金融科技的风险和数据治理问题
金融科技公司凭借大数据及算法优势介入金融业务，其面临的风险首先是数据治理方面的风险，包括垄断问题和算法伦理问题；其次是金融业务方面特有的信用风险问题和系统性风险问题。
平台科技巨头的垄断问题
数据作为一种新的生产要素，已经成为数字经济时代最重要的资源。数据若运用得当，将产生巨大的经济价值。这一点体现在两方面：一是减少信息不对称，降低交易成本；二是促进新商业模式的创新，催生生产和消费变革。与传统的生产要素不同，数据具有“非竞争性”，可以无限复制、重整组合、拓展应用，因此可以带来规模效应，促使边际收益递增，提高长期经济增长率。然而，在提升效率、促进创新的同时，数据治理问题也给各国带来了严峻的挑战。
平台型业务具有明显的规模效应和网络效应，数据市场也具有自然垄断的特征。当前，全球针对科技巨头的反垄断监管持续趋严，欧美等众多司法辖区频频发起针对平台型科技巨头的反垄断调查；我国政府强调“反垄断和防止资本无序扩张”，国内平台经济领域也出现了一些标志性的反垄断诉讼和反垄断执法调查。
平台反垄断监管有两个视角：一是市场结构；二是市场行为。从市场结构看，首先是要合理界定相关市场，进而判断平台经营者是否拥有市场支配性地位。从市场行为看，在于识别滥用市场支配性地位的行为。理解市场结构是判断市场行为的前提。但从全球反垄断的实践看，重点不在于市场结构，而在于市场行为。
由于金融业务涉及公众利益，各国均明确要求持牌经营。从市场结构角度看，对互联网金融相关市场的界定，以及对市场支配性地位的认定不构成反垄断监管的难题。反垄断的焦点，在于甄别和禁止滥用市场支配性地位的不当竞争行为。
从反垄断立法的角度看，平台科技企业的不当行为包括：一是与滥用市场支配性地位相关的价格行为，如价格欺诈、掠夺性定价、拒绝交易、限定交易、捆绑销售、差别待遇等；二是旨在排除或限制竞争的横向和纵向垄断协议，如价格串通、市场分割、算法合谋等；三是旨在消除竞争对手的经营者集中行为，如掠夺式的收购行为等。现实中，平台金融科技公司的一些行为，可能已经构成反垄断监管认定的不当行为，引起了社会各界的广泛关注。
平台金融科技公司的伦理问题
平台金融科技公司因服务对象涉及大量不特定的自然人，收集和处理大量行为数据，触及人的隐私和数据安全，因此引发了大量与人相关的社会伦理争议。
一是个人隐私保护问题。这既是社会伦理问题，也是大数据治理的核心关注点。金融科技公司在信息收集、处理和使用过程中都可能涉及个人隐私，需要引起高度重视。现实中，金融科技公司存在未经授权收集个人信息、过度收集个人信息、过度暴露以及侵犯个人隐私的倾向。很多人工智能系统，在深度学习过程中需要大量的数据来训练学习算法，如何保护个人隐私成为国内外普遍关注的问题。一方面，深度学习过程中使用敏感数据可能会对个人隐私造成伤害；另一方面，地下数据市场的频繁交易，给个人信息安全带来了巨大隐患。
二是过度负债与过度消费问题。普惠金融主要是为小微企业和农户的生产性融资需求提供支持，即“授人以渔”。但在具体实践中，金融科技公司的信贷业务，很多是面向低收入群体甚至是无收入群体，即“授人以鱼”。这就可能诱导过度负债、超前消费，典型例子如校园贷、现金贷，以普惠金融为名，存在未对客户进行充分评估，向实际收入低、还款能力弱，却又喜好通过借贷实现超前消费的群体提供信贷的现象，违反了适度负债、合理消费的金融价值观，导致过度负债、过度消费的问题，甚至可能诱发共债风险。特别是较高的利率给不具备还款能力的群体造成沉重的债务压力，形成巨大的债务陷阱，加上不规范甚至恶劣的催债行为，有可能不断加剧社会矛盾，引发社会争议。
三是算法权力与算法歧视问题。金融科技公司基于海量用户的替代数据（即银行等传统金融机构掌握用户的负债、还款履约等数据，这些数据是核心的金融相关数据；金融科技公司掌握用户的购物、出行、资讯阅读等行为数据，这些数据在满足一定条件时同样能够对用户的风险偏好进行刻画，因此把这些数据称为替代数据），通过大数据算法深度计算分析消费者的行为习惯、性格爱好、经济条件等，实现对消费者的精准画像，进而匹配符合其最大偏好和意愿的金融产品，达到“千人千面”的个性化服务。这在一定程度上满足了用户更深层次的金融需求，但同时也形成了一种新型权力形态——“算法权力”，即金融科技公司运用大数据算法引导甚至操纵用户的需求与决策。算法的“茧房效应”也可能误导客户或造成客户对平台的依赖。另外，金融科技公司的算法可能存在预设的偏见。人文社会中所关注的种族、性别、年龄、宗教等歧视问题，可能会被无意或有意地嵌入算法程序之中。算法本质上是以数学方式或者计算机代码表达的意见，用非人格的技术性手段承载了人文社会的价值观，设计者和开发者的偏见可能被嵌入算法系统，隐藏于算法黑箱之中。
平台金融科技公司的信用风险
根据发生的概率，金融机构的信用风险损失可以分为三个渐次递进的部分：一是预期损失，发生的概率最大，金融机构通过风险收益配比原则，内化于产品的定价之中，比如信贷产品中的利率；二是非预期损失，发生的概率较小，主要由金融机构计提拨备和资本金承担；三是极端损失，发生的概率极小，超出了金融机构个体的承受范围，风险外溢可能冲击金融稳定，需要由公共资金例如财政救助。
平台金融科技公司进入信贷市场后，如何改变风险分布曲线的形态，值得关注。理论上，金融科技公司的信贷风险与传统金融的信贷风险可能存在三点不同：一是风险分布的“肥尾”问题，平台公司主要服务尾部客户，可能导致风险分布的肥尾特征更加突出；二是风险变化的非线性特征，尾部客户的风险承担能力较弱，缺乏独立的风险判断能力，在平台逻辑或相关资讯的引导和影响下，可能具有更加明显的“羊群效应”，在经济环境发生非预期变化时，可能导致群体性社会事件；三是风险损失的补偿机制失衡，金融科技平台介入信贷市场的细分环节，风险损失的补偿和承担机制可能出现错配，特别是金融科技公司的资本不足可能导致风险过早外溢，将风险转嫁至公共部门。
目前，金融科技公司的消费信贷和小微贷款的不良率水平相对较低，有一定的误导成分。一是由于监管要求不同，消费信贷不良可以快速处置出表，不良率指标并不能观察信贷风险质量的全貌；二是短期内消费贷、小微贷规模迅速扩大，信贷质量模型还没有经历长周期的检验；三是由于“数据孤岛”现象的存在，共债风险隐患挥之不去。
平台金融科技公司的系统性风险
近年来，全球金融监管改革的重点聚焦于具有系统重要性的金融机构，防止出现“大而不能倒”的现象。金融体系的系统性风险，源于金融机构具有外部性，个别金融机构引发的危机可能会辐射整个金融系统，导致人们对金融机构产生信任危机，引发金融市场的不稳定，进而对实体经济造成严重的负面后果。
金融科技创新不断催生出新的商业模式、应用场景、业务流程以及金融产品，分工细化使得平台机构之间、平台与传统金融机构之间、金融机构与实体经济之间的联系更加紧密，各种风险因素很容易通过平台机构与其他市场参与者之间复杂的联系而快速传播，显著提升了系统性风险发生的可能性。
总体上，金融科技可能引发的系统性风险源于以下三个方面：一是平台企业本身已经成长为具有系统重要性的金融机构，例如在第三方支付领域和联合贷款领域；二是部分中小金融机构过度依赖平台企业的节点式技术服务，使得平台金融服务具有较强的风险扩散路径；三是金融科技公司本身严重依赖于数据和算法模型，当数据安全或算法错误时，也可能引发系统性金融风险。
可见，平台金融科技公司的系统性风险与其业务的节点特性和技术特征相关，既有来源于传统金融的风险，又有来源于技术领域的风险。此外，金融科技巨头服务的长尾客户群体数量庞大，单体金额较小，交易发生频率较高，期限相对较短，这部分客群对金融产品潜在的风险理解不深，对风险定价不敏感，刚性兑付的信仰明显。因此容易出现“羊群效应”，极易受到虚假信息和不当舆论的煽动，引发重大社会事件。这可能是金融科技公司系统性风险的特殊表现形式，需要引起重视。
从防范系统性风险角度来看，需要特别关注平台金融风险的跨市场、跨行业的产生机制和传播路径。金融科技公司的客群规模和商业模式特性，决定了平台机构的风险传导具有不同于传统金融机构的新特性，宏观审慎监管任重而道远。