引言

此文为《北大金融评论》创刊号约稿,为代表作者所在机构立场。

金融科技翻译自英文的 Fintech。2012 年以后,我国用的相近概念是互联网金融。互联网金融在我国经历了从鼓励发展、风险爆发到集中整治的曲折过程。我国业界和学术界 2016 年后倾向于用金融科技这个词。但详细对比互联网金融和金融科技这两个概念的内涵和外延,不难发现它们非常接近。行业发展、风险评估以及监管实施,不会也不应该因为换个名词就显著改变,更不能因“换马甲”就无视一直存在的行业风险点。

我对金融科技采用了国际清算银行 2019 年年报的定义:技术驱动的金融服务创新,体现为新的商业模式、应用、流程和产品。国际清算银行在年报中重点分析了技术对支付、货币管理、保险和借贷等的影响。

在这篇文章中,我试图回答的问题是:不考虑金融科技的具体形态,金融科技要健康发展,需要哪些基础设施?这个问题有很强的政策含义。本文借鉴了过去 6 年我国在互联网金融方面的经验教训。

图 1 总结了与金融科技有关的三类基础设施:信息基础设施、支付清算基础设施和监管基础设施。

图 1:与金融科技有关的三类基础设施

金融是经营风险的行业,风险评估、风险定价和风险监控的核心都是信息处理,都离不开信息基础设施。金融是货币资金融通的总称,而资金融通以及相伴随的风险转移和分担,是通过支付清算基础设施来进行的。金融风险无处不在并且有很强外溢影响,技术会进一步放大金融风险的复杂性和传导的隐蔽性、急剧性。金融创新发展离不开坚实的监管基础设施。在我国,金融创新如果没有监管引导和约束,容易偏离服务实体经济的方向。

信息基础设施、支付清算基础设施和监管基础设施的划分,对传统金融领域也成立,但是在金融科技领域呈现出一些不同于传统的特征。

一、**息基础设**

金融科技的信息基础设施分为 3 个层次:信息记录与收集、数据分析方法(Data analytics)和计算能力。其中,征信是信息基础设施的重要组成部分。

(一)信息记录与收

随着智能手机和智能硬件的普及,以及物联网和各种传感设备的发展,人类活动的数字化程度越来越高,越来越多的信息得以记录下来。

数字化的人类活动一般依托各类账户进行,比如金融账户、社交网络账户、电子商务账户和其他应用程序账户。尽管不同账户的实名制有强弱之分,但账户总与身份识别相关联。人脸、指纹和虹膜等生物识别技术的广泛应用,会进一步加强账户与身份的关联,使得账户能有效记录账户所有者在社交和消费等不同场景的行为。

通过分析这些行为信息,可以对账户所有者进行画像(consumer
profiling),并推断账户所有者的偏好、信用和收入等重要特征,从而为金融精准营销和网络贷款等金融科技业态打下基础。

在信息记录与收集方面,我想补充说明两点。首先,非金融数据(特别是场景化数据)在金融领域的价值。我国金融科技的实践已证明,电商数据可用于对商家和消费者的信用评估,社交媒体和搜索引擎数据有助于评估消费者偏好和精准营销。

其次,技术使得对软信息的收集和分析成为可能,这是电商和社交等领域 Big
tech 公司在线贷款业务的基础。软信息与硬信息相对应,指难以量化并且难以在不同人之间无失真传递的信息,比如一个小企业主在所在社区的声誉。软信息是关系型贷款的基础,是理解与小微企业信贷有关的银行业结构、银行内部分权和银企关系等问题的关键。技术的发展使得地方信息和私人信息公开化,只可意会的信息显性化,分散信息集中化。这些将对小微企业和个人信贷市场产生深远的影响。

(二)数据分析方法

数据分析方法主要体现为大数据和人工智能(AI)技术。AI 在人脸识别、用户画像、信用评估和保险定价等方面已显示出良好应用价值,在资本市场和投资管理等方面的应用效果则难有定论。

原因在于,AI 领域 2012 年后广受关注的深度学习算法,本质上是模式识别,适合边界清晰和规则有限的问题。比如,深度学习下围棋取得了举世瞩目的成功,但在自动驾驶上面临很多挑战,因为后者没有清晰边界,相关规则难以穷举。类似地,AI 适合对人脸照片、用户偏好以及违约概率和遇险概率的高低进行分类,这些正是人脸识别、用户画像、信用评估和保险定价的核心问题。但市场交易形成的资产价格汇聚了各方面信息,在复杂度上远远超过模式识别的范畴。AI 预测资产价格的难度,也可以在市场有效性或哈耶克经济计算问题的框架下理解。

数据分析方法应用于信贷领域有 3 个值得注意的问题。第一,一些变量尽管有助于信用评估,但据此放贷可能引起信贷公平性方面的争议,比如民族和肤色。第二,要辩证看待 Big
tech 公司对外声称的内部信用评估模型的优越性。Big
tech 公司的借款人可能因为平台锁定效应和高转换成本而不敢违约(见后文),这会高估内部信用评估模型的效力。第三,很多数据分析方法没有经过完整金融周期检验。在国际金融危机期间,Basel
Ⅱ内部评级法就显示出顺周期性,会放大经济下行期的信贷紧缩,Basel Ⅲ为此引入逆周期资本缓冲。顺周期性问题是否对数据分析方法也存在?我认为可能性很大。

(三)计算能力

随着云计算、5G、专用芯片和边缘计算等技术的发展,计算能力的大宗商品化程度将进一步提升,将极大提升对复杂数据进行复杂分析的能力。

(四)征信作为信息基础设施

征信与内部信用评估的区别是一个微妙问题,在我国开展个人征信试点时曾引发很多争议,有必要厘清。

征信报告是公共产品,在信息来源、使用和个人隐私保护等方面有着严格监管要求。第一,除依法公开的个人信息以外,采集个人信息应当经信息主体本人同意,未经同意不得采集。第二,向征信机构提供个人不良信息应当事先告知信息主体本人。第三,个人不良信息有保存期限。第四,查询征信报告需要事先获得信息主体授权。第五,禁止和限制采集某些个人的信息,特别是与信用无关的隐私信息。第六,个人对本人信息享有查询、异议和投诉等的权利。这些监管的要求在数据隐私监管中得到了继承和发扬(见后文)。

与征信报告不同,内部信用评估一般只在企业内部适用,公共产品属性不强,适用监管框架不同,数据来源和分析方法可以是灵活多样的。

二、**支付清算基础设施**

支付清算基础设施是金融系统的“管道”。这些“管道”位于不为大多数人所见的金融系统底层,却影响着资金如何融通,金融资源如何配置,金融风险如何转移,以及金融政策如何传导。因篇幅所限,本文聚焦支付清算基础设施的两个核心组件:法定货币的二级银行账户体系和金融交易后处理,重点讨论基础设施的账户范式和 Token 范式。

(一)账户范式

在法定货币的二级银行账户体系中,个人、企业和政府部门在商业银行开设存款账户,商业银行在中央银行开设存款准备金账户。法定货币存在于金融系统的负债方。基础货币是中央银行的负债。其中,现钞是中央银行对公众的负债,存款准备金是中央银行对商业银行的负债。存款是商业银行对个人、企业和政府部门的负债。在现代经济体中,现钞只占货币供给的很小比例,广义货币供给的大部分是存款。存款准备金和存款等货币形态都已经电子化。

转账和汇款涉及银行账户操作。跨行转账除了调整交易双方在各自开户银行的存款账户余额以外,还涉及两家开户银行之间的结算,而商业银行之间的结算需调整它们在中央银行的存款准备金账户余额。此外,我国的第三方支付,本质是基于支付公司账户的业务创新。跨境支付涉及的银行账户操作更复杂,需要通过代理银行的同业往来账户进行,还有货币兑换问题。

金融交易后结算主要由 3 个步骤组成:1. 交易指令管理(包括交易验证);2. 清算,也就是计算交易双方的财务义务;3. 结算,也就是最终的资产转移。中央证券登记机构(Central
Security
Depositories,CSDs)在结算中发挥了关键作用,承担了 3 项主要功能,包括:1. 认证,公正并受信任地维护已发行证券的记录;2. 结算,将证券的所有权从卖方转给买方;3. 账目维护,建立并更新证券的所有权记录。中央证券登记机构有时还承担证券托管、资产服务、融资、报告或证券出借等功能。

在金融交易后结算中,一笔交易涉及多个机构。每个机构使用各自系统来处理、发送和接收交易指令、核对数据以及管理差错等,并维护自己的交易记录。每个机构使用的数据标准也不统一。这些都会产生大量成本。

以上对法定货币的二级银行账户体系和金融交易后处理的介绍均属于账户范式。

(二) Token 范式**

与账户范式对应的是 Token 范式。Token 范式以区块链为代表:Token、智能合约和共识算法都处于共识边界内,Token 与智能合约之间有密不可分联系,共识算法确保了共识边界内的去信任环境。

Token 范式尽管与账户范式有很大差异,但也可以用来承载金融资产和交易,实质是基于法律法规,用区块链外的经济机制,使 Token 和某类标的资产的价值挂钩。这个过程离不开中心化受信任机构,并须遵循 3 个规则:1:1 发行规则、1:1 双向兑换规则和可信规则。

在这 3 个规则的约束下,1 单位 Token 代表了 1 单位标的资产的价值。在 Token 有二级市场交易时,Token 市场价格会偏离标的资产的价值,但市场套利机制会驱动价格向价值回归。标准化、产权明晰和交易流程简捷的资产最适合用 Token 承载,主要包括货币和金融证券。

账户范式和 Token 范式在交易场景表现、开放程度和隐私保护等方面有很大差异。特别是,账户是金融大数据的来源,但账户范式下对个人信息的收集和使用,容易演变成侵犯个人隐私。Token 则像“一层匿名的面纱”,但带来了 KYC (Know
Your Client,了解你的用户)、AML (Anti-Money Laundering,反洗钱)和 CFT (Counter Financing of
Terrorism,反恐怖融资)等方面困难。

账户范式和 Token 范式在很多应用场景中呈现了复杂的替代和互补关系。比如,稳定加密货币与第三方支付在模式上同构,前者属于 Token 范式,后者属于账户范式;但为提高稳定加密货币的使用效率,现实中出现了两种范式的互补使用。

表 1 归纳了 Token 范式在法定货币领域的应用,包括中央银行数字货币(Central Bank Digital
Currency,CBDC)、金融机构间结算币(比如 JP Morgan Coin)、稳定加密货币(比如 USD
Coin)以及近期备受关注的 Libra 项目。这些应用尽管在目标用户和发行主体上有很大的差异,但在货币发行、转移和回笼等环节均遵循前面提到的 3 个规则。特别是,因为区块链运行在互联网上,Token 在区块链内不同地址之间的转移天然是跨国界的,这是区块链应用于跨境支付的基础,集中体现在 Libra 项目中。

表 1:Token 范式在法币领域的应用分类

Libra 作为基于一篮子货币的合成货币单位,与 IMF 特别提款权一样属于超主权货币,但基于 Token 范式实现。Libra 发行环节没有货币创造功能,扩大 Libra 发行的唯一办法是增加法币储备。如果基于 Libra 的存贷款活动伴随着货币创造,那么 Libra 项目应该因其对货币政策执行的影响而受到相应监管,但对此目前还难有定论。

Libra 有价值储藏功能,但交易媒介和计价单位功能在 Libra 发展前期将受限制。Libra 有助于金融普惠,但 Libra 能否成为真正的支付工具,仍有待市场检验,一个不能忽视的限制条件是 Libra 联盟链的性能。

Libra 项目面临着法定储备投资管理不善、货币篮子结构失衡和 Libra 价格大幅波动等潜在风险,且由于涉及多个国家、多种货币而将面临复杂的合规要求。尽管如此,Libra 项目很可能对国际货币体系产生深远影响,有待观察和研究的问题包括:第一,在政治经济不稳定和货币政策失败(比如通胀高企)的国家,Libra 是否可以替代该国货币,从而实现类似“美元化”效果?第二,以 Libra 计价的经济活动是否可以达到一个小经济体的体量,从而成为某种意义上的最优货币区?

区块链应用在金融交易后处理中,主要替代中央证券登记机构的结算和账目维护功能。好处包括:1. 建立并维护共享的、同时化的账本,简化交易对账过程;2. 缩短托管链;3. 减小结算所需时间和风险敞口。但面临的挑战包括:1. 如何实现券款对付(Delivery
versus Payment,DvP)和同步交收(Payment versus Payment,PvP)?2. 如何确保结算的最终性(Settlement
finality)?很多区块链系统因为分叉可能性,只能在概率意义上确保结算的最终性。3. 交易匹配和差错管理。区块链不可篡改的特点增加了这方面的难度。4. 如何在多方参与验证的情况下,确保交易信息的保密性?

对区块链应用于金融交易后处理感兴趣的读者可以参考国际清算银行支付和市场基础设施委员会 2017 年的研究报告《支付、清算和结算中的分布式账本技术:一个分析框架》以及美国 DTCC 公司 2019 年研究报告《Token 化证券的交易后处理的指导原则》。

三、**监管基础设施**

国际清算银行 2019 年年报对金融科技提出了如下监管框架(图 2):传统意义上的金融监管(核心目标是促进金融稳定和保护金融消费者)、竞争监管(特别针对 Big
tech 公司的金融科技业务)和数据隐私监管。这三方面监管之间存在复杂的交错和协同关系。与金融科技有关的监管问题还包括监管沙箱和监管技术。

图 2:金融科技的监管框架

(一)金融监管

金融科技会对金融活动的组织形式产生显著影响,一般称为金融脱媒或金融去中介化。严谨说法是,一些原本通过金融机构资产负债表进行的金融活动,“化整为零”到多家机构(不一定是金融机构),由这些机构形成的市场分工网络进行。

出现这种情况有很多种原因:第一,国际金融危机后,金融机构在强监管下收缩供给,将部分业务外包。第二,技术发展模糊了金融市场(直接融资)、金融中介(间接融资)和其他金融服务提供者之间的边界。这个问题也可以从新制度经济学关于企业与市场之间边界的角度理解。第三,监管标准不一致造成了监管套利问题,一些金融活动或其中的部分环节转移到相对薄弱的监管环境中进行。

这些情况为金融监管造成了很大挑战。如果金融活动通过金融机构资产负债表进行,可以相对容易地评估哪些金融机构承担了哪些风险以及规模多大,从而有针对性地引入资本充足程度、流动性和杠杆率等方面监管要求,以控制这些金融机构的风险承担行为。但在金融活动通过市场分工网络进行的情况下,风险承担和传导会变得隐蔽且复杂,机构监管不一定奏效。此时,应该突出功能监管,从“管机构”变成“管活动”。功能监管的一个核心原则是,不管什么类型的机构,只要进行了同样的金融活动,承担了同样的金融风险,就应该接受同样的监管。

金融科技有 4 类特殊风险应该受到监管重视。第一,平台型技术公司运营失败或者发生网络安全事件可能会引发系统性风险。第二,与金融科技有关的运营风险、技术风险以及模型和算法风险等。特别是,关键模型和算法应该透明、可解释和可追责。第三,模型、算法和经营模式之间的相似性会在金融科技机构之间造成同质化竞争,在极端情况下甚至造成顺周期性和“羊群效应”等问题。第四,金融科技领域的竞争策略带来的风险。与技术有关的领域往往有规模效应、网络效应、“先行者优势”和“赢家通吃”等特点,金融科技也不例外。一些金融科技机构为了抢占市场份额不计成本扩张,并且往往伴随着风险投资驱动和各种或明或暗补贴。但是这种扩张策略与金融机构应有的安全稳健是天然冲突的,而且会妨碍市场公平竞争(见后文)。

金融科技领域的消费者保护有两个突出特点。第一,金融科技有很强普惠色彩,能服务大量不被传统金融覆盖的“长尾”人群。然而,“长尾”人群一般属于金融领域的弱势群体,金融素养、金融风险识别和承担能力相对欠缺,更容易遭受误导和欺诈等不公正待遇。一旦金融科技出险,普惠性往往意味着风险涉众性更强。第二,Big
tech 公司提供金融服务时,由于相对金融消费者的强势地位,可能侵犯消费者权益。比如,Big
tech 公司可能过度采集消费者的隐私数据,并在未经消费者合理授权的情况下使用隐私数据,或将从甲业务中收集到的数据用于乙业务。

在金融消费者保护方面,第一,应要求金融科技机构加强信息披露,产品条款要简单透明,使金融消费者明白风险与收益的平衡关系;第二,应开通金融消费者维权渠道,包括赔偿和诉讼机制;第三,应利用金融消费者的投诉及时发现并修正监管漏洞。需要说明的是,有研究者将数据隐私保护纳入金融消费者保护范围。但鉴于数据隐私保护的重要性和专业性,我倾向于将其单独讨论。

(二)竞争监管

竞争监管的目标是维护市场竞争秩序,在保护金融消费者的前提下能够确保优胜劣汰。金融科技领域的竞争监管主要体现在以下 3 个方面。

第一,根据功能监管理念,金融科技机构与传统金融机构在从事同样业务时,应该受到同样监管,否则会扭曲两者之间公平竞争关系,甚至引发监管套利。但现实中,监管往往落后于金融创新,一些金融科技活动在发展早期可享受相当程度的监管宽容,这对传统金融机构不公平。

第二,私人机构提供金融基础设施时,应该遵循市场中立原则,不能扭曲或介入其他领域的竞争。金融基础设施不一定全部由公共部门提供,也可以采取公私合伙方式。比如,美国的个人征信主要由 Experian、Equifax 和 TransUnion 这 3 家私人机构提供。再比如,在我国支付清算体系中,政府提供主干支付网络,但小额、零散支付渠道主要由第三方支付机构提供,这也属于私人部门提供金融基础设施。这些私人部门提供者如果违背市场中立原则,会紊乱市场竞争秩序。比如,假设一个由电商平台控制的个人征信机构,明示或暗示消费者只有在电商平台上消费才能提高自己的信用评级。此时,个人征信机构就不是为公共利益服务,而沦为“设租”工具。

第三,Big tech 公司拥有平台、技术、用户和数据等方面的优势,在提供金融服务时可能有垄断和不公平竞争的问题。国际清算银行 2019 年年报提出了 Big
tech 公司的 DNA 环的概念(图 3),其中 D 代表数据分析方法,N 代表网络外部性(即网络效应),A 代表相互缠绕的业务,DNA 环这三个要素之间相互加强。

图 3:Big tech 公司的 DNA 环

DNA 环会造成 4 方面问题。第一,Big
tech 公司造成捕获性生态系统(比如一站式服务、业务伙伴网络和评分体系等),以锁定用户,使用户很难转换到有竞争关系的平台上。特别是,企业用户的转换成本高于个人用户。第二,Big
tech 公司利用支配性市场力量,通过排他性条款和价格战等方式,抑制甚至打压潜在竞争对手。三是产品捆绑销售和交叉补贴。比如,在我国互联网金融领域,一些机构曾通过补贴推高互联网理财产品收益率,以抢占市场份额。这些做法干扰了竞争秩序和市场定价。四是数据垄断
(英文称为 Data-opoly)。Big tech 公司事实上拥有用户数据的所有权。用户很难将自己的数据开放给或迁移到 Big
tech 公司的竞争对手。这样就造成了数据的非竞争性使用。Big tech 公司由此可获得信息租金。

(三)数据隐私监管

前文介绍征信和 Big
tech 公司对市场竞争的影响时已涉及数据隐私监管。数据隐私在经济学上有很多特殊属性。第一,很多数据的所有权不明晰,难以被有效保护。数据容易在未经合理授权的情况下被收集、存储、复制、传播和使用。第二,数据的使用是非竞争性的
(Non-rivalry)。数据可以被重复使用,并且重复使用不会降低数据的质量或使其数量减少。第三,数据的使用是非排它性的(Non-exclusive)。对同一份数据,不同的人是可以同时使用的。数据的这些特殊属性使得传统数据交易市场容易面临市场失灵的问题。

数据隐私保护既是一个制度问题,也是一个技术问题,在全球有 3 种代表性做法。

第一,数据隐私立法,以 2018 年 5 月欧盟开始实施的《一般数据保护条例》(GDPR)为代表。GDPR 给予数据主体广泛权力,包括:1. 个人数据删除权(也称为被遗忘权),指数据主体有权要求数据控制者删除其个人数据,以避免个人数据被传播;2. 可携带权,指数据主体有权向数据控制者索取本人数据并自主决定用途;3. 数据主体在自愿、基于特定目的且在与数据控制者地位平衡等情况下,授权数据控制者处理个人数据,但授权在法律上不具备永久效力,可随时撤回;4. 特殊类别的个人数据的处理条件,比如医疗数据。GDPR 还提高了对数据控制者的要求,包括:1. 企业作为数据控制者必须在事前数据采集和事后数据泄露两个环节履行明确的告知义务;2. 数据采用与数据使用目标的一一对应原则,以及数据采集(范围、数量、时间、接触主体等)最小化原则;3. 个人数据跨境传输条件。

第二,开放银行应用程序界面(Application Programming
Interface,API)。银行通过 API 将用户数据开放给经授权的第三方机构,以促进用户数据的开发使用,实际上是部分实现用户数据的可携带性。其中,银行既限定哪些用户数据可开放,也限定向哪些机构开放。

第三,密码学技术,比如可验证计算(Verifiable computing)、同态加密(Homomorphic
encryption)和安全多方计算(Secure multi-party
computation)等。对复杂的计算任务,可验证计算会生成一个简短证明。只要验证这个简短证明,就能判断计算任务是否被准确执行,不需要重复执行计算任务。同态加密和安全多方计算支持数据确权,使得在不影响数据所有权的前提下交易数据使用权成为可能,以此构建数据交易的产权基础。

(四)监管沙箱与监管技术

沙箱概念来自计算机领域,指在产品上线前为开发者提供开发和测试环境,帮忙他们发现并修正程序开发中的问题。监管沙箱的提出背景是,监管机构不一定能在事前准确判断金融科技创新方向并识别潜在风险。如果金融科技创新在风险未被充分准确评估前就推向市场,容易造成合规问题甚至风险事件。鉴于金融风险在传导中自我加强的可能性,对金融科技创新的监管要尽量提前,不能鼓励“简易起步,容忍差错,逐步合规,赚钱后才追求稳健”,更不能坐等相关风险从“小到不值得关注”演变成“大到不容忽视”甚至“大到不能倒”。

监管沙箱通过政策法规和技术手段划定边界,与外界做到充分的风险隔离。监管沙箱提供一个有别于当前规则的可试验环境,金融科技创新在监管沙箱内测试。这些测试是受限、有监管、安全可控和可还原退出的。金融科技创新在风险充分揭示、确保模式可复制推广后,才正式对外推行。监管沙箱还有助于完善针对金融科技创新的监管措施。

技术驱动的金融创新为金融监管带来很多新挑战,金融监管的方法论和工具箱需要“升级”。2014 年,英格兰银行首席经济学家 Andy
Haldane 设想过一种应用技术来驱动监管的新型监管机制:像监视全球天气变化和监视全球互联网通信一样,有一系列监控器以接近实时的速度追踪全球资金流动,创建一个全球性资金流动图,并且告知哪里有资金溢出以及它们之间的相关性等。这是监管科技概念的由来。

监管科技尽管在全球广受关注,但其内涵和外延仍在演变中。监管科技既可指金融机构使用的、以更有效满足监管要求的新技术,也可指监管机构使用的、以更有效实施金融监管的新技术。有研究者认为监管科技属于金融科技,还有研究者认为监管沙箱属于监管科技。抛开这些概念争议不谈,监管科技对金融监管主要有 4 方面影响:一是提高非现场监管效率;二是帮助金融机构降低金融合规成本,特别在监管规则明确的情况下;三是提高金融监管机构和金融机构识别、计量和处置风险的效率;四是为宏观审慎监管提供良好的数据基础。

我国非常重视监管科技的发展。中国人民银行 2017 年 5 月成立金融科技委员会时,就明确提出“要强化监管科技,积极利用大数据、人工智能、云计算等技术丰富金融监管手段,提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力”。

以上简单分析了与金融科技有关的三类基础设施——信息基础设施、支付清算基础设施和监管基础设施,并重点讨论了它们不用于传统金融的特征。金融科技的不同商业模式、应用、流程和产品,本质上都是依托这些基础设施进行跨时空的经济资源配置。

本文作者:

邹传伟

万向区块链 &PlatON 云图**

首席经济学家

先后就读于北京大学、清华大学和哈佛大学,曾长期供职于中央汇金公司、中国投资公司和南湖金融服务公司,加入万向区块链前为比特大陆首席经济学家。邹传伟博士的研究领域主要包括商业银行、固定收益证券、金融投资、风险管理、互联网金融 / 金融科技和金融监管,在区块链方面的代表性研究包括《泡沫与机遇——数字加密货币和区块链金融的九个经济学问题》和《区块链能做什么、不能做什么》(中国人民银行工作论文 2018 年第 4 号)。邹传伟博士曾荣获首届“孙冶方金融创新奖”和第五届中国软科学奖(前沿探索奖)。

了解 PlatON 更多动态

PlatON·GitHub

https://github.com/PlatONnetwork

PlatON·Twitter

https://twitter.com/PlatON_Network

PlatON·LinkedIn

https://linkedin.com/company/platonnetwork

戳阅读原文,访问 PlatON 官网!

来源链接:mp.weixin.qq.com