上周金融科技前沿课程的主题是《监管科技》，韩海燕老师从金融监管引入，介绍了我国的金融监管体系，接着进入监管科技的详细讲解。我觉得最主要的是弄清楚监管科技的定义，以及在实际的银行业应用场景中具体的运作流程是怎么样的。韩老师讲的很全面，将ABCD等金融科技手段在监管系统中是如何运作的讲的很清楚，收获颇丰，但是比较少涉及到监管的对象和内容，仍没有很清楚监管机构是要监管什么东西？监管机构要求银行金融业机构报送的资料有哪些？这些报送要求的目的分别是什么？所以这篇文章分为三个部分，一是介绍金融监管，二是介绍监科技，三是对银行业监管报送进行概述。

一、金融监管

1.1 什么是金融监管？

金融监管是指政府通过特定的机构（如中央银行）对金融交易行为主体进行的某种限制或规定。

顾名思义，监是监督，管是管理。

谁来监管？ 政府，并且是通过特定的机构（如中央银行）

监管谁？ 监管的对象也在逐步扩大，从银行、非银行金融机构 --> 准金融机构（如集体投资机构、贷款协会、 银行附属公司） --> 整个金融体系

监管啥？ 监管的主要内容包括对对证券业、保险业、信托业、商业银行的监管；对金融机构设立、资产负债业务的监管；对会计结算、外汇外债的监管…总之，监管的内容很多，其中，对商业银行的监管是监管的重点。

用什么方式进行监管？ 公告监管、准则监管、实体监管。（这里涉及一个“四结合的监管方法”，意思是外部监管与内部自律相结合、全面监管与重点监管相结合…）

1.2 金融监管的作用和意义

作用和意义太多了，比如：

• 减少金融风险。促进金融和经济健康发展，社会稳定。
• 保证公平。保障存款人和投资者的利益。同时有监督，避免暗箱操作，贪污腐败。
• 帮助金融机构不倒闭，不然像金融危机一样会危害整个社会。
• 宏观调控，进行货币政策，财政政策等的一种方式。（存款准备金）

1.3 我国的金融监管体系

一委一行两会一局

二、监管科技

2.1 什么是监管科技

什么是监管科技？

简单地说，监管科技是为了应对金融科技创新发展中不断暴露出的风险与问题而采取的监管解决方案。

监管科技分为两个方面

• 金融监管机构使用的“监管科技”（科技+监管，SupTech）
• 金融机构使用的“合规科技”（科技+合规，CompTech）

监管科技参与主体

这个过程涉及到金融监管机构（第一部分介绍过）、金融机构、金融科技公司/专业的监管科技公司。

监管科技与金融科技的关系

这两者具有交叉李生的关系，是同类信息技术在不同需求场景下的应用。

比如，当科技应用于金融创新发展之时，称之为金融科技，但这可能引发金融风险与侵害消费者权益，而当科技应用于有效防范金融风险与保护消费者权益时，称为监管科技。

监管科技的作用与意义

简单来说，“科技+监管”能够有效应对“科技+金融”的风险。

2.2 监管科技的发展概况

国内外学者将监管科技的演变划分为三个阶段。当前，全球监管科技正处于从2.0到3.0时代的关键时期。

• 1.0: 2000年左右，金融机构引入新技术来监视和分析特定法规或流程的风险

• 2.0：从2008年全球金融危机后大概十年间，实现了监管合规义务和技术的结合

• 3.0：从“了解您的客户”到 “了解您的数据”的转变

当前，我国各级金融监管机构都十分重视以大数据、云计算、区块链、人工智能为代表的新兴信息科技研发，并已在很多重要领域实现了监管科技的落地应用。

2.3 监管科技的技术支撑

这一节主要对云计算、大数据、人工智能、区块链、API技术做一个概述。都是很基础的概念知识。

2.3.1 云计算

基本原理

云计算的商业运用至今己超过十年，是金融科技和监管科技各项技术应用中成熟度最高的。目前广为接受的是美国国家标准与技术研究院（NIST）给予的定义：

云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进人可配置的计算资源共享池。

按照服务类型，可以分为

• 基础设施即服务（IaaS）：是指用户可以通过网络直接获取虚拟机或者其他资源等服务，比如比如我现在写文章的个人网站就是基于阿里云服务器搭建的，这里的阿里云其实就是IaaS。

• 平台即服务（PaaS）：是服务商可以给用户提供一个开发平台以及相应的配套服务

• 软件即服务 （SaaS）：提供的是应用程序，用户直接使用。

发展现状

随着云计算产业的发展，中国已经成为全球最大的半导体市场，也成为增长最快的云计算市场之一。

在监管科技领域的应用与实践

云计算作为基础设施，可为监管科技提供良好的运营平台、开发平台。

2.3.2 大数据

基本原理

大数据我们都比较熟悉了。

泛指超出传统常规数据库软件工具能力范围的需要新处理模式的海量、多样化的数据集合和信息资产，包括传统结构化数据、半结构化数据和非结构化数据。

大数据技术是伴随数据处理周期发展的一系列技术合集，包括数据采集、数据预处理、数据存储、数据挖掘和数据可视化等。

其战略意义不在于庞大信息数据本身，而是要通过加工实现数据的“增值”，有助于促进统筹监管、实时监管和监管决策。

在监管科技领域的应用与实践

大数据在监管科技领域应用广泛，已落地多个应用场景。

从业务流程看，大数据在监管科技领域的应用可分为数据收集和数据分析两大方面；

从应用场景看，大数据可应用于用户身份识别、市场交易监控、合规数据报送、法律法规跟踪、风险数据融合分析、金融机构压力测试、信息系统安全等多个领域。

2.3.3 人工智能

基本原理

人工智能是计算机科学的一个分支，全称是Artificial Intelligence，简称AI。它是一门结合了自然科学、社会科学、技 术科学的新兴交叉学科。本质是对人的思维进行模拟，从运算智能到感知智能最后到认知智能。

主流技术包括计算机视觉、语音识别、机器学习、自然语言处理、知识图谱、任务规划、联邦学习等

在监管科技领域的应用与实践

当前人工智能技术突破、应用广泛。当前，AI已落地多个监管领域场景应用。

• 用户身份识别：OCR识别、人脸识别
• 可疑交易监测：机器学习、知识图谱
• 数据安全：联邦学习
• 欺诈用户识别：知识图谱
• 舆情监控：机器学习、自然语言处理
• 合规监管：机器学习、自然语言处理

2.3.4 区块链

基本原理

区块链也称分布式账本（Distributrd Ledger），是由包含交易信息的区块从后向前有序链接起来的数据结构。

区块链已经讲了很多，这里不再赘述了。

主要特征： 分布协作、难以篡改、强制执行、扩展性高。

主流技术：区块链技术是点对点传输、分布式数据存储、加密技术、共识机制、智能合约等多项技术要素的组合。

发展现状

区块链技术潜在的应用价值巨大，国内外政府组织、金融机构和科技公司均在不同程度上关注并开展区块链技术的研究 和应用。目前，主要体现在如下三个方面：

• 建应用，在具体的应用场景中应用区块链：国际标准化组织（ISO）设立了区块链和分布式记账技术委员会（ISO/TC 307）；国内金融领域，中国人民银行发布了《金融分布式账本技术安全规范》（JR/T0184-2020）等。

• 搭平台，发展区块链技术并对外相关服务：在公益、政务民生、电子存证、供应链协同、资产管理、证券交易等，区块链场景应用不断丰富。

• 定标准，制定区块链行业标准：国内外多个大型科技公司，通过底层区块链架设和基础设施搭建，对外提供数据上链服务，包括BaaS（Blockchain as a Service）平台、电子存证云服务等。

在监管科技领域的应用与实践

区块链技术在金融监管领域发挥重要作用，为降低合规成本、提高监管效率创造了条件，是监管科技重要的技术手段之一。

在监管科技领域主要应用于关键信息存证、信息流转与共享，并已在多个应用场景实践，如反洗钱、票据交易、证券交易、 风险监测、合同存证、中小企业融资等。

随着技术的发展，区块链与监管科技的契合度必然会越来越高，在未来的金融发展和金融监管方面，在注重区块 链技术突破的同时，一方面会探索更多的应用场景，另一方面也会更重视树立标准标杆、制定国际标准，并建立 完善的适合区块链发展的法律法规体系。

2.3.5 API

基本原理

API全称是Application Programming Interface，即应用程序编程接口。其本质是一些预先定义好的函数，主要目的 是提供应用程序与开发人员以访问一组例程的能力 ，而使其无需访问源码或理解内部工作机制的细节 。主要包含内部 API、企业定制API、开放API（OpenAPI）三大类。

在监管科技领域的应用与实践

API已应用于监管科技领域的诸多场景，如支付API监控、开放银行的OpenAPI等，有效提升金融服务效能 同时，监管侧也强化对银行开放服务的合规管理，国内外监管机构均纷纷发布API相关规范文件，作为API开放的指导政策。

API其实现在的应用场景也很多，比如前段时间我需要使用到天眼查的大样本数据，天眼查就提供了API可以供调用数据，但是太贵了…我只能通过爬虫解决问题。未来这种通过API接口提供服务会越来越多。

2.4 监管科技的主要应用场景及案例

这一节主要简单概述了监管科技在反洗钱领域、地方金融监管、用户身份识别、市场交易行为监测、支付行为监测和风险防控五个方面的应用场景。案例引用自《中国监管科技发展报告（2020）》。此部分只涉及基本介绍，具体实现仍需探索。

2.4.1 反洗钱领域应用

应用背景及痛点分析

反洗钱监管工作面临的痛点和问题主要集中如下两方面：

• 监管机构侧，面对报告机构上报的海量可疑交易报告和大额交易报告等业务数据，处理效率亟待提升。(据统计，2018年中国反洗钱中心共接收报告机构报送的 大额交易9.19亿份，可疑交易报告160.20万份。)

• 被监管机构侧，面临海量数据存储与计算难 、可疑交易识别难、传统交易监控系统易产生误报 、数据质量 管控难、缺少可视化工具等问题

应用案例：基于Hadoop分布式架构大数据平台的反洗钱报送系统架构。

从日益增长的海量交易数据中高效甄别出可疑的洗钱实体、可疑洗钱实体的团伙关系、对客户进行风险评级，并通过可视化的交互方式，高效进行案宗核查。

基于Hadoop分布式架构的大数据平台，在分层架构的基础 上，计算规则模型，解决数据计算和存储问题，保障报送时 效性；同时引入机器学习、深度学习等AI技术，提升可疑交 易识别准确度

具有以下的特点：

• 海量数据存储与计算
• 按主题分类汇总数据，灵活构建用户画像
• 基于分布式架构，准实时监测和快速查询
• 机器学习和深度学习的应用

2.4.2 地方金融监管应用

应用背景及痛点分析

近几年金融业态不断丰富，金融创新激增，金融乱象也随之屡有发生。相对大型持牌金融机构，地方金融经营主题普遍存在风险防范意识和风险管理能力较弱的情况，业务活动的风险系数整体偏高，给地方金融监督管理局的监管工作带来巨大挑战，主要体现在如下几点：

• 监管数量庞大，信息不对称：位于地方市区一级的地方金融机构，少则几千家多则数万家，靠传统现场检查基本难以覆盖。

• 专业人员的匮乏：监管对象复杂程度高，监管事项多，专业人员不足。

• 缺少技术手段支撑

应用案例：全国首创基于区块链的网贷风险处置应用——网络投票决策平台

近年来网贷机构风险显露，监管部门及时引导网贷机构良性退出，其中，退出方案需通过网络投票方式表决，而普通的投票系统无法满足要求 。

某银行在市地方金融监督管理局的指导下，建设网络投票决策平台，运用区块链技术解决网贷机构清退流程中的互不信任问题，运用人脸识别技术解决身份验证问题，运用智能语音机器人解决公告送达问题。

应用案例：智慧信访处理平台

2018年7月，P2P风险集中爆发，某金融局信访量急剧增加。另一方面， 重复上报同一问题也引发大量重复性工作，传统人工回复耗时久、效率较低，信访工作人员回复时效压力激增。

某银行在该金融局的指导下，运用AI等前沿科技，建设智慧信访处理平台，运用自然语言处理技术，自动检索出信访问题中的关键字，智能匹配最优答复内容，解 了人工操作需耗费大量时间的问题，大幅提升信访回复效率。

上线首月，回复效率提升1倍，每周办结数上升30%，平均处理时间节 省80%。

2.4.3 用户身份识别

应用背景及痛点分析

近几年来，随着互联网高速发展，越来越多的金融服务和交易在线上进行，技术的发展带来了便利，但也给了不法分子伪造、隐藏身份的机会。不法分子盗用账号、盗用银行卡的行为日益猖獗 ，并随着灰黑产线上网络的扩张，泄露的账号、银行卡信息得以快速传播，被更多不法分子利用，极大损害消费者的权益。

如何准确、有效地识别用户身份？是当下金融机构和监管部门急需解决的问题。

应用案例：KYC

充分利用人脸识别、图像OCR识别等技术，有效识别客户身份，提升识别和核验的准确性、有效性。

2.4.4 市场交易行为监测

应用背景及痛点分析

科技进步促进了金融创新，互联网高速发展便利了市场交易线上化，但也滋生了大量新型金融欺诈犯罪，身份伪冒、信贷诈骗、薅羊毛、电信诈骗等欺诈案件层出不穷，欺诈风险已成为市场交易行为风险识别的重要内容。

同时，监管机构为防止金融风险的发生，对金融机构也提出更高的合规要求，给金融机构的市场交易行为监测监督工作带来巨大挑战，集中体现在如下三个方面：

• 海量交易数据处理难：庞大客户群产生的海量交易数据，且数据来源分散、数据格式多样，超出了传统监管手段的处理能力

• 欺诈手段变化多，风险识别难：欺诈黑色产业链逐年增长，黑产规模庞大，互相助攻，欺诈手段不断变化，传统反欺诈技术手段难以识别风险

• 传统人工处理成本高、效率低、风险大：传统人工识别误判率较高、人工复核运营成本高、监控策略人为泄露损失风险大。

应用案例：基于深度学习的反欺诈实时交易监测

从制度标准、防控能力等方面建立面向客户的覆盖多产品、全渠道、全流程的企业级反欺诈平台。基于神经网络交易欺诈评分模型，结合大数据挖掘能力，进行交易的实时评分决策。

应用案例：基于知识图谱的反欺诈黑产挖掘

黑产信息采集：充分利用内外部数据资源，采集与识别行业反欺诈黑产联盟数据，如：举报数据、公安数据等。

知识图谱黑产挖掘：基于知识图谱，挖掘潜在黑产网络路径。

知识图谱可视化辅助风险识别：通过可视化技术，直观展示黑产关联路径，辅助风险识别决策。

2.4.5 支付行为监测和风险防控

应用背景及痛点分析

近几年，随着科技日新月异发展，我国第三方支付开启飞速发展，线上线下支付应用场景日益丰富，移动支付市场规模随之不断扩大。

科技创新带来便利的同时，也带来了新的风险隐患，加大了金融机构和监管部门的风险防控和监管难度。集中体现在如下三个方面：

• 支付用户身份识别难，线上支付、移动支付过程中，身份伪冒风险大；

• 欺诈、洗钱等异常支付行为难识别；

• 客户信息、支付交易信息等存在泄露风险。

应用案例：智能可疑交易监控科技

基于“案例特征化、特征指标化、指标模型化”的推动方式，建立“立体监控+生态联防”的可疑交易风险防控体系，贯穿于事 前、事中和事后全流程环节。

三、银行业监管报送

这部分主要回答这个问题：监管机构要求银行金融业机构报送的资料有哪些？这些报送要求的目的分别是什么？

前面已经讲过，金融监管机构采用现场检查与非现场监管相结合的监管方式，其中又以非现场监管为主要形式。而非现场监管的主要手段即银行业各类监管数据的报送，当前，银行业的监管报送主要包括：

报送信息	监管部门
理财与资金信托报送	人民银行
反假币报送	人民银行
个人银行账户申报	人民银行
1104 报表	银保监
人行大集中	人民银行
EAST报送	银保监
客户风险报送	银保监
对外金融资产负债及交易统计	国家外汇管理局
征信报送	人民银行
反洗钱报送	人民银行
人行存贷款标准化报送	人民银行
风险信息及特约商户信息报送	中国支付清算协会
理财信息报送	银保监
支付统计报送	人民银行
非居民金融账户涉税报送	人民银行
金融基础数据报送	人民银行
区域特色报表	各区域人行、银保监 区域化报表

3.1 理财与资金信托报送

【主要业务概述】

报送信息包括理财及资金信托产品的资产池及产品信息、产品募集信息、股票及其他股权资产中资金信托、理财产品投资明细信息等资产负债信息。可分为

• 日常：填报产品（资产池）成立信息和终止信息。
• 月末：填报产品的资金募集、资产池的资产负债信息。

【报送目的】

• 全面、准确监测货币供应量与金融机构信贷规模
• 综合评估金融机构理财业务、资金信托业务的发展对现行货币政策传导机制的影响

参考资料：理财、资金信托专项统计制度

3.2 反假币报送

【主要业务概述】

根据《中国人民银行货币鉴别及假币收缴、鉴定管理办法》（中国人民银行令〔2019〕第3号）第五章第三十一条：

金融机构应当按照中国人民银行有关规定，对现金机具、人员培训、冠字号码以及假币收缴鉴定业务等进行数据管理，并将相关数据报送中国人民银行或其分支机构。

【报送目的】

• 规范货币鉴别及假币收缴、鉴定行为，保护货币持有人的合法权益

3.3 个人银行账户申报

【主要业务概述】

根据《人民币银行结算账户管理系统业务处理办法》（银办发［2007］74号）

第二十八条 银行应对存款人的开户申请书填写的事项和证明文件的真实性、完整性、合规性进行认真审查。

开户申请书填写的事项齐全，符合开立基本存款账户、临时存款账户和预算单位专用存款账户条件的，银行应将存款人的开户申请书、相关的证明文件和银行审核意见等开户资料报送中国人民银行当地分支行，经其核准后办理开户手续；符合开立一般存款账户、其他专用存款账户和个人银行结算账户条件的，银行应办理开户手续，并于开户之日起5个工作日内向中国人民银行当地分支行备案。

【报送目的】

• 规范人民币银行结算账户的开立和使用，维护经济金融秩序稳定

3.4 1104报表

【主要业务概述】

根据银保监《关于做好2022年银行业非现场监管报表填报工作的通知》，要求各金融机构报送的主要报表，包括资产负债，表外业务、流动性风险、贷款质量、投向行业和地区、重点客户等。

2022年新增了四大类全新报表：

• 《G05个人存贷款情况统计表》：目前只报送贷款情況，由此可见，我国网络借货行业引发监管关注，国家正在不断加大对网络借货的监管力度。
• 《G27主要负债项目明细表》
• 《G53_VI域存货款情况表》：该表统计县域地区的存贷款业务，是为了继续做好原金融精准扶贫贷款存量统计、信贷支持脱贫地区、统计脱贫人口情況
• 《S68 绿色融资情况表》：要推进绿色融资

为什么叫1104？

1104报表是指“1104工程”指定的报表，而“1104工程”又是指2003年11月4日银监会召开的“银行业金融机构监管信息系统建设”主席办公会和监管信息系统建设领导小组会议上决定启动的银行业金融机构监督信息系统这一重大举措。 这是我国银行业监管方式的一次革命。

【报送目的】

• 帮助监管人员更加准确地识别银行机构的风险和抵御风险的能力，以帮助监管人员更加全面地对风险进行评价和预警。

参考资料：2022年度1104报表填报“浅析”

3.5 人行大集中

【主要业务概述】

人民银行金融统计数据大集中自动化报送系统（简称PBOC Report），是基于现代计算机网络技术应用基础上，由人行总行设置金融统计数据服务器，建立的一个全国统一的金融统计数据库。

人行针对各银行存贷款、中间业务、网点人员、互联网金融等汇总报表统计，贷款类报表较多，从行业、期限、业务种类分别进行统计。人行大集中报表主要包括常规报表和临时报表。

• 常规报表根据报送频度又分为日报、月报、季报和年报，月报根据报送日期先后分为月报一批和月报二批，共报送37张报表
• 临时报表主要是人行或者其他国家机关出于宏观经济调控等的需要，由人行营管部调统处发布通知，组织填报的报表

【报送目的】

• 通过采集和处理所有金融机构上报的金融统计数据，生成金融机构县级以上各层次的金融统计报表和数据，并实现对金融统计数据的统一管理、统一维护与共享。
• 有很强的监管意义。比如公安部在16个城市试点基础上，在全国推广机动车检验标志电子化，为机动车所有人、驾驶人以及相关行业和管理部门提供电子证照服务。

参考资料: 一文读懂【人行大集中+金标】之【概念定义、报送内容、校验规则、监管意义】

3.6 EAST（监管数据标准化规范）

【主要业务概述】

EAST系统全称Examination and Analysis Technology，是银监会在2008年开发的具有自主知识产权的检查分析系统，旨在顺应大数据发展趋势需求，并帮助监管部门提高检查效能。系统包含银行标准化数据提取、现场检查项目管理、数据模型生成工具、数据模型发布与管理等功能模块。

2019年9月29日，中国银行保险监督管理委员会办公厅（以下简称“银保监会”）颁布关于印发《银行业金融机构监管数据标准化规范》（2019年版）的通知（以下简称“EAST 4.0”）。

EAST作为1104之后的又一重量级监管报送系统，与1104报送汇总数据的维度明显不同。EAST报送的是数据明细，涵盖十个监管主题域、66张数据表、1852个数据项，包括客户、账户、交易、机构、合同、中间业务等所有明细数据，但这些明细又与1104报表有着严密的校验关系，EAST报送是将各银行千差万别的数据结构映射成统一的标准监管格式数据，以实现标准监管数据的采集和处理。EAST的报送明细数据量非常大。

【报送目的】

• EAST报送将中小银行千差万别的数据结构映射成统一的标准监管格式数据，以实现标准监管数据的采集和处理统一的监管数据更利于机构之间的比对，有利于银行业风险的整体把控。

3.7 客户风险报送

【主要业务概述】

银监会决定从2013年起实行新版客户风险统计制度，对各政策性银行、国有商业银行、股份制商业银行、邮储银行（目前邮储银行已经并入国有银行）进行客户信息汇总统计。

客户风险数据报送包括对公及同业客户授信和表内外业务统计表、集团客户、供应链融资基本信息统计表、单一法人客户基本信息统计表、对公客户担保情况统计表、个人贷款违约情况统计表、个人违约贷款担保情况统计表相关客户风险信息，共计6张大表，18张子表。

【报送目的】

• 实现对主要银行业金融机构表内外信用风险的全面监测，重点加强集团客户授信风险监测能力，逐步完善前瞻性的风险识别信息

3.8 对外金融资产负债及交易统计

【主要业务概述】

主要采集中国居民（包括境内机构和个人）与非中国居民之间各项国际收支交易的流量以及对外金融资产负债的存量数据。对外金融资产负债及交易申报业务大体归为两个部分：

• 国际收支交易：即中国居民与非中国居民之间的各项交易，包括货物买卖、服务贸易、股息利息收支、无偿捐赠以及赔偿，直接投资、证券投资、金融衍生产品以及存贷款等其他投资交易。
• 对外金融资产、负债：指中国居民对非中国居民拥有的金融资产，包括对外直接投资、证券投资、金融衍生产品投资、存款、发放贷款及各类应收款等；对外负债指中国居民对非中国居民承担的负债，包括吸收直接投资、发行有价证券、金融衍生产品投资、吸收存款、接受贷款及各类应付款等。

【报送目的】

• 进一步完善对外金融资产负债及交易统计

3.9 征信报送

【主要业务概述】

目前正处于一代征信到二代征信的过渡阶段。2018年6月，中国人民银行征信中心发布了《人民银行征信系统数据采集规范（二代试行）》系统列标准，对个人征信、企业征信、征信查询等采集要求做了整体变更，对于银行的监管也愈发严格。

二代征信分企业征信和个人征信：

• 个人征信报送基本信息、借贷信息、担保信息三大类报表
• 企业征信报送基本信息、借贷交易信息、担保交易信息、抵质押物信息、财务报表信息五大类报表

【报送目的】

• 与现阶段的征信系统相比，二代征信系统采集业务范围更广、数据项更多
• 重新制定通用数据采集标准，全面支持商业银行新兴信贷业务数据采集
• 提供更方便、更规范的征信信息服务
• 建立更健全的数据质量管控体系及合规管理体系

3.10 反洗钱报送

【主要业务概述】

反洗钱报送主要报送大额交易和可疑交易，

• 大额交易 指个人之间人民币5万，美元1万以上的交易，个人和单位之间50万以上人民币，或5万美元以上交易，单位客户之间200万人民币或20万美元之间的交易。
• 可疑交易 要求金融机构发现或者有合理理由怀疑客户、客户的资金或者其他资产、客户的交易或者试图进行的交易与洗钱、恐怖融资等犯罪活动相关的，不论所涉资金金额或者资产价值大小，应当提交可疑交易报告。

【报送目的】

• 规范金融机构大额交易和可疑交易报告行为

3.11 人行存贷款标准化报送

【主要业务概述】

为了加强对金融机构存、贷款业务的及时监测和管理，人民银行在《存款统计分类及编码（试行）》、《贷款统计分类及编码（试行）》的基础上，拟定了《存款数据元（试行）》、《贷款数据元（试行）》，采用抽样统计的方法，建立《标准化存贷款综合抽样统计监测制度（试行）》，简称“金标”。

包括存款余额、贷款余额、贷款发生额三张报文，部分银行根据自身业务属性，划分出活期存款余额、非活期存款余额、贷款余额、贷款发生额四类报文。

【报送目的】

• 逐月报送存贷款数据，以便及时、准确、系统地反映金融机构存款和贷款的结构、风险、利率水平等相关信息。

3.12 支付统计报送

【主要业务概述】

支付信息统计分析(Statistical analysis of payment information)简称PISA，自2015年起，支付业务数据通过支付信息统计分析系统报送，取消支付业务报表手工报送方式。

根据中国人民银行关于发布〈支付业务统计指标〉行业标准的通知。报送内容包括：支付环境统计指标、支付服务组织统计指标、人民币银行结算账户类统计指标、支付工具统计指标、支付系统统计指标、其它支付指标等。共计31张报表，1张年报，6张季报，24张月报。

【报送目的】

• 支付体系运行中形成的支付信息，是一国经济金融活动的原始记录，蕴含着社会资金运动的规律，是宏观经济运行的“晴雨表”，相对其他数据而言，具有准确性、实时性、客观性特点

• 有利于完善支付体系监督管理，促进支付研究和领导决策

3.13 金融基础数据报送

【主要业务概述】

为了全面落实和实现国务院办公厅下发《关于全面推进金融业综合统计工作的意见》中的综合统计工作的总体目标，中国人民银行调查统计司于2020年6月12日下发了《关于建立金融基础数据统计制度的通知（试行）》。

金融基础数据报送涵盖贷款、存款、债券、股权投资和特定目的载体投资等四方面，涉及交易对手管理、业务存量管理、合同管理、风险控制等各方面，统计内容细、要素多、数据量庞大。

【报送目的】

• 通过准确及时的全量逐笔明细采集，逐步实现金融业综合统计工作全覆盖，对高效赋能金融数据生产力、维护国家金融稳定具有重要意义，是打造国家金融基础数据库的重要组成部分。

---

免责声明：监管报送是非常专业的领域，笔者仅根据所学知识整理资料，资料来源包括银保监会、人民银行、外管局、人行征信中心的监管发文、行业研究报告、公司研究报告、网络文章等，不做任何商业用途，旨在督促自己进步的同时，逐渐将知识沉淀下来。