메건 롱 (Megan Long) 은 규제가 딱 맞는' 골디럭스 존 (Goldilocks zone)' 을 찾기 위해 감독 및 검사가 혁신을 방해하지 않고 금융기관을 통제할 수 있도록 개체 기반 규제에서 활동 기반 규제로 전환해야 한다고 생각한다. 그녀의 최신 연구를 통해, 그녀는 완전히 규제되지 않고 부분적으로 규제되는 금융 참여자들이 불균형적인 체계적인 위험을 초래할 수 있다는 것을 발견했다. 그러나 그녀는 이것이 반드시 규제가 너무 많거나 적은 문제가 아니라 규제의 각도와 방향의 편차 때문이라고 생각한다. 예를 들어, 규제 기관은 신흥 비즈니스 모델의 미묘한 차이를 이해하고 대형 기술 회사와 전통 은행의 차이를 정리해야 하며, 대형 기술 회사 자체의 규제 모델은 관할 구역에 따라 크게 다릅니다.

실제로 실체 기반 규제는 2008 년 글로벌 금융위기 이후 줄곧 존재해 왔다. 글로벌 시스템 중요성 은행 (GSIB) 과 시스템 중요성 금융기관 (SIFI) 은 전 세계적으로 인정받는 두 가지 개체 기반 규제 유형입니다. 하지만 메건 롱 (Megan Long) 은 대형 테크놀로지 회사가 금융 서비스 분야에 진출하는 것을 볼 때 실체 유형에 의존하지 않는 규제를 구축하는 것의 중요성을 인식하고 활동 기반 규제를 사용하여 규제 공백을 메워야 한다고 생각합니다.

복잡한 디지털 공급망을 보유한 세계에서는 작은 허점이 큰 문제가 되기 전에 발견하기가 어렵다. 즉, 은행, 보험 회사, 금융 기술 회사는 네트워크의 가장 약한 부분에서만 보호를 받을 수 있으며, 이러한 부분의 문제는 이러한 링크 중 하나에서 발생할 수 있습니다. 많은 조직에서 운영을 지원하기 위해 타사 기술 공급업체를 선택했기 때문에 참가자 간의 관계는 더 이상 양자가 아니라 다자일 수 있습니다. 메건 롱 (Megan Long) 은 금융기관이 다른 참가자들에게 보안을 아웃소싱하고 문제가 생기면 추적과 책임을 하기가 매우 어려울 것으로 보고 전체 생태계의 위험을 이해하는 것이 특히 중요하다고 생각한다.

메건 롱 (Megan Long) 은 중앙 집중식 금융, 디지털 자산, 소비자 금융 데이터 집계, 블록 체인 및 암호화 자산 거래소가 등장함에 따라 비전통적인 금융 참여자들이 빠르게 성장하고 있는 것으로 나타났습니다. 이러한 금융 활동은 너무 신기해서 모든 위험을 볼 수 없다. 분산금융의 분산적 성격을 감안하면 중앙감독주체는 이 새로운 시스템의 활동을 감독하기 어렵다. 이에 따라 집중 감독과 분산 금융 간의 마찰은 전통적인 감독 방식에 도전을 제기하고 있다.

국가마다, 심지어 지역마다 시스템 위험을 감독하고 낮추기 위한 다른 방법이 취해졌다. 전 세계적으로 규제되는 관할 구역의 차이는 매우 미묘합니다. 이는 한 국가의 개별 시장 동향을 기반으로 하며 계속 존재할 것입니다. 그렇다면 어떤 요인이 한 기관이 초래할 수 있는 체계적 위험과 그 가중치를 결정합니까?

시스템 중요성 금융기관은 주로 기관의 자산장부 규모와 같은 전통적인 요소를 근거로 판단한다. 그러나 특정 실체의 네트워크나 디지털 상호 연결의 규모는 기업이나 실체 자체의 직관적인 규모보다 더 중요해지고 있다. 예를 들어, 금융 관점에서 볼 때 아마존의 네트워크 서비스는 현재 규제 체계에서' 시스템 중요성 기관' 으로 분류되지는 않지만, 전 세계 상위 4 위 클라우드 서비스 공급업체로서 오늘날의 금융 시스템이 안정적으로 운영되는 핵심에 있습니다. 이와 관련하여 중국 규제 기관은 중국 과학기술그룹 개미그룹에게 규제되는 금융지주회사를 설립하도록 지시했다. 메건 롱 (Megan Long) 은 중국의 사법부가 체계적 위험을 구성한다고 생각하는 실체를 적극적으로 식별하고 있지만, 지금까지 서방 국가에서 비슷한 상황이 발생하는 것을 본 적이 없다는 것을 보여준다.

그러나 유럽 연합에서 디지털 서비스 법안에는 대규모 기술 회사에서 발생하는 다양한 비즈니스 위험을 완벽하게 관리할 수 있도록 설계된 대규모 기술 회사를 위한 규제 시스템이 포함되어 있습니다. Megan Long 의 관점에서 볼 때, 이것은 사이버 공격, 국경을 넘나드는 데이터 문제 등 체계적인 위험을 초래하는 허점을 없애고 해결할 수 있는 거시적인 간접 방법이다.

현재 금융 시스템 개혁을 추진하고 있는 새로운 영향은 소셜 미디어 플랫폼, 웹 기반 포럼 및 커뮤니티, 개인 정보 플랫폼, 금융계의 영향력 있는 사람들의 네 가지 범주로 나눌 수 있습니다. 이러한 새로운 영향으로 소매 투자자들이 전통적으로 성숙한 시장 참여자들만 들어갈 수 있는 분야에 진입하게 되었다. 그러나 디지털 채널을 통해 전파되는 실수와 허위 정보는 수많은 사용자에게 동시에 쉽게 접근할 수 있으며, 대량의 정보가 완전히 금융 생태계 외부에 있기 때문에 기존의 소비자 보호 메커니즘은 이러한 상황에 대처할 수 없습니다. 메건 롱 (Megan Long) 은 이러한 바이러스식 전파 추세가 대중의 정서에 영향을 미치고 주식거래 열풍을 일으켜 시장 참가자들의 이익을 해치고 전체 시스템에 대한 신뢰를 약화시킬 수 있다고 생각한다.

금융 서비스의 주요 시스템 위험 중 하나는 일부 인공지능 어플리케이션과 알고리즘의 고유 편견이다. Megan Long 에 따르면 생태계 참가자는 인공 지능 의사 결정 프로세스를 해결하는 데 도움이 되는 엔터프라이즈 프레임워크를 도입하고 각 단계에 필요한 투명도 수준을 평가할 수 있습니다. 예를 들어, 더 간단한 형태의 기계 학습을 고려해 볼 수 있습니다. 드래곤이 개괄한 기술적 원형은' 반사실 공평함' 이다. 인공지능 모델을 훈련시키는 데 사용된 데이터에 특정 인종, 성별 또는 인구집단에 대한 사회적 편견이 포함되어 있다면 시간이 지남에 따라 이 모델들은 결국 같은 편견을 나타낼 것이다. 그러나 개발 팀이 이러한 다양한 사회적 편견을 고려하고 처리할 수 있다면 알고리즘 편견의 투명성 문제를 해결하는 데 도움이 될 것입니다.

새로운 데이터 소스는 시스템 참가자, 국가 및 글로벌 금융 시스템의 외부 충격을 위태롭게 할 수 있는 복합 효과를 방지하는 데도 중요합니다. 미래에는 극한의 운영 매개변수 하에서만 발생하는 문제나 상황인 한계 상황이 더욱 빈번해지고, 이로 인해 기존 데이터는 이를 예측할 수 없게 됩니다.

따라서 시스템 참가자는 경보 지표 데이터베이스 강화를 고려하고, 아직 존재하지 않는 중요한 상호 작용을 발견하고, 과거 데이터를 샘플로 시뮬레이션하고 예측할 수 있도록 익명 합성 데이터 세트를 구입해야 합니다. 또한 탐색중인 또 다른 대체 데이터 세트는 공간 및 시간 정보를 의미하는 시공간 데이터입니다. 예측할 수 없거나 예측할 수 없는 미래 사례가 관련될 경우 패턴을 일치시키고 찾는 데 도움이 됩니다.

Megan Long 은 각 개체 및 관할 구역의 독립 운영 모델을 조사할 때 국경 간 데이터 공유가 사용 가능한 데이터를 더 잘 활용하는 "첫 번째 단계" 라고 생각합니다. 데이터는 단일 엔티티나 국가의 벽이 아닌 자유롭게 공유해야 합니다. 유례없는 연결세계에서 세계를 하나로 묶는 단서를 인정해야 글로벌 도전을 해결할 수 있다.