空

矛与盾 ———金融科技与监管科技 赵大伟 袁佳 著

责任编辑: 方 蔚 董梦雅 责任校对: 刘 明 责任印制: 丁淮宾 图书在版编目 (CIP) 数据 矛与盾: 金融科技与监管科技 / 赵大伟, 袁佳著 . —北京: 中国金融出版 社, 2021. 9 ISBN 978-7-5220-1308-4 Ⅰ. ①矛… Ⅱ. ①赵… ②袁… Ⅲ. ①金融—科学技术—研究—中国 ②科学技术—应用—金融监管—研究—中国 Ⅳ. ①F832 中国版本图书馆 CIP 数据核字 (2021) 第 178722 号 矛与盾———金融科技与监管科技 MAO YU DUN———JINRONG KEJI YU JIANGUAN KEJI 出版 发行 社址 北京市丰台区益泽路 2 号 市场开发部 (010)66024766, 63805472, 63439533 (传真) 网 上 书 店 www. cfph. cn (010)66024766, 63372837 (传真) 读者服务部 (010)66070833, 62568380 邮编 100071 经销 新华书店 印刷 河北松源印刷有限公司 尺寸 169 毫米×239 毫米 印张 13. 25 字数 174 千 版次 2021 年 10 月第 1 版 印次 2021 年 10 月第 1 次印刷 定价 58. 00 元 ISBN 978-7-5220-1308-4 如出现印装错误本社负责调换 联系电话(010)63263947

序 言 近年来, 随着信息技术在金融领域的深入应用和跨界融合, 金融科技得到快速发展与广泛应用。 这给我们带来一个重要启示: 技术性因素将为现代金融业的发展带来根本性的变革, 其在极大 地提升金融效率的同时, 对匹配信息和解决相互信任等金融业的 核心问题产生了冲击, 并由此迫切需要通过信息技术提升金融监 管能力和监管效率, 有效保障金融安全。 这正是本书所希望阐述 的核心要义: 金融创新之 “矛” 与金融安全之 “盾”。 从历史视角看, 金融是科技密集型行业, 金融业发展与科技 创新密切相关。 金融机构利用技术进步, 不断优化业务模式, 改 造业务流程, 提升业务效率, 降低业务成本, 提高盈利空间。 同 时, 技术进步又会催生出一批新的金融业务模式、 产品和服务, 深刻地影响着金融服务的供给方式, 为金融发展提供新的创新活 力, 但同时也会带来新的风险隐患和监管挑战。 一方面, 金融科技的发展, 推动金融业务流程不断调整优化, 跨行业、 跨市场的金融产品日益丰富, 不同类型金融资产的转换 更加高效, 将金融资源更加高效地配置在经济社会发展的重点领 域和薄弱环节, 构建服务更加精准化、 手段更加科技化、 主体更 加负责任、 模式更加可持续的普惠金融体系, 满足实体经济多元 化金融需求, 提升金融服务质效。

002 \ 矛与盾———金融科技与监管科技 另一方面, 科技在金融行业的快速发展与普遍应用也带来了 一系列风险问题。 技术风险依然存在, 大数据、 人工智能等信息 科技尚不完善且未经过一个完整经济周期的检验, 是否会带来新 的风险尚未可知; 金融消费者个人信息被过度采集、 信息泄露风 险放大等问题不容忽视, 金融消费者权益保护面临更严峻挑战; 科技企业 “跨界” 提供金融服务在加速金融服务主体多元化的同 时, 也使得金融服务边界越发模糊, 使金融风险更加隐蔽复杂, 传播范围更广, 传播速度更快, 导致金融系统整体脆弱性增加, 系统性金融风险爆发概率上升, 金融监管面临挑战。 鉴于此, “以 科技改善监管、 以科技防范风险” 理应成为当前金融监管机构应 对金融科技所带来监管挑战的重要路径。 赵大伟博士和袁佳博士的新书介绍了金融科技、 监管科技发 展的技术基础、 实践应用以及由此衍生出来的数据隐私保护、 数 字货币等问题的理论探讨, 梳理了相应的国际经验及全球最新发 展态势, 并就相关问题提出了作者自身的鲜明观点, 是对当前金 融科技、 监管科技研究的有益探索和学术贡献, 展现了作者在此 领域的深厚研究功底, 也希望两位青年学者能再接再厉, 再出 佳作! 2021 年 8 月

目 录 上篇: 金融创新之 “矛” ———金融科技 第一章 金融科技的内涵及表现形式………………………………………… 3 第一节 金融科技的内涵………………………………………………… 3 第二节 “A” ———人工智能在金融领域的应用 ……………………… 6 第三节 “B” ———区块链在金融领域的应用 ………………………… 12 第四节 “C” ———云计算在金融领域的应用 ………………………… 18 第五节 “D” ———大数据在金融领域的应用 ………………………… 20 第二章 金融科技对传统金融业态的影响 ………………………………… 24 第一节 金融科技与银行业发展 ……………………………………… 24 第二节 金融科技与证券业发展 ……………………………………… 33 第三节 金融科技与保险业发展 ……………………………………… 38 第四节 金融科技对金融业发展的意义与挑战 ……………………… 41 第三章 大型科技公司对金融业的影响与挑战……………………………… 47 第一节 大型科技公司的特征与兴起 ………………………………… 47 第二节 大型科技公司对金融业的机遇与作用 ……………………… 51 第三节 大型科技公司的潜在风险与挑战 …………………………… 55 第四节 如何审视对大型科技公司的监管 …………………………… 60 第四章 如何看待数字货币的兴起与发展 ………………………………… 66 第一节 多维度看数字货币的发展 …………………………………… 66 第二节 数字货币的货币职能与属性 ………………………………… 69 第三节 各国对数字货币的态度 ……………………………………… 75

002 \ 矛与盾———金融科技与监管科技 第五章 如何看待金融消费者权益保护 …………………………………… 81 第一节 当前金融消费者保护面临的 “痛点” 问题 ………………… 82 第二节 全面保障金融消费者权益的政策建议 ……………………… 85 下篇: 金融安全之 “盾” ———监管科技 第六章 监管科技的缘起 …………………………………………………… 93 第一节 监管科技的萌芽与起源 ……………………………………… 94 第二节 监管科技发展的动因分析…………………………………… 101 第三节 监管科技的概念与内涵……………………………………… 106 第七章 关于监管科技基本理论问题的探讨与辨析……………………… 117 第一节 监管科技几个基本理论问题………………………………… 117 第二节 监管科技仍然无法解决的问题和面临的发展难题………… 121 第八章 他山之石———监管科技国际实践………………………………… 125 第一节 美国监管科技实践…………………………………………… 125 第二节 英国监管科技实践…………………………………………… 137 第三节 新加坡监管科技实践………………………………………… 147 第四节 监管科技发展的国际经验对我国的启示…………………… 164 第九章 中国监管科技发展与实践………………………………………… 170 第一节 中国人民银行监管科技发展与实践………………………… 170 第二节 中国银行保险监督管理委员会监管科技发展与实践……… 179 第三节 中国证券监督管理委员会监管科技发展与实践…………… 181 第四节 地方金融监管机构监管科技发展与实践…………………… 182 第五节 我国监管科技发展过程中存在的问题分析………………… 186 第六节 监管科技视角下强化金融监管能力的政策建议…………… 189 参考文献……………………………………………………………………… 196 后 记………………………………………………………………………… 203

空

空

第一章 金融科技的内涵及表现形式 / 003 第一章 金融科技的内涵及表现形式 第一节 金融科技的内涵 金融科技 (Financial Technology, 以下简称 FinTech) 是通过现代信息技 术, 将数据、 技术和金融联结起来, 并形成新的金融服务、 组织和模式。 2016 年, 全球金融稳定理事会 (Financial Stability Board, FSB) 将金融科技 定义为 “技术带动的金融创新”, 是对金融市场、 金融机构以及金融服务供 给产生重大影响的新业务模式、 新技术应用、 新产品服务等, 既包括前端 产业, 也包括后台技术①。 中国人民银行公布的 《金融科技 (FinTech) 发展 规划 (2019—2021 年) 》 中将金融科技定义为 “技术驱动的金融创新”。 一、 金融科技涉及的主要技术类型 从技术角度看, 金融科技主要包括 “ABCD+I” 五大类, 即 “A” 人工 智能 (Artificial Intelligence), “ B” 区块链 ( Blockchain), “ C” 云计算 (Cloud Computing), “D” 大数据 (Big Data), “ I” 互联网技术 ( Internet Technology)。 其中, 已成熟很久的互联网技术是金融科技的基础, 而人工 智能、 区块链、 云计算和大数据等都是近年来出现的新技术, 都曾出现在 ① https: / / www. fsb. org / work-of-the-fsb / financial-innovation-and-structural-change / fintech / .

004 \ 矛与盾———金融科技与监管科技 Gartner 发布的 “新兴技术成熟度曲线” 中①, 随着大数据技术和云计算技 术的成熟和商业化应用, 以及区块链技术进入膨胀期, 目前这三项技术已经 不再出现在 Gartner 2019 年的 “新兴技术成熟度曲线” 中 (见图 1-1)。 图 1-1 2019 年新兴技术成熟度曲线 (资料来源: Gartner) 从在金融领域的具体应用看, 金融业发展史本身就是一部技术应用创 新史, 基于交易的频繁性和信息的密集性, 金融与信息技术之间有着天然 的高度融合属性, 在科技创新应用方面, 金融机构是积极推动者, 也是直 接受益者。 金融科技可广泛应用于投融资、 保险、 风险管理等各个方面。 据统计, 2019 年全球金融科技领域融资规模约为 2015 年的 2 倍。 同时, 2015—2019 年, 金融科技领域的中后期融资笔数占比持续上升, 部分优质 ① Gartner 每年发布 “新兴技术成熟度曲线” (The Hype Cycle), 提供了各种新技术、 应用的 成熟程度和运用情况的图表说明, 根据分析和预测来推断各种新技术达到成熟所需的时间, 以及这 些新技术所处的发展阶段。 曲线包括五个阶段: 技术萌芽期 ( Innovation Trigger)、 期望膨胀期 (Peak of Inflated Expectations)、 泡沫破裂低谷期 (Trough of Disillusionment)、 稳步爬升复苏期 (Slope of Enlightenment) 和生产成熟期 (Plateau of Productivity)。

第一章 金融科技的内涵及表现形式 / 005 企业发展稳健, 初具市场化规模。 同期, 全球金融科技采纳率从 16%增至 60%①, 显示出金融科技产品和服务供需显著增加, 企业技术研发成果加快 市场转化, 带动金融业务日益智能化 (见图 1-2)。 图 1-2 2015—2019 年全球金融科技各阶段融资笔数占比变化 (资料来源: CB Insights) 二、 金融科技市场的参与主体 金融科技市场是一个高度动态的市场, 其参与者主要有四类②: 一是初创和新兴企业, 主要是指那些处于技术研发早期阶段的企业, 典型的金融科技初创企业致力于尝试找出金融服务领域的 “痛点”, 即一些 现有的解决方案做得不好或根本做不到的环节, 寻求提供极致的技术补救 措施, 如生物识别技术和大数据服务。 初创企业的商业模式, 或是直接向 客户提供服务 (To C), 或是向现有的金融机构提供外包服务 (To B)。 二是大型科技公司 (BigTech), 是指新进入金融服务市场的大型互联网 平台型科技企业, 它们的初始业务领域可能是电商、 社交、 娱乐或电信行 ① ② 指被调查消费者中使用两项或两项以上金融科技服务的比例。 数据来源: 安永 (中国) 企 业咨询有限公司 . 2019 年全球金融科技采纳率指数 [R]. 2019. 中国财富管理 50 人论坛, 清华大学五道口金融学院联合课题组 . 平台金融科技公司监管研 究 [R]. 2021.

006 \ 矛与盾———金融科技与监管科技 业, 在业务发展过程中迅速积累了庞大的客户群体。 它们从这些特定的客 户关系中囤积了大量数据, 在逐利的驱动下, 开始寻求利用这些数据为现 有客户提供金融服务的方式。 大型科技公司通过算法形成对客户的选择和 偏好的认知, 可能比传统的金融机构丰富细致得多。 最初, 科技巨头可能 会向金融机构出售数据, 或成为金融机构的销售渠道; 之后, 它们会倾向 于自己提供金融服务, 实现流量变现。 此外, 这些公司通常还可以作为传 统金融机构的云服务/ 技术服务的提供商。 三是金融机构, 主要是指传统的持牌机构, 在大型科技公司的竞争压 力和用户行为改变的推动下, 不断运用新的技术以提升金融服务的效率, 改善客户的体验。 传统金融机构在业务的驱动下, 致力于以金融科技转型 为方向, 在人才队伍和技术研发上投入巨资, 以适应金融科技市场的快速 变局。 四是监管部门, 既是金融市场的监管者, 也是金融科技市场的参与者。 监管部门在金融科技的基础设施建设方面具有不可推卸的责任, 包括支付 系统、 数字货币和征信系统。 监管科技 (RegTech) 将数字技术运用于合规 监控和审慎监管, 致力于实现金融监管的数字化和自动化, 提高监管质量 和效率。 与此同时, 监管部门在金融科技创新过程中, 必须具备金融科技 的前沿知识和拥有一支能适应技术环境快速变化的专业人才队伍。 第二节 “A” ———人工智能在金融领域的应用 一、 何谓人工智能 人工智能是指用计算机系统模拟人类的思维过程和智能行为 (如学习、 推理、 思考、 规划等) 的科技。 由于其具有工作稳定性高、 能降低操作风

第一章 金融科技的内涵及表现形式 / 007 险和道德风险、 提高决策和交易效率等特点, 在金融领域获得越来越多的 重视。 目前, 部分已成熟的人工智能技术应用, 如 AlphaGo、 人脸识别等, 都是以解决特定问题、 完成单一目的为目标的具体应用, 不能同时拥有深 度 (能否有效解决问题) 和广度 (解决哪些问题) 。 在大部分行业, 包括 金融领域, 人工智能的应用程度较低, 人工智能技术与特定金融场景的融 合还处于早期探索阶段, 目前运用在金融领域的技术主要包括机器学习、 语言处理、 生物识别、 知识图谱等。 当前, 传统金融机构主要是从服务智 能的角度, 通过购买智能金融技术服务公司产品或与科技公司合作的方 式, 试图提升服务效率、 体验或提高用户黏性, 比如智能营销、 智能投 顾、 智能客服和智能风控等, 有 “ 智能” 元素, 但距离 “ 人工智能” 尚 远, 服务的深度还有待提高, 从服务智能到决策智能还有很长的路要走 (见表 1-1) 。 表 1-1 互联网巨头积极寻找人工智能落地场景 公司 个人 助理 搜索 无人 驾驶 医疗 云 服 务 游戏 家居 电商 金融 车载 可穿戴 设备 社交 其他 行业 差异化 布局 Google √ √ √ √ √ √ √ √ √ √ 全面发力 Microsoft √ √ √ 关注 通 用 技 术, 以 及 利用 人 工 智 能 技 术 提 升微 软 系 列 产 品 的 用 户体验 Apple √ √ √ √ √ 利用 人 工 智 能 技 术 提 升苹 果 系 列 产 品 的 用 户体验 Amazon √ √ √ √ √ √ √ 重点 关 注 智 能 家 居、 云服 务、 电 商 及 传 统 零售业的改造

008 \ 矛与盾———金融科技与监管科技 续表 公司 个人 助理 搜索 无人 驾驶 医疗 云 服 务 游戏 家居 电商 金融 车载 可穿戴 设备 社交 其他 行业 差异化 布局 Facebook √ √ √ 利用 人 工 智 能 技 术, 提升 Facebook 系 列 应 用的用户体验 百度 √ √ √ √ √ √ √ √ 全面发力 腾讯 √ √ √ √ √ √ √ 打造 基 于 用 户 体 系 的 软硬 件 服 务 型 人 工 智 能生 态, 重 点 关 注 社 交、 家 居、 游 戏、 医 疗等领域 阿里巴巴 √ √ √ √ √ √ √ 以阿 里 云 为 基 础 的 人 工智 能 蓝 图, 重 点 关 注电 商、 金 融 及 其 他 传统 行 业 ( 工 业、 交 通、 零售等) 资料来源: 中国信通院安全研究所 . 人工智能标准化白皮书 (2018 版) [R]. 2018. 二、 人工智能在金融领域的应用 金融智能化是金融科技创新发展的必然趋势, 以人工智能为核心的金 融智能化代表了更高的生产效率和更广的生产要素内涵, 是金融科技发展 的高级形态和必然方向。 人工智能产业链包含基础层、 技术层、 应用层三 个层面 (见表 1-2)。 基础层的大数据、 云计算等细分技术可应用于征信、 保险、 支付等金融细分领域; 技术层的机器学习、 神经网络与知识图谱可 应用于金融领域的智能投顾、 智能量化交易、 征信反欺诈等领域, 计算机 视觉与生物识别技术可应用于金融领域的身份识别等领域, 语音识别及自 然语言处理可应用于金融领域的智能客服、 智能投研等领域; 应用层的认 知智能可应用于金融领域的智能风控等领域。 同时, 金融领域应用人工智

第一章 金融科技的内涵及表现形式 / 009 能技术也具有先天优势。 一方面, 由于金融行业是全球大数据积累最多的 行业之一, 银行、 证券、 保险等业务本身就是基于大数据开展的, 因此, 运用跨平台、 超大规模信息通信和整合技术, 有助于人工智能在金融行业的 应用和发展。 另一方面, 在计算机、 互联网等技术快速发展的背景下, 数据 挖掘、 图像识别、 自然语言处理、 语音识别以及声纹识别的主流人工智能技 术越来越成熟。 表 1-2 人工智能在金融行业的典型应用情况 人工智能 产业链 相关 技术 应用 领域 应用模式 应用趋势 基础层 大数据 智能 营销 通过用户画像和大数据模型精准寻 找用户, 在可量化的数据基础上分 析消费者个体消费模式和特点, 以 此来划分客户群体, 精确找到目标 客户, 进行精准营销和个性化推荐 数据技术是金融行业未来发展的 核心方向, 依托数据技术发展的 精准营销将取得更大发展, 依托 精准营销的更多个性化服务和产 品将会大量涌现 技术层 机 器 学 习、 知识图谱和 自 然 语 言 处理 征信 反欺诈 对各种结构化、 非结构化数据运用知 识图谱、 深度学习等技术进行整合, 分析上下游企业、 竞争对手、 母子公 司的情况, 发现可能存在的欺诈点 随着大数据和人工智能技术的融 合应用, 征信反欺诈技术在金融 征信领域的应用将越来越广 智能 投顾 根据投资者的风险偏好、 财务状况 等, 运用大数据、 智能算法及投资 组合理论, 为客户提供智能化的投 资理财服务 随着算法技术的突破和应用的发 展, 以及智能投顾相对人工服务 的成本优势, 智能投顾的应用会 逐步拓展, 其标准化服务将使更 多中小客户享受到专业的投顾 服务 智能 量化 交易 量化交易是通过对财务数据、 交易 数据及市场数据进行建模, 分析显 著特征, 利用回归分析方法等算法 制定交易策略, 智能量化交易引用 机器学习、 自然语言处理、 知识图 谱等人工智能技术, 处理更大数据 维度和更多模型变量的数据, 解决 复杂金融投融资问题 智能量化交易是人工智能在金融 领域应用的热点, 未来发展空间 巨大

010 \ 矛与盾———金融科技与监管科技 续表 人工智能 产业链 相关 技术 应用 领域 应用模式 应用趋势 技术层 计算机视觉 与生物识别 语音识别和 自 然 语 言 处理 身份 识别 利用人脸识别、 指纹识别、 虹膜识 别等生物识别技术, 提取客户身份 特征, 对客户身份进行交易辅助 认证 随着人脸识别技术的成熟度提 高, 身份识别将同时成为互联网 金融机构和传统金融机构交易过 程中的主要身份认证形式 智能 客服 主要利用语音识别、 自然语言处 理、 知识图谱等技术, 掌握客户需 求, 自动获取客户特征和知识库等 内容, 帮助快速解决客户问题 在人工智能各领域逐渐被广泛采 用, 降低企业成本, 技术具有可 实践性, 但目前智能客服还处于 弱人工智能阶段, 仍需要大量人 力参与 智能 投研 利用自然语言处理及光学字符识别 ( Optical Character Recognition, OCR) 技术将数据、 信息、 决策进 行整合, 实现数据的智能化关联, 辅助甚至自动撰写投行及证券研究 业务中固定格式的文档 目前智能投研处于自动化向智能 化转型阶段, 随着非结构化数据 分析技术的发展, 未来智能投研 的应用将会加强 应用层 认知 智能 智能 风控 利用 “大数据+人工智能技术” 建 立信用风险评价模型, 关联知识图 谱, 建立用户个人信用精准图像, 对风险进行有效识别、 预警、 控 制, 提高风险管理能力 智能风控一定程度上突破了传统 风控的局限, 随着金融核心数据 的逐步完善, 智能风控公司将由 起步发展向更加成熟的阶段迈进 三、 人工智能的金融应用原则 随着人工智能时代的到来, 如何引导人工智能在经济金融领域的安全 合规应用已成为国际社会面临的共同课题, 目前国际社会在伦理道德、 技 术安全等方面初步形成基本共识: 一是应符合人类社会价值观与伦理道德, 不破坏既有社会体系、 结构与制度; 二是能够解释有关系统输出和决策逻 辑, 使外界充分理解人工智能系统并修正错误决策; 三是应用主体能够对 人工智能系统决策承担责任, 系统运行过程及结果可被追溯并接受持续监

第一章 金融科技的内涵及表现形式 / 011 督; 四是人工智能系统使用的数据具备准确性、 完整性、 适时性和一致性。 例如, 2019 年, 美国在 《国家人工智能研究和发展战略计划》 最新修订中 提出, 要建立健康且值得信赖的人工智能系统, 包括改进公平性、 透明度 和涉及责任机制, 增强可验证性, 确保系统免受攻击并能长期优化等。 英 国也提出要把道德伦理置于核心位置, 确保人工智能更好地造福人类。 欧 盟委员会于 2019 年发布的 《可信人工智能道德准则》 要求应用人工智能时 应尊重人类自治原则, 预防对人类产生伤害, 人工智能系统的开发、 部署 和使用必须公平, 且该系统必须具备可解释性。① 经济合作与发展组织 (Organization for Economic Co-operation and Development, OECD) 在 2019 年 发布的 《人工智能原则》, 确定了五个互补的基于价值观的原则: 强调包容 和可持续增长; 尊重法治、 人权、 民主价值观和多样性, 必要时允许人类 干预, 以确保社会公平和公正; 并提出透明性和负责任的披露、 稳健、 安 全和可靠, 并应持续评估和管理潜在风险等。② 2017 年, 中国国务院发布了 《新一代人工智能发展规划》, 深刻认识到人工智能发展的不确定性, 及其 在就业结构、 冲击法律与社会伦理、 侵犯个人隐私、 挑战国际关系准则等 问题的冲击, 将对政府管理、 经济安全和社会稳定乃至全球治理产生深远 影响。 因此, 规划提出在大力发展人工智能的同时, 必须高度重视可能带 来的安全风险挑战, 加强前瞻预防与约束引导, 最大限度地降低风险, 确 保人工智能安全、 可靠、 可控发展。③ 目前, 人工智能仍处于不断发展过程中, 其在金融领域更大规模的应 用落地客观上面临着数据、 成本、 安全、 人才等障碍, 而且由于存在技术 黑箱、 算法共振、 算法歧视、 数据依赖度高等情况, 人工智能在金融领域 ① ② ③ European Commission, Ethics Guidelines for Trustworthy Artificial Intelligence, April 2019. OECD Council Recommendation on Artificial Intelligence, https: / / legalinstruments. oecd. org / en / instruments/ OECD-LEGAL-0449. 《国务院关于印发新一代人工智能发展规划的通知》 (国发 〔2017〕 35 号), 2017 年 7 月 8 日。

012 \ 矛与盾———金融科技与监管科技 的不当应用可能引发责任边界模糊、 市场羊群效应、 金融排斥、 隐私泄露 等风险。 同时, 随着人工智能的使用越来越多, 人工智能对金融机构内部 (核心) 流程的影响也越来越大, 随之而来的可能是运营、 审慎和声誉风 险。 因此, 相较于人工智能的国际通用原则, 人工智能在金融领域应用的 原则更注重安全可控、 可问责、 可解释, 更强调金融数据获取、 处理与隐 私保护方面的合规性, 同时注重结合金融业务特点, 对上述领域的要求更 加细致落地。 第三节 “B” ———区块链在金融领域的应用 一、 区块链技术及特点 2008 年, 中本聪在论文 《比特币: 一种点对点的电子现金系统》 中 首次提出区块链的概念。① 论文指出, 区块链技术是构建比特币数据结构 与交易信息加密传输的基础技术, 该技术实现了比特币的挖矿与交易。 中 本聪认为: 第一, 借助第三方机构来处理信息的模式拥有点与点之间缺乏 信任的内生弱点, 不能完全规避欺诈行为; 第二, 中介机构的存在, 增加 了交易成本, 限制了实际可行的最小交易规模; 第三, 数字签名本身能够 解决电子货币身份问题, 如果还需要第三方支持才能防止双重消费, 则系 统将失去价值。 基于以上三个问题, 中本聪在区块链技术的基础上, 创建 了比特币。 区块链本质上是一种去中心化的数据库和基于共享理念的分布式账本, 是一串使用密码学方法相关联产生的数据块, 每个数据块中都存储着一次 ① Satoshi Nakamoto, Bitcoin: A Peer-to-Peer Electronic Cash System, https: / / bitcoin. org / bitcoin. pdf.

第一章 金融科技的内涵及表现形式 / 013 交易信息, 用于验证信息有效性并生成下一个数据块。 区块链在隐匿交易 者身份信息的基础上, 将所有发生的交易加盖时间戳后在全网发送, 更新 所有节点的账本副本, 同时通过全网实时广播的方式让所有节点共同验证 交易信息的有效性, 形成无须第三方干预的 “共识” 机制。 区块链目前分 为三类。 一是公共区块链 (Public Blockchain), 以下简称 “公链”, 是指全 世界任何人都能发送交易、 都可读取、 参与共识过程①, 且交易能获得有效 确认的区块链。 作为中心化或者准中心化信任的替代物, “公链” 的安全由 采取工作量证明机制或权益证明机制的 “加密数字经济”② 维护, 且通常被 认为是 “完全去中心化” 的。 二是私有区块链 (Private Blockchain), 以下 简称 “私链”, 是指仅使用区块链的总账技术进行记账, 其写入权限仅在一 个组织手里的区块链。 “私链” 与其他的分布式存储方案没有太大区别, 最 显著的特点可能是只有一个组织机构能控制其写入权限, 并且对其读取权 限、 查询交易的进度等都进行了限制。 三是共同体区块链 ( Consortium Blockchain), 是指其共识过程受到预选节点控制的区块链, 由某个群体内部 指定多个预选的节点为记账人: 每个块的生成由所有的预选节点共同决定 (预选节点参与共识过程), 其他接入节点可以参与交易, 但不过问记账过 程, 其他任何人可以通过该区块链开放的应用程序接口 (Application Programming Interface, API) 进行限定查询。 例如, 一个由 20 个机构组成的共 同体, 每个机构都运行着一个节点, 而且为了使每个区块生效, 需要获得 其中一半机构的确认; 而读取权限区块链可以赋予每个人, 或者只赋予参 与者, 或走混合型路线。 这些区块链可视为 “部分去中心化” (私有区块链 和共同体区块链可以认为是广义的私有区块链)。 区块链技术具有以下特点。 一是分布式记账, 即去中心化。 分布式记 ① ② 共识过程决定哪个区块可被添加到区块链中和明确当前状态。 “加密数字经济” 将经济奖励和加密数字验证结合了起来, 并遵循着一般原则: 每个人从 中可获得经济奖励, 奖励与对共识过程作出的贡献成正比。

014 \ 矛与盾———金融科技与监管科技 账是一种基于共享理念的技术, 区块链上的每一个节点都是对等的, 所有 的交易都是在既定交易规则约束下进行的, 无须第三方进行管理、 仲裁或 提供信任, 且任何节点的增加或减少都不会影响区块链的正常运行。 交易 信息不是存储在某些特定的服务器或中心节点上, 而是在每一个节点之间 共享, 当交易发生时, 每一个节点都可能成为区块链上临时的中心, 实现 全网所有节点之间 “点对点” 直接交易。 区块链分布式、 去中心化的特点 使交易更加便捷、 低成本, 一定程度上能降低 “中心” 带来的信息不对称 和信息安全风险。① 二是共识机制, 即信息不可篡改。 通过设置公钥和私 钥, 区块链上的每一个节点都可以验证账本的完整程度和真实可靠性, 确 保所有交易信息是没有篡改、 真实有效的, 对账本上记载的交易信息形成 “共识”; 区块链上每一个节点都保存着所有交易信息的副本, 当区块链上 的数据和参与者数量非常庞大时, 修改信息的成本将会非常高, 至少需要 掌握全网 51%以上的运算能力才有可能修改信息, 修改成本可能远超预期 收益; 在某些极端情况下, 即使部分节点的信息被恶意篡改, 区块链上其 他节点也会在短时间内发现这些未形成 “共识” 的信息并进行维护和更新, 那么修改将不具有任何意义, 故理论上区块链上的交易信息是不可篡改的。 三是交易可查询, 即透明公开和信息安全。 区块链是一种公开记账的技术, 在记录交易的同时能保证每个节点实时同步交易数据, 保障所有节点的知 情权。 与此同时, 区块链也能保障参与者信息不被他人窃取, 信息可查询 也仅限于交易数据, 而参与者个人信息则是隐匿的, 这保障了参与者在完 成交易的同时不会受其他信息的干扰。 目前, 区块链技术正处在加速演进成熟过程中。 作为一种技术集成创 新, 区块链技术的功能架构已趋于稳定, 数据库、 P2P 对等网络、 密码学算 ① “中心” 机构 (或中介) 作为关键节点存在, 使其成为参与者完成交易的必要条件, 掌握 参与者的信用状况和交易信息, 拥有资源价格的决定权, 事实上履行了资源再分配职能, 也隔断了 交易者之间信息、 资源的流通。

第一章 金融科技的内涵及表现形式 / 015 法等基础组件技术已较为成熟, 但区块链处理效率尚难以达到现实中一些 高频度应用环境的要求, 难以满足高频次和复杂的商用计算, 这对账本、 共 识等提出了存储、 可扩展等方面的新要求。 此外, 区块链技术的安全性、 隐私保护、 互操作性、 链上存储可扩展性等技术尚处于发展探索中, 目前 没有表现出比传统中心化解决方案更优越的性能。 Gartner 在 2019 年区块链 技术成熟度曲线中指出, 分布式账本将在 2 年内达到生产成熟期, 区块链、 共识机制、 智能合约等还需要 2 ~ 5 年, 零知识证明、 区块链互操作性等则 尚需 5~10 年。 二、 区块链技术在金融领域的应用 区块链在金融领域应用潜力巨大, 前景广阔。 区块链技术具有分布 式、 多方共识、 跨链式结构等特性, 适用于供应链金融、 贸易金融、 支付 结算、 数字票据、 保险核保理赔、 资产证券化等存在多方交易且信任基础 较弱的场景, 有助于改善金融资源配置效率、 降低金融交易成本。 在我 国, 区块链技术在供应链金融、 金融数据共享和金融信息存证等场景中已 开始落地。 第一, 贸易金融与供应链金融。 贸易金融、 供应链金融是横跨多个主 体、 多个环节的复杂场景, 涉及行业面广、 交易链条长, 需要彼此之间互 信共享。 区块链具有链上信息难篡改、 可追溯等特点, 可以在信息存证、 辅助凭证拆分流转、 智能合约自动执行等方面, 提高信息篡改难度, 实现 核心企业信用多级穿透, 降低人工操作风险, 有助于解决贸易金融、 供应 链金融部分业务环节痛点。 国际层面, 巴克莱银行、 汇丰银行等多家金融 机构都探索了区块链技术在信用证方面的应用, IBM 与多国银行合作开发了 区块链贸易融资平台。 国内层面, 区块链在金融领域的应用也在迅速发展, 已形成了一些落地案例。 例如, 2018 年 9 月, 中国人民银行开发的贸易金

016 \ 矛与盾———金融科技与监管科技 融区块链平台是区块链技术在供应链金融领域的有效尝试, 该平台是基于 区块链技术的开放、 可信、 安全、 标准、 合规、 高效、 公益、 共享的贸易 金融资产登记、 托管、 交易和流转平台, 已陆续上线 “应收账款多级融资” “对外支付税务备案表” “国际贸易账款监管” 三个应用场景, 为赋能中小 企业、 服务实体经济发挥了积极作用。 在平台上, 若资料齐全, 从客户提 交贷款申请到银行完成放款, 操作时长只需 20 分钟, 大大缩短了融资时间, 提升了融资效率, 降低了中小企业融资成本。 这是区块链在供应链金融领 域的落地, 是基于区块链的供应链金融创新的重大实践成果。 第二, 支付结算领域。 理论上的区块链支付为交易双方直接进行, 不 涉及中间机构。 如果基于区块链技术构建一套通用的分布式银行间金融交 易协议, 为用户提供跨境、 任意币种实时支付清算服务, 则跨境支付将会 变得便捷和成本低廉。 目前, 全球主要的大型银行和金融集团通过加入 R3 区块链联盟, 制定了可交互结算的标准, IBM 等大型公司还推出了基于区块 链技术的跨境支付服务。 同时, 一些区块链初创企业和合作机构也开始提 出一些全新的结算标准。 第三, 数字票据。 数字票据是将区块链技术和票据属性、 法规、 市场 相结合开发出的一种全新的票据展现形式, 与传统电子票据体系的技术架 构完全不同。 数字票据融合了区块链技术的优势, 成了一种更安全、 更智 能、 更便捷、 更具前景的票据形态。 数字票据的核心优势主要表现在以下 几方面。 一是有效防范票据市场风险。 区块链由于具有不可篡改的时间戳 和全网公开的特性, 一旦交易, 将不会存在赖账现象, 从而避免了纸票 “一票多卖”、 电票打款背书不同步的问题。 二是实现票据价值传递的去中 介化。 在传统票据交易中, 票据中介往往利用信息差进行撮合; 借助区块 链实现点对点交易后, 票据中介将失去中介职能, 重新进行身份定位。 三 是规范市场秩序, 降低监管成本。 区块链数据前后相连构成的不可篡改的 时间戳, 使监管的调阅成本大大降低, 完全透明的数据管理体系提供了可

第一章 金融科技的内涵及表现形式 / 017 信任的追溯途径, 并且可以在链条中针对监管规则通过编程建立共用约束 代码, 实现监管政策全覆盖和硬控制。 四是系统的搭建和数据存储不需要 中心服务器, 省去了中心应用和接入系统的开发成本, 降低了传统模式下 系统的维护和优化成本, 减少了系统中心化带来的风险。 三、 区块链技术在金融领域应用的问题与挑战 第一, 技术层面。 区块链技术通过大量冗余数据和复杂共识算法提升 安全可信水平, 金融业务需求增加将导致系统处理量更大幅度的增加, 并 加剧参与节点在信息存储、 同步等方面的负担, 在现有技术环境下可能导 致系统性能和运行效率下降。 例如, 区块链在供应链金融的应用方面, 主 要可实现信息存证、 辅助凭证拆分流转、 智能合约自动执行等方面, 但很 难验证上链信息的真实性, 资产验证尚不能完全摆脱人工, 特别是供应链 金融业务涉及多个主体与环节, 若产生纠纷, 取证和验证存在较大困难。 此外, 由于链协议技术尚未成熟, 且各链之间没有统一的标准, 难以实现 广域、 高频、 复杂的连接, 跨链交互业务难以开展。 第二, 业务层面。 各大机构 “各自为链”, 有技术和资金实力搭建区块 链平台的企业一般处于强势地位, 企业间竞争转移到链与链之间的竞争, 数据壁垒明显, 容易形成新的信息孤岛。 同时, 区块链的重复建设与信息 独享造成大量资源浪费。 第三, 法律监管层面。 目前区块链上的资产和智能合约等方面的法律 有效性界定不清晰, 发生纠纷时难以寻求法律救济, 且分布式体系进一步 提高了责任主体认定难度。 与此同时, 多数区块链体系高度自治且数据加 密, 在缺乏必要权限的情况下, 违规开展金融业务的行为和潜在风险较大。

018 \ 矛与盾———金融科技与监管科技 第四节 “C” ———云计算在金融领域的应用 一、 云计算及其特点 “云” 是网络、 互联网的一种比喻说法, 过去往往用云来表示电信网, 后来也用来抽象地表示互联网和底层基础设施。 美国国家标准与技术研究 院 (National Institute of Standards and Technology, NIST) 对云计算的定义 是: 云计算是一种模式, 这种模式提供可用的、 便捷的、 按需的网络访问, 进入可配置的计算资源 (资源包括网络、 服务器、 存储、 应用软件和服务) 共享池, 只需投入较少的管理工作或与服务供应商进行很少的交互, 就可 以快速提供这些资源。① 云计算拥有每秒高达 10 万亿次的运算能力, 可以 模拟核爆炸、 预测气候变化和市场发展趋势等。 云计算具有以下基本特征。 一是按需服务。 视客户需要, 可以从每个 服务提供商那里单方面地向客户提供计算能力, 包括提供应用程序、 数据 存储、 基础设施等资源, 可根据用户需求自动分配资源, 而不需要系统管 理员干预。 二是广泛的网络访问。 用户可以利用各种终端设备 (如 PC 电 脑、 笔记本电脑、 智能手机等) 随时随地通过互联网访问云计算服务。 三 是资源共享。 云计算提供商提供的计算资源以共享资源池的方式统一管理, 利用虚拟化技术, 将资源分享给不同用户, 资源的放置、 管理与分配策略 对用户透明。 所谓的资源包括存储设备、 数据加工、 内存、 网络带宽等。 四是弹性服务。 服务的规模可快速伸缩, 以自动适应业务负载的动态变化。 用户使用的资源同业务的需求相一致, 避免了服务器性能过载或冗余而导 ① Peter Mell, Timothy Grance, The NIST Definition of Cloud Computing -Recommendations of the National Institute of Standards and Technology, NIST Special Publication 800-145, September 28, 2011.

第一章 金融科技的内涵及表现形式 / 019 致的服务质量下降或资源浪费。 五是服务可计费。 云系统可监控用户的资 源使用量, 并根据资源的使用情况对服务计费。 以上五个特征使用户可通 过云计算存储个人电子邮件、 存储相片、 从云计算服务提供商处购买音乐、 储存配置文件和信息、 与社交网站互动、 通过云计算查找驾驶及步行路线、 开发网站, 以及与云计算中其他用户互动, 处理生活、 工作等事务更加便 捷快速。 二、 云计算在金融领域的应用 金融云是指面向金融机构 (银行、 证券、 保险、 信托、 基金、 金融租 赁、 互联网金融等) 的业务量身定制的集互联网、 行业解决方案、 弹性 IT 资源于一体的云计算服务。 它利用云计算的一些运算和服务优势, 将金融 业的数据、 客户、 流程、 服务及价值通过数据中心、 客户端等技术手段分 散到 “云” 中, 以改善系统体验, 提升运算能力, 重组数据价值, 为客户 提供更高水平的金融服务, 并同时达到降低运行成本的目的。 具体而言, 云计算对金融领域的重要作用体现在以下几方面。 一是可 有效降低金融机构 IT 成本。 云计算通过虚拟化技术将物理 IT 设备变成虚拟 资源池, 以整个资源池的能力来满足金融机构算力和存储的需求, 可有效 提高单位 IT 设备的使用效率, 降低单位信息化成本。 在性能相同的情况下, 云计算架构的性价比远高于以大型机和小型机作为基础设施的传统金融架 构。 二是具有高可靠性和高可扩展性。 传统金融架构强调稳定性, 扩展能 力相对较差。 很多金融信息系统只能纵向扩展, 不能实现更加灵活的横向 扩展。 云计算可以通过数据多副本容错、 计算节点同构可互换等措施, 有 效保障金融企业服务的可靠性。 同时, 云计算支持通过添加服务器和存储 等 IT 设备实现性能提升, 快速满足金融企业应用规模上升和用户高速增长 的需求。 三是运维自动化程度较高。 主流的云计算操作系统都设有监控模

020 \ 矛与盾———金融科技与监管科技 块, 通过统一的平台管理金融企业内服务器、 存储和网络设备, 进而显著 提升企业对 IT 设备的管理能力, 有助于实现精益管理。 四是可帮助金融机 构通过统一平台, 承载或管理内部所有的信息系统, 消除信息孤岛, 实现 内部数据的集中化管理。 2008 年国际金融危机以来, 云计算在金融业得以广泛运用。 为应对经 济环境和市场的不断变化, 尤其是很多电子商务公司和 IT 公司对传统金融 业务的冲击, 传统金融机构也开始利用新的金融科技帮助进行金融业务创 新、 提升金融服务水平等。 许多金融机构已经开始对云计算技术、 业务以 及战略进行多方面的探索。 金融业上云, 不仅能充分利用云计算平台的超 强计算能力, 节省服务器等硬件资源的一次性投入成本和 IT 运维人员的投 入费用, 更重要的是, 上云后的业务系统可以更为高效地利用互联网上的 各种云服务资源, 通过将高成本、 非核心的外围系统或者同质化的基础金 融服务借助互联网实现业务外包, 使自己专注于核心金融业务持续创新以 及运营管理。 第五节 “D” ———大数据在金融领域的应用 一、 数据的定义与特点 何谓大数据? 对于 “大数据”, 不同机构的定义不尽一致, 著名信息技 术研究机构 Gartner 认为, “大数据” 是需要新处理模式才能具有更强的决 策力、 洞察发现力和流程优化能力来适应海量、 高增长率和多样化的信息 资产。 麦肯锡全球研究所认为, “大数据” 是一种规模大到在获取、 存储、 管理、 分析方面大大超出了传统数据库软件工具能力范围的数据集合, 具 有海量的数据规模、 快速的数据流转、 多样的数据类型和价值密度低四大

第一章 金融科技的内涵及表现形式 / 021 特征。 2015 年 8 月, 《国务院关于印发促进大数据发展行动纲要的通知》 中, 将大数据定义为 “以容量大、 类型多、 存取速度快、 应用价值高为主 要特征的数据集合, 正快速发展为对数量巨大、 来源分散、 格式多样的数 据进行采集、 存储和关联分析, 从中发现新知识、 创造新价值、 提升新能 力的新一代信息技术和服务业态”。 从技术上看, 大数据与云计算的关系就像是一枚硬币的正反面。 大数 据技术的产生和发展, 需要运用超大样本量的海量数据, 需要消耗更多的 IT 资源。 云计算的运用, 解决了处理海量数据的性能瓶颈问题。 大数据技术具有以下特点: 一是数据分析量大。 首先要明确, 大数据 并非一定指的是数据量大的数据, 传统信息系统生成的 “小数据” 也是大 数据分析的重要组成部分。 目前, 大数据的数据源主要集中于互联网、 物 联网和传统信息系统三个渠道, 其中物联网数据的比例相对较大。 二是数 据分析结构复杂多样。 其数据类型包括结构化数据、 非结构化数据和半结 构化数据, 对传统数据分析技术提出巨大挑战, 这也是大数据技术兴起的 重要原因。 三是数据价值密度相对较低。 相较于传统信息系统, 大数据中 的数据价值密度相对较低, 需要更快、 更方便的方式来完成数据值提取过 程, 这也是当前大数据平台所关注的核心竞争力之一。 四是数据增长速度 快。 传统信息系统的数据增量一般是可预测或可控的, 但大数据时代, 数 据增长率远超传统数据, 处理能力已经超过自身的极限。 数据增长是一个 相对的概念。 二、 大数据在金融领域的应用 大数据金融是指利用大数据技术, 将海量数据通过互联网、 云计算等 信息化方式加以处理, 结合传统金融业务, 开展资金融通, 创新金融服务 方式。 在实际中, 虽然传统金融机构沉淀了很多支付流水数据, 但是各部

022 \ 矛与盾———金融科技与监管科技 门业务分割导致很多大数据未得到充分有效利用。 随着越来越多的互联网 企业基于其掌握的技术和用户资源, 成为开展大数据金融业务的领头羊, 传统金融机构也开始加大对内部数据的整合力度, 开始利用大数据技术拓 展业务并开展个性化金融服务。 基于大数据的深度分析挖掘, 金融机构可 以更了解客户, 清楚认识到客户所处的生命阶段、 财富阶段, 从单纯捕捉 客户金融行为向捕捉社交行为、 生活行为转变, 掌握全量客户数据, 从而 绘制客户动态的金融画像。 同时, 应用人工智能认知模型, 加速多角度客 群分类, 不拘泥于现有的客群划分标准, 对客户进行细颗粒度聚类分群, 创生出前所未有的客群分类, 从而制订更精确的产品渗透方案、 金融资产 配置方案和增值服务个性化方案等, 实现差异化综合金融服务。 平台金融模式。 平台金融模式是指平台企业利用自身掌握的大数据, 通过互联网、 云计算等信息处理方式对数据进行专业挖掘, 再与传统金融 服务相结合, 为平台企业提供资金融通、 结算等服务。 平台金融模式依赖 自身的交易平台, 以及在交易过程中产生的数据, 这些数据是平台挖掘客 户需求、 分析和了解客户、 为客户提供金融服务的根基。 金融是经营风险 的活动, 信用评估是控制风险的核心。 在平台金融模式中, 平台方通过对 交易数据进行数据挖掘, 能快速进行信用评价、 提供授信服务, 并且基于 大数据的信用评估比传统方法更精确, 能有效解决风险控制的问题, 降低 坏账率。 供应链金融模式。 供应链金融模式指供应链条中的核心企业依托自己 的产业优势地位, 通过对上下游企业的现金流、 订单、 购销流水等大数据 的掌控, 利用自有资金或者与金融机构合作, 对上下游合作企业提供金融 服务。 供应链金融模式最早起源于 19 世纪的荷兰, 到 20 世纪末期逐渐成 熟。 供应链金融的起因是在一个完整的供应链条中, 处于各个节点的企业 资金状况良莠不齐, 某个节点的资金匮乏可能会影响整个供应链条的效率。 依托于一个实力雄厚的核心企业, 为整个供应链参与者提供金融支持和服

第一章 金融科技的内涵及表现形式 / 023 务, 能满足产业链的协调发展。 传统的供应链金融只针对某个特定产业的 产业链条, 现代供应链金融依托互联网、 大数据技术, 能够涵盖的范围更 加广泛。 例如, 京东通过自己掌握的各个类别、 各个行业、 各个地域关联 企业的海量交易数据, 利用数据挖掘评价企业信用、 资金运用状况, 以未 来收益的现金流作为担保, 获得银行授信, 为供货商提供金融支持和服务。 在京东的供应链金融模式中, 京东与银行和供应商实现了双向绑定。 供应 商必须与京东长期合作, 才能有长久的支付、 物流业务, 才能有京东的授 信服务, 从而获得贷款, 而银行业要实现对企业快速、 精准的信用评价, 也需要依赖京东的大数据。 京东通过与供应商和银行的两头合作, 整合了 物流、 信息流、 资金流, 实现了三方共赢。

后 记 / 203 后 记 我和袁佳博士相识已近十年, 至今我还清晰地记得我们初识的场景。 相近的研究兴趣使我和袁佳博士一起完成过很多学术成果, 有报告, 有课 题, 有学术论文, 但一起著书尚属首次。 早在 2018 年, 我和袁佳博士就计划写一本关于金融科技和监管科技的 专著, 提纲反反复复拟了多次, 但由于日常工作繁忙、 家庭琐事等原因, 正式写作日程一推再推。 2020 年 7 月, 我们再次敲定提纲, 用近半年的时 间完成初稿写作, 而后反复多次对初稿打磨、 完善。 到 2021 年夏天, 历时 近一年, 《矛与盾———金融科技与监管科技》 终于付梓。 从结构上看, 《矛与盾———金融科技与监管科技》 对我们以往的研究成 果进行了总结, 全面吸收了我们对金融科技、 监管科技研究的重要结论和 观点, 也为我们未来继续开展金融科技、 监管科技领域的研究开启了新的 方向。 从主要内容来看, 《矛与盾———金融科技与监管科技》 以专题的形式对 金融科技、 监管科技的概念和内涵进行了界定, 对其发展过程中存在的主 要问题进行了梳理和分析, 特别是对一些容易造成误解和混淆的概念进行 了辨析, 也对于金融科技、 监管科技未来发展和监管方向进行了深入探讨。 从研究方法来看, 《矛与盾———金融科技与监管科技》 采用了理论分析 与实践分析相结合的方法对金融科技、 监管科技进行了较为全面的研究。 从写作风格来看, 《矛与盾———金融科技与监管科技》 从学术专业的视 角, 用平铺直叙的语言向大家讲述了金融科技和监管科技的 “前世今生”,

204 \ 矛与盾———金融科技与监管科技 对于业界和学界都有一定的借鉴意义和参考价值。 在 《矛与盾———金融科技与监管科技》 即将出版的时候, 我们想在这 里感谢中国人民银行研究局王信局长、 金融研究所周诚君所长对我们的支 持和指导。 感谢中国人民银行货币政策司孙国峰司长为本书作序。 感谢中 国人民银行金融研究所互联网金融研究中心对本书出版给予的大力资助。 感谢各位领导、 同事、 朋友对我们的关心和关注。 更感谢我的妻子向飞丹 晴女士、 袁佳博士妻子孔洋女士对双方各自家庭的付出, 能让我们有更多 的精力和时间从事研究和写作工作。 感谢你们! 谨以此书送给我们各自的孩子, 希望你们能快乐、 健康地成长! 2021 年 8 月

空