构建适应金融智能体时代的监管框架

文/中国人民银行金融研究所高级工程师李一

OpenClaw爆火引发AI智能体金融应用热潮。金融智能体不再是被动的AI工具，其应用将从普通用户到金融机构，覆盖金融服务全链条，并从根本上改变市场参与者的结构和互动模式。为此，监管机构需要主动构建适应金融智能体时代的监管框架。

金融智能体的兴起与应用

金融智能体不只是工具，更是行为主体随着生成式AI与强化学习的融合，AI智能体（Agent）正从被动的分析工具演变为能够设定目标、自主决策并执行复杂任务的行为主体。AI智能体技术在金融领域的应用，催生出各类金融智能体。不同于早期AI在算法交易、智能投研、市场监测等应用中的辅助工具角色，金融智能体具有以下核心特征：自主性：能够在无需人类实时干预的情况下，根据预设的目标（例如“实现年化8%的收益率且最大回撤不超过5%”）独立感知环境、做出决策并执行行动。

交互性：能够与其它智能体、金融基础设施的应用程序接口（API）、数据源乃至人类进行复杂的多轮交互和博弈，以完成既定任务。

适应性：拥有持续学习和进化的能力，能够根据金融市场环境的变化动态调整其策略，甚至可能涌现出在设计之初未曾预料到的行为模式。

这些特征使得金融智能体成为具有自主行为能力的经济参与者。例如，金融智能体不仅能够理解复杂的金融文本（如财报、研报、新闻），更能将其转化为具体的交易指令、风险管理动作或与对手方的协商策略。芬兰央行董事会成员Tuomas V?lim?ki近期提出，未来将实现客户完全放手、由智能体自主为其做出消费和投资决策。

从普通用户到金融机构，市场参与者在演变

面向普通金融用户，智能体将成为个人的金融管家。未来，用户可以不再直接购买单一的金融产品，而是订阅或拥有一个专属的“AI金融管家智能体”。这个智能体将获得用户的授权，访问其在各个银行的账户、信用卡、养老金等信息（这正是开放银行和开放金融所构建的共享数据基础），并根据用户的收入状况、消费习惯、风险偏好和人生目标，自主进行储蓄规划、账单支付、债务管理和投资组合配置。它会同时与多个金融机构的智能体进行询价、谈判和交易，为用户争取最优的金融服务条件。英国金融行为监管局（FCA）在开放金融冲刺计划提到，智能体将极大提升个性化金融服务。

面向金融机构，智能体将代理各类具体金融业务，承担更为复杂的职能。例如，策略执行与做市智能体不再仅遵循固定的价差和存货模型，而是能够感知市场上人类交易员的情绪变化和其它智能体的行为特征，动态调整自身的做市策略，甚至在多个交易所之间进行复杂的跨市场套利。美联储研究发现，由大模型驱动的智能体投资更具理性，可减少从众交易行为引发的资产价格泡沫。在风险管理与合规方面，智能体可以被部署为内部的“监督合规官”，实时监控交易员的言行和交易流，识别潜在的市场操纵、利益输送或销售不规范等行为。2026年3月，香港金管局推出“GenA.I.沙盒++”计划，重点就是运用“AI对抗AI”进行风险管理，这预示着未来的合规审查将是智能体与智能体之间的博弈。

面向金融基础设施，智能体将管理流动性，深度参与基础设施运营。例如，在支付系统中，智能体根据对跨行资金流动的预测，主动在流动性管理市场上进行拆借，以实现整个系统流动性效率的最优化。在去中心化金融（DeFi）领域，智能体已成为自动化做市商、借贷协议等核心组件的一部分。它们根据算法规则自动提供流动性、清算头寸，其行为模式直接影响着DeFi生态的稳定性。

多智能体系统重构金融生态

AI智能体发展的终极形态并非单个强大的智能体，而是多智能体系统。在这样的系统中，成千上万个代表不同利益主体（个人、机构）的智能体将在数字金融空间中交互博弈，推动金融生态重构。

一是市场主体的泛化。市场的参与者将不再仅仅是“人”，还包括大量具备准法律主体资格或合法交易名义的智能体。它们拥有自己的“数字钱包”，持有资产，签署智能合约，成为法律意义上的交易对手。

二是交互速度的质变。交易决策和执行的时滞将从秒级、毫秒级压缩至纳秒级。更重要的是，信息的传递和交易策略的协同将在智能体之间以机器码的速度直接完成。

三是市场结构的扁平化与碎片化。传统的金融中介角色可能被重新定义。例如，投资顾问的功能将被个性化的专家智能体所取代；做市商的职能可能由众多分散的流动性提供智能体共同承担。整个市场的连接方式将从中心化、层级化向分布式、网络化演变。

金融智能体带来监管挑战

现有的金融领域的监管框架，在很大程度上是为了应对一个由人类主导的、相对“慢速”和“可解释”的金融世界而设计的。当市场的微观行为主体从人类扩展到具备自主学习和博弈能力的金融智能体时，监管对象的边界变得模糊，传统的穿透手段——如查阅董事会纪要、审查内控流程、访谈首席风险官——将面临效力不足。

第一，智能体主体属性的模糊化导致责任归属困难。由于金融智能体具备自主学习和进化能力，其造成损害的金融行为模式，是人类未曾预料也无法在事后完全解释的，这使得难以在开发者、部署者（金融机构）、用户之间划定清晰的责任边界。金融稳定理事会（FSB）在最新AI监测报告中指出，AI的广泛应用加剧了第三方依赖、模型风险和治理挑战。更重要的是，当这个“第三方”是一个能够自主进化、行为难以预测的AI智能体时，传统基于合同和审计的第三方风险管理手段将收效甚微。穿透式监管需要穿透的，不再仅是几层公司股权结构，而是一个由代码、数据和算法构成的、自我演化的复杂系统。

第二，“涌现”行为与算法“黑箱”使模型风险管理与可解释性要求面临极限。一方面，“涌现”行为的不可预测性可能产生高度破坏性。AI智能体的复杂行为并非由代码逐行“编写”出来，而是通过与环境的交互“涌现”出来的。这意味着，即使在部署前经过了详尽的测试，在真实的、瞬息万变的金融市场中，智能体仍然可能学习并展现出在测试环境中从未出现过的行为模式，这些行为可能具有高度创造性，也可能具有高度破坏性。一个潜在的现实是：未来的金融风险可能不再仅仅源于人类的贪婪与恐惧，还将源于AI智能体在复杂互动中涌现出的、难以预料的“硅基生物行为”。另一方面，“黑箱”将进行自主进化。尽管英国央行、英国金融行为监管局等各国监管机构，早已将模型风险管理作为AI治理的核心议题，但智能体的发展带来严峻挑战。随着智能体的持续学习和进化，其决策逻辑（即神经网络的权重）处于持续变化中，因此在某一时刻对其决策过程的“可解释性分析”，可能在下一时刻就已失效。监管者面对的将是一个动态演化的“黑箱”。

第三，智能体之间的高频自主交互可能引发新型市场操纵与系统性风险。智能体可能被恶意利用，或自发演化出各类市场操纵行为。一是“对话式”操纵。一个智能体可能通过在社交媒体、新闻评论区或专业的金融论坛上大量发布经过精心设计的、带有倾向性的评论，来影响市场情绪，进而为其持仓谋利。这种操纵方式比传统的“拉抬出货”更为隐蔽和难以取证。二是“智能体之间”合谋。多个分属不同主体的智能体，可能在没有任何人类指令和预先编程的情况下，通过反复的市场交互和学习，自发形成合谋行为，如共同操纵某个流动性较差的资产价格，或达成某种划分市场的默契。这种“算法合谋”将极其难以监测和界定。三是“虚假信息”攻击。智能体可以制造并传播高保真的虚假信息（如伪造的公司财报、高管谈话视频），并利用其高速交易能力在信息发酵前快速获利。这将对市场信息的真实性构成严重威胁……

来源 | 《清华金融评论》2026年5月刊总第150期

编辑 | 丁开艳

审核丨秦婷

责编 | 兰银帆

Review of Past Articles -

01

02