本文共字，预计阅读时间。

人工智能正深刻改变金融业的风险定价、信贷配置和压力应对方式，日益嵌入金融体系的决策架构。对中央银行和金融监管机构而言，核心挑战在于：如何引导AI的治理，使其巩固而非削弱金融稳定。

当前，三个优先事项尤为突出：

• 加强对AI驱动的交易、信贷和监管科技（SupTech）的监督与治理；
• 提升对AI使用情况、依赖关系及资产相关性的可见度，尤其关注因策略趋同带来的同步交易风险；
• 深化在运营韧性和网络防御领域的国际合作。

AI在金融领域压缩了时间与空间。交易、信贷决策和监管分析正加速走向实时化，这改变了冲击的传导方式，也缩短了风险演变为系统性问题的时间窗口。因此，维护市场功能、金融稳定和运营韧性的责任，正与AI政策及治理选择日益交织。

交易与信贷：效率与共振并存

在主要资本市场，AI已深度融入交易和投资活动。机器学习模型生成高频信号，生成式AI实时解析财报电话会、监管文件和财经新闻。目前，AI的影响更多表现为渐进演进而非颠覆性突破，但在大型投行、资管机构和对冲基金中，其应用步伐正在加快。

正常市场条件下，AI的效应总体积极：AI驱动的执行有助于改善流动性、降低交易成本、加速价格发现。在信贷市场，用于消费贷和小微企业贷款的AI模型强化了欺诈识别能力，并拓宽了风险评估的数据基础。

然而，在压力时期，同样的特性可能放大风险——AI会让市场反应更快、联动更紧。国际货币基金组织（IMF）的分析显示，部分AI策略基金的调仓速度远快于传统策略，当众多模型对相似信号作出同步反应时，会加剧市场波动。羊群效应并非新现象，但AI可能改变其运行方式。未来的闪崩，或许更多源于大量AI系统对同一信息的并行响应，而不再仅仅是代码错误。

透明度不足给监管部门带来额外难题。即便是成熟的金融机构，也可能难以解释AI策略在压力下的行为逻辑，这使得央行和监管者更难及时察觉风险苗头，也更难诊断市场失灵的原因。

政策需要迎头赶上。央行和金融监管机构需更密切地监测AI驱动策略，梳理相关风险，并确保压力测试能够覆盖AI决策的速度、规模及其交互影响。在传统的资本与流动性缓冲仍为金融韧性基石的前提下，加强对AI采用情况、模型依赖度和市场敞口的数据收集与分析，将成为重要补充。围绕关键模型的使用提升透明度，有助于当局识别系统性脆弱环节。

长期来看，治理良好的AI有助于减少人为偏差、丰富决策视角。但要实现这一红利，必须围绕模型风险和用途透明度建立强有力的保障机制。

基础设施与运营：警惕集中依赖

AI也在重塑金融体系的运营核心。银行正越来越多地将AI部署于中后台及风险管理职能，将原本数天的流程压缩至实时完成。金融基础设施——如交易所、清算所和支付系统——在交易量和复杂度上升的背景下，可能借助AI进行系统监控和异常识别。

主要风险源自关键服务的集中化和共同依赖。许多AI应用依赖于数量有限的云服务商、数据商或模型供应商。尽管这些依赖关系在单个机构层面可能不易察觉，却可能累积为显著的系统性脆弱点——一旦关键供应商出现技术故障、网络攻击或地缘政治冲击，可能同时波及大量机构。

包括欧洲央行和英国央行在内的多家监管机构，已将运营韧性框架扩展至覆盖关键第三方服务商，其中明确纳入AI和云服务供应商。央行和金融监管机构需要绘制全系统范围的AI相关依赖图谱，为关键供应商设定最低韧性标准，并针对同时中断情景制定应急预案。

同时，政策选择本身也可能加剧集中风险。如果监管框架在事实上偏向少数经认可的AI提供商，或鼓励机构趋同于相似的商业模式和工具，就可能增加共同依赖和关联性失灵的概率。当局需在依赖已知且评估充分的供应商带来的便利，与过度集中和同质化引发的系统性风险之间，审慎权衡。

风险管理与监管科技：辅助而非替代

AI也在改变央行和监管机构履行职能的方式。监管科技（SupTech）正被用于加强市场监测、识别新兴风险和精准配置监管资源。法国、葡萄牙、德国、日本等国的央行和监管机构已运用机器学习分析证券和衍生品数据以发现异常；美联储、欧洲央行和加拿大银行则利用自然语言处理技术，对监管报告和消费者投诉进行文本分析，捕捉风险苗头。

随着金融体系日趋复杂，监管科技有望提升时效性、覆盖面和分析深度。但这也带来了治理挑战。AI虽有助于缓解人力不足，但其本身所需的专业知识极为稀缺，在新兴市场尤为突出。监管者需强化自身技术能力，以评估日益复杂的AI系统，并可能需要借助专门的外部机构。模型风险和过度依赖自动化输出，可能形成盲区——尤其是在系统在压力环境下表现不佳时。

因此，多家监管机构已明确一项原则：AI应增强监管判断，而非取代它。随着监管科技日益普及，政策框架需要嵌入稳健的治理机制、可解释性要求和人工监督，同时加大对监管能力的投入。

AI加持的网络威胁：从运营风险到宏观关切

生成式AI正急剧提升网络攻击的速度、规模和复杂程度。网络钓鱼愈发逼真，欺诈手段实时演化，漏洞从被发现到被利用的时间差不断缩短。这使得金融机构应对威胁的响应窗口越来越窄。

对央行和监管者而言，这些威胁已不再仅仅是运营层面的问题。当AI强化了攻击者的能力，网络韧性正上升为宏观金融关切。

国际清算银行的一项调查显示，大多数央行已在采用或计划采用生成式AI进行威胁检测与响应，但同时承认，同样的工具也增强了攻击者的手段。日本当局已与主要机构合作，评估应对AI驱动型网络风险的准备情况；七国集团的相关工作也指出，AI赋能的网络威胁是各国共同的脆弱点，需要协同应对。

政策方向清晰明确：央行和金融监管机构应强化对网络韧性的预期，开展涵盖AI赋能场景的全系统演练，并加强威胁与防御信息共享。在清晰的边界内投资于防御性AI，将是与不断演变的攻击手段保持同步的关键。

塑造有利于稳定的AI之路

如今，AI已成为跨越市场、机构、基础设施和监管各个层面的金融稳定议题。在一个AI赋能的金融体系中，稳定性将不再取决于某单一模型，而更多取决于治理其使用的制度、激励和保障措施。IMF可通过监督、金融部门评估和能力建设，帮助各国识别新兴脆弱性、分享实践经验，并制定合理的政策框架。

如果政策制定者能及早且协同行动，AI有望加固全球金融韧性；反之，未来的不稳定或许会来得更快、共振更强，也比以往任何时期都更难应对。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意