傘形監管沙盒通過調動監管機構、行業協會和金融科技從業機構董事會三方力量，豐富了監管資源，進而可促進金融科技創新，在國家層面具有可行性。為此，本文建議如下：

(1)實施頂層設計，有序推進傘形監管沙盒建設。2019年兩會期間已有代表就監管沙盒提交了議案；北京市房山區、貴州省貴陽市等地區也紛紛推出了地方監管沙盒。為了充分調動各方資源，建議由國務院金融穩定發展委員會牽頭，中國人民銀行具體負責，制定傘形監管沙盒實施方案，有序推進傘形監管沙盒建設。

(2)研究國家標準，有序推進監管沙盒基礎設施建設。建議由國務院金融穩定發展委員會牽頭，由全國金融標準化技術委員會具體負責，研究制定支撐傘形監管沙盒的區塊鏈技術標準和數據標準，夯實傘形監管沙盒的技術基礎。

(3)遴選部分機構，探索基于區塊鏈的傘形監管沙盒。建議由中國人民銀行牽頭，選擇中國互聯網金融協會等作為行業協會代表，選擇中國工商銀行、中國農業銀行等國有大行為金融科技從業機構代表，在學界深入研究基于區塊鏈的傘形監管沙盒相關問題的同時，積極探索實踐，力求達到理論與實踐同步并重，相互促進，助力中國金融體系在本輪金融科技大潮中實現全球崛起。