現代中央銀行的數字化賦能

數字時代已然來臨，為現代中央銀行帶來機遇和挑戰。央行基于移動物聯網、智能終端等硬件基礎設施的支撐，充分應用大數據、機器學習、區塊鏈等金融科技，通過央行數字貨幣等產品的創新，以及存量數據整合、增量數據接入、數據治理夯實等手段的運用，可賦能其傳統職能更加高效精準。

數字浪潮洶涌澎湃，數字經濟蓬勃發展，數字時代已然來臨，中央銀行數字化自然也在其列。黨的二十大報告提出“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”的任務。2023年“兩會”后出臺的《黨和國家機構改革方案》，不僅進一步闡明數字經濟重要性，更指明金融監管改革的方向，意味著金融監管將更加權威、全面、穿透、嚴格。現代中央銀行作為最重要的金融監管部門，既要承接數字化變革和金融監管部門改革的政治任務，又要順應和面對金融科技的蓬勃發展和金融行業的數字化轉型，因此現代央行自身的數字化也已經箭在弦上。

形勢與挑戰

俄烏對抗欲戰還休，東西博弈愈演愈烈，央行環境動蕩起伏

俄烏沖突短期難以平息，大國博弈將會長久存在，地緣政治的復雜性、政治對抗的不確定性、經濟增長的波動性、外貿合作的艱巨性，制裁和反制裁、限制與反限制、包圍和突圍，都將成為當下及未來的新常態，這些都構成了央行施政布策的最大宏觀變量。一邊是美聯儲的加息、歐美的通脹、能源的緊張、技術的打壓；一邊是中俄的互信、中法的互惠、中歐的互動，保回暖、保增長、保民生。如此波詭云譎動蕩不安的國際時局，如此疫后重生百業待舉的國內企盼，這些復雜多變的外部環境都是央行預判新時代擔綱新使命所要面對的新情況。

風險事件此起彼伏，金融風險一觸即發，央行觀局嚴陣以待

近期美國硅谷銀行事件疊加瑞士瑞信事件，引發了一系列行業性的信心危機和流動性危機，也讓全球蒙上了一觸即發的全球性系統金融風險的恐懼陰影。縱然美聯儲等六家主要央行已經宣布協調行動，以增加常設美元互換工具的流動性供應。歐洲銀行業監管部門發文安撫市場，表示在風險事件發生時，股票將先于額外一級資本（Additional Tier 1，簡稱AT1）債券承擔損失。英國央行也表示，AT1債券將在償付順序上優先于股票投資者。但危機四伏如雷在側。雖然各國央行的快速反應暫時平復了當下短暫危機，但是歐美國家長期以來的經濟失衡和結構性、體系性的矛盾仍然在累積，風險的演化裂變絕非到此為止。他山之石可以攻玉，要深刻認識到任何單一金融市場主體的經營風險瞬間可以演化為系統性的連帶風險傳染到其他金融主體，進而蛻變成為系統性金融風險，累及國家安全。加之金融的國際化、全球化早已深入彼此，獨安一隅、獨善其身幾無可能。因此，央行的國際視野和國內視野更加需要縱橫貫通，城門失火的預防和補救策略更加需要統籌謀劃。

數字貨幣快速迭代，形態重塑顛覆傳統，央行職能技術進階

數字貨幣、加密貨幣快速演進迅猛迭代，對央行的貨幣政策職能產生了深遠的影響。首先，貨幣的創造方式已經從基于信用關系轉變為基于通證的價值形式，這導致央行貨幣的需求隨著加密數字貨幣的大量使用而減少。其次，數字貨幣支付方式的變化將可能影響央行貨幣政策的執行能力，其貨幣結算職能將被部分替代。因此，央行的貨幣發行與監管，如何借助技術的力量，更好駕馭和適配數字貨幣的發展應用，已成為重大課題。

“一帶一路”縱深發展，結算幣種日益多元，央行使命任重道遠

自2013年以來，“一帶一路”倡議已成為我國對外開放的重要戰略，該倡議的推進促進了沿線國家和地區的經濟聯系和合作。借此良機，央行一方面可以加速人民幣國際化的進程，另一方面也可以為“一帶一路”建設提供更多金融互惠安排、拓展投資渠道和豐富資金來源，從而吸引更多的國家和投資者參與其中，與人民幣國際化形成良好互動。近期，中國先后和俄羅斯、巴西等十幾個國家進行磋商達成協議，雙邊貿易采用兩國本幣或人民幣結算，人民幣國際化又邁出重大實質性步伐，央行使命任重道遠前景光明。

央行職能及其數字化賦能

央行的傳統職能，包括貨幣政策、支持實體經濟、金融監管、支付清算、金融市場、征信和反洗錢等，本文將從底層技術、基礎設施、產品創新以及數據治理等方面探究數字化如何賦能央行職能。

貨幣政策

制定和執行貨幣政策是央行最重要的職責之一，而這依賴于對經濟形勢的精準研判、對貨幣政策工具的恰當使用和對貨幣政策效果的持續監控。傳統央行的經濟研判是基于樣本數量有限的抽樣調查，難免會有由于存在抽樣偏差、統計時滯而導致判斷失真的情形。傳統貨幣政策工具相對有限，更加側重于通過信貸市場來影響貨幣總量，依靠總量估算或利率進行跟蹤回饋調整，政策效果具有一定不確定性。大數據和機器學習為此提供了技術可能，可以助力央行貨幣政策的精準性進一步提高。大數據和機器學習能顯著提升央行經濟研判與預測的全面性和時效性。首先就全面性而言，央行可以基于更大的數據集來研判經濟增長、通脹、失業率等情況，國外央行已經將互聯網數據納入分析范圍。據2018年高盛研究報告表明，美國消費者價格指數（CPI）計算過程中已有約15%的數據來源于互聯網價格數據。又如麻省理工學院開展的“十億價格項目”，通過每日收集互聯網價格數據，尤其是電商價格數據，可以獲得通脹實時情況，并進一步分析通脹的傳導路徑。另外，央行也不僅限于利用結構化數據，而是基于自然語言處理等技術，進一步分析非結構化數據。如英格蘭央行通過分析互聯網上找工作的頻率，一定程度上預測了失業率前景（Cavallo， et al.， 2016）。其次就時效性而言，央行可利用大數據顯著提升經濟研判的時效性。國外央行已經將基于大數據的即時預測模型作為經濟分析的主要工具。如紐聯儲在2020年疫情期間，通過鐵路、零售等大數據，得到美國經濟運行狀況的周度數據，為制定針對疫情的貨幣政策提供了有力支持。

大數據也同樣能夠改善對貨幣政策傳導效果的監測，從而依據反饋適時調整貨幣政策。對于發達國家而言，貨幣政策通常首先影響貨幣市場，隨后影響到債券市場、股票市場和信貸市場，因此貨幣市場是重要的監控對象。2017年，歐央行建立了基于大數據技術的貨幣市場統計報告數據集（MMSR），收集歐洲貨幣市場的有擔保、無擔保、外匯掉期和隔夜指數掉期4類交易數據，涵蓋歐元區52家頭部金融機構。歐央行基于MMSR數據，對資產購買計劃和歐元區基準利率改革進行定量評估，并及時調整政策，保證了經濟刺激計劃和利率改革的順利推進。對于中國而言，由于貨幣政策直接影響到信貸市場，因此信貸市場本身的監控更為重要。自2012年起，人民銀行開展了標準化的存貸款抽樣統計，針對全國5000家金融機構頂層支行，每月采集近1億筆存貸款產品信息，用以監測市場利率、貸款投向等。當前金融統計大數據已經能基本滿足人民銀行的監測分析，但未來隨著銀行業的數字化程度不斷加深，人民銀行的統計分析將可以從抽樣統計變為全量統計，這將更精確地反映貨幣政策的效果，也使得人民銀行的貨幣政策更加靈活高效。

支持實體經濟

支持實體經濟是央行的重要職能之一。傳統上，央行通過貨幣政策和利率等工具降低企業融資成本、拓寬融資渠道、鼓勵消費和投資，從而刺激實體經濟。當前實體經濟仍面臨著增信手段匱乏、普惠覆蓋面不足以及“數字鴻溝”等難題，央行可以通過充分利用現代信息技術基礎設施，例如移動物聯網和智能終端，來有效拓展金融服務渠道，大幅降低人力成本，并促進金融業務與生產生活場景深度融合，不斷提升金融支持實體的下沉深度和覆蓋廣度。

普惠和小微信貸方面，央行可通過政策鼓勵推廣數字技術的使用，從而提升普惠金融貸前調查與貸后管理效率，降低企業融資成本。例如，廣東農信為農戶放款，只需要大棚傳感器里的數據接入阿里云的服務器，就可以實時監測和估算信貸標的真實狀況，便捷性大幅提升。而且供應鏈與物聯網的結合還可以提高信息確認及核對的安全性和可靠性，可以極大地減少銀企信息不對稱，精準畫像和差異定價成為可能，真正助推小微企業基礎經營數字化、產業鏈條透明化、融資增信可視化，根本改善普惠覆蓋面和普惠資產質量。

鄉村振興方面，央行可借助金融科技手段助力農村金融業務發展。針對養殖戶、農戶等群體融資難的問題，通過衛星遙感、電子標簽等技術對林場、礦業、養殖活體、農作物信息建立融資檔案提供樣板示范；通過推廣線上應用程序（app）、線下智能終端、無人網點提供廣泛金融渠道；通過數據聯網貫通可以將經營權、農宅權、林權、地權實現統一確權和抵押登記從而增加融資增信手段；通過應用區塊鏈等新技術摸查企業上下游供應鏈訂單、合同、承兌匯票等信息，推進數據分析、智能風控等環節，助力發展農業供應鏈金融。

金融監管

央行的金融監管職能意義重大，旨在保障金融體系的安全穩定和金融市場的公平、公正、透明，促進經濟的平穩健康發展。但在履行該職能時也面臨一些困難：一是精準地評估系統性金融風險的難度在不斷增加；二是監管機構對風險分析和評估的準確性和預測能力受到有限數據信息的約束。而大數據方法具有即時、準確、低成本、大樣本量和高粒度等優勢，已成為提升系統性金融風險監測預警能力、改進宏觀審慎監管方式以及應對金融風險挑戰的新工具。

大數據方法的使用給系統性金融風險的監測和宏觀審慎監管帶來了三項積極賦能：

第一，它為監測和分析系統性金融風險提供了有別于傳統經濟和金融統計數據的新數據來源。央行可以應用機器學習、文本挖掘、網絡分析等手段來分析非結構化大數據，擴大監測系統性金融風險的信息范圍。例如，英格蘭銀行的尼曼（Nyman）等利用文本挖掘技術，從市場評論、研究報告和新聞中提取量化的匯總數據，構建了評估系統性金融風險的測量指標。他們發現，通過大數據技術獲得的測量指標與金融市場事件有較強的相關性，能夠反映金融危機發生前的市場情緒變化，這為傳統的系統性風險評估方法提供了有益的補充和延伸。

第二，大數據方法帶來了預測效果更好、可解釋性更佳的系統性金融風險預警模型。相比傳統計量模型，機器學習算法模型能更加有效地捕捉經濟金融變量之間復雜的非線性關系和相互影響，因此可以提供更高的預測精度。在對系統性風險進行識別的基礎上，大數據以及機器學習等底層技術還能對模型結果的重要影響因素進行分析，增強模型的可解釋性。英格蘭銀行學者蘇斯（Suss）和特雷特爾（Treitel）（2019）使用機器學習模型建立了銀行危機預警系統，王達和周映雪（2020）在此基礎上對風險識別結果進行了可解釋性分析，揭示了不同特征變量對系統性風險概率的貢獻度。此研究通過對黑箱模型的分解，提供了一種新的方式來理解機器學習模型的決策過程，有助于制定更加精準的風險管理策略。

第三，大數據技術采用更全面的視角來研究系統性金融風險傳染情況。網絡分析技術將金融系統視為一個由不同金融機構、金融部門和金融市場之間相互關聯的金融網絡，這有助于分析風險傳導機制路徑，也更加符合宏觀審慎監管將金融體系視為一個整體的思想。2016年，德國央行建立了大額信用登記數據庫（阮健弘，2021），所有數據均以逐筆的顆粒度記錄，從多個維度監測金融機構的關聯交易。通過分析金融機構的同業關聯性，該數據庫為及時提供市場風險預警提供了高頻數據服務。

支付清算

支付清算是央行的重要職能，我國央行支付清算的數字化已取得斐然成就。在國內支付清算方面，人民銀行建立了以大額支付系統和小額批量支付系統為核心的國內支付清算體系，實現了銀行存款的數字化，基本覆蓋了狹義貨幣供應（M1）和廣義貨幣供應（M2），但流動中現金（M0）仍以線下交易為主，在整體貨幣體系中還有部分盲區。在國際支付結算方面，人民銀行建立了以人民幣跨境支付系統（Cross-border Interbank Payment System，簡稱CIPS）為核心的跨境人民幣支付清算體系。但當前國際支付清算體系仍以美國主導的“環球銀行同業金融電訊協會”（Society for Worldwide Interbank Financial Telecommunications，簡稱SWIFT）體系為主，人民幣國際化剛踏上征程。

在數字化賦能方面，各國和地區的央行均積極開展了央行數字貨幣的研發，進一步優化央行的支付清算職能。央行數字貨幣以區塊鏈為底層技術，以分布式賬本的形式進行記賬和實時同步，從而構建起僅依賴于央行本身，而不依賴于其他任何中介機構的信任體系。除區塊鏈外，央行數字貨幣還使用了非對稱加密技術作為身份識別的基礎，以及智能合約技術作為靈活支付的前提。根據使用場景和使用人的不同，央行數字貨幣可分為零售型和批發型兩種，它們對國內和國際支付結算體系均會產生深遠影響。

中國的零售型央行數字貨幣在各主要經濟體中名列前茅，在國內支付清算方面也有相關應用。數字人民幣定位于M0，實現了現金的數字化，補全了國內支付清算體系數字化的最后一塊拼圖。中國在批發型央行數字貨幣方面也處于世界前列，積極探索跨境支付結算體系。我國參與的“貨幣橋”項目目前已成功試運行，在CIPS之外開辟了另一條跨境支付清算的技術路線，為突破美元霸權，促進人民幣國際化提供了新的可能性。“貨幣橋”基于各國央行各自的數字貨幣網絡基礎，疊加了一層走廊網絡，在充分尊重各國央行貨幣發行權的基礎之上，為各國貨幣的跨境流通提供了共同信任、統一便捷的交易場所，降低了跨境交易的參與門檻，顯著降低了代理銀行中介成本，進一步提高了跨境支付的結算效率。

金融市場

監督管理金融市場，規劃建設重要金融基礎設施是央行的重要職責。在人民銀行的整體規劃之下，我國的債券市場、貨幣市場、外匯市場、票據市場等已形成完備體系，登記、交易、清算等相關金融基礎設施已能滿足基本需求。而在金融行業數字化轉型大潮之下，各金融市場的數字化水平有望進一步提高，市場之間的互聯互通程度將更加改善，各金融市場服務實體經濟的效率將顯著提高，央行對各金融市場監管的有效性將大大增強。

央行可通過建設基于區塊鏈的票據市場基礎設施，構建去中心化的信任機制，有效提高票據市場的融資效率。首先針對票據的真實性，票據的發行方在發行之初可將票據相關信息記錄在區塊鏈上，借助區塊鏈無法篡改的特性，杜絕假票、克隆票魚龍混雜。其次針對兌付的即時性，交易參與方可借助區塊鏈的智能合約，將兌付相關前提條件以業務邏輯代碼的形式記錄在區塊鏈上，在條件滿足后區塊鏈將自動執行兌付，而不依賴于交易參與方的轉賬操作。最后針對違規交易行為，區塊鏈構建的去中心化的信任機制，可降低中介成本，因此一票多賣、出租賬戶等違規中介交易行為將得到有效遏制。

央行可建設基于區塊鏈的債券市場基礎設施，通過分布式的賬本，打通各分散市場的數據，最終實現債券市場的互聯互通。當前我國債券市場分為銀行間市場和交易所市場，不同債券的登記結算由中證登、中債登、上清所分別處理，造成了交易市場相對孤立，監管信息難以共享，跨市場交易難于實現。借助區塊鏈技術特點，分階段實現統一的信息共享披露，實現債券的全局統一登記確權，實現統一的交易功能，為分散割裂的債券市場實現互聯互通整合提供了漸進式的技術路徑。

征信

征信是央行的重要職能之一，是指央行或其委托的機構，通過收集、整理、分析個人和企業信用信息，形成信用報告，為金融機構、企業和個人提供信用評估、風險控制和決策支持等服務。大數據技術將賦能征信，使其覆蓋面和應用面得到空前提升，其重要度將受到更廣泛的關注和重視。

數據范疇方面，傳統征信數據通常只涵蓋借貸領域，而大數據征信主要依靠獲取信息主體在線上的行為數據，而此類數據更能反映企業和個人的經營狀況、個性特征、消費習慣等深層次的行為特征，因此對信息主體信用狀況的推斷畫像將更加全面客觀。覆蓋人群方面，隨著互聯網的不斷普及，征信數據的來源渠道和范圍日益擴大，數據采集成本逐步降低，因此大數據征信能夠覆蓋沒有信用記錄的用戶，并利用他們在互聯網上留下的信息痕跡進行信用評估。評估主體方面，由于各機構數據來源、數據內容和模型思路各有不同，對人或企業的差異化特性進行評估的專業角度會更加豐富多元，而大數據征信完全可以海納百川博采眾長。場景來源方面，征信來源可以不僅局限于借貸領域，還可以廣泛來源于諸如租賃、預訂、合同、交易、授權等各種現實履約場景。

反洗錢

央行還負責制定和實施反洗錢政策。隨著洗錢手段的日益復雜和金融交易數據的不斷增長，傳統的反洗錢技術已經難以滿足需求，而機器學習和生物識別等技術逐漸成為一種有效的解決手段。

機器學習是一種基于數據的自動化學習方法，通過對大量歷史數據進行學習和分析，從中提取有用的規律和特征來建立模型，進而實現可疑交易的自動監測和識別。生物識別技術是一種利用人體生物特征進行身份驗證的技術，具有不易偽造、不易盜用、便攜易用等優點，可有效用于金融機構客戶身份驗證和交易確認，有效簡化認證流程，大幅提升準確性和安全性，可有效預防洗錢行為。此外，身份識別技術可與大數據技術進一步融合，基于模型分析結果及時啟用多種智能身份核驗手段，提升洗錢風險實時管控效能。

機器學習模型和生物識別技術可從三個方面賦能央行反洗錢職能：一是提升反洗錢監管效率，緩解海量交易數據給金融機構帶來的人力成本壓力，降低操作風險敞口。二是提高反洗錢監測的精準性。基于專家經驗及歷史數據，訓練優化監測模型，使洗錢風險識別不易受外部因素干擾，既可比人工分析更加精準，也可有效防范操作風險與道德風險。三是提升反洗錢監管的前瞻性。通過對機器學習智能模型的持續訓練和優化，可預見未來可能發生的可疑交易，改善反洗錢滯后性和被動性的管理局面。

結論

數字時代已然來臨，為現代中央銀行帶來機遇和挑戰。央行基于移動物聯網、智能終端等硬件基礎設施的支撐，充分應用大數據、機器學習、區塊鏈等金融科技，通過央行數字貨幣等產品的創新，以及存量數據整合、增量數據接入、數據治理夯實等手段的運用，可賦能其傳統職能更加高效精準。

在貨幣政策方面，大數據和機器學習能顯著提升央行經濟研判與預測的全面性和時效性，同時能夠改善對貨幣政策傳導效果的監測，從而提升貨幣政策的有效性。在支持實體經濟方面，央行通過嫁接移動物聯網、大數據、衛星遙感等技術在商業銀行的運用，可有效提升金融對普惠、小微和鄉村振興等實體經濟領域的支持力度。在金融監管方面，大數據使得央行可獲得更廣泛的數據源、更精確的人工智能模型和更細致的風險傳染鏈條視角，從而使宏觀審慎監管更加縝密精準。在支付清算方面，央行數字貨幣可有效提升國內和國際支付清算效率，為人民幣國際化提供了渠道動能。在金融市場方面，央行可借助區塊鏈技術整合各分散金融市場實現互聯互通，以提高各金融市場的交易效率。在征信和反洗錢方面，大數據征信和基于機器學習的反洗錢的監管效能將顯著提升。

（宋首文為中國銀行企業級架構辦公室資深經理。本文編輯/王茅）