CC BY
17АГЕНТНОЕ МОДЕЛИРОВАНИЕ КОНКУРЕНЦИИ И КОЭВОЛЮЦИИ FINTECH И REGTECH2 В ГЛОБАЛЬНОЙ ФИНАНСОВОЙ ЭКОСИСТЕМЕ: ЭФФЕКТ ЧЕРНОЙ КОРОЛЕВЫ
AGENT MODELING OF COMPETITION AND CO-EVOLUTION OF FINTECH AND REGTECH2 IN THE GLOBAL FINANCIAL ECOSYSTEM: THE RED QUEEN EFFECT
DOI: 10.38197/2072 -2060- 2021- 230-4- 183 -188
ИЛЬИНСКИЙ Александр Иоильевич
Научный руководитель факультета международных экономических отношений Финансового университета при Правительстве Российской Федерации, д.т.н., профессор
Alexander I. ILYINSKY
Academic Supervisor of the Faculty of International Economic Relations of the Financial University under the Government of the Russian Federation, Doctor of Technical Sciences, Professor
В статье рассматривается конкуренция и коэволюция FinTech и RegTech2 в гло -бальной финансовой экосистеме методами эволюционной экономики. Построена простая агентная модель на платформе NetLogo и показано возникновение техно -логических колебаний и «гонка технологических вооружений» регуляторов и участников системы в результате коэволюции и соперничества двух технологических групп, известный как «эффект черной королевы».
This paper examines the competition and co - evolution of FinTech and RegTech2 in the global financial ecosystem using the methods of evolutionary economics. A simple
Аннотация
Abstract
agent-based model is built on the NetLogo platform and the emergence of cycles of technological dominance in the ecosystem is shown. The paper also discusses the "technological arms race" of regulators and system participants as a result of the co - evolution and competition of two technology groups, known as the red queen effect.
Ключевые слова Глобальная финансовая экосистема, FinTech, RegTech2, эволюция, агентное моделирование.
Keywords Global financial ecosystem, FinTech, RegTech2, evolution, agent-based modeling.
1 Европа, Ближний восток, Африка.
2 Азиатско-Тихоокеанский регион.
Бурное развитие цифровых финансовых технологий и сервисов в результате глобальной цифровизации, резкого роста числа потребителей финансовых услуг за счет инклюзивности сектора и расширения трансграничных операций связано с возникновением новых финансовых рисков и угроз. Функционирование финансовой экосистемы приводит к возникновению, обработке, трансформации и хранению огромных объемов цифровых данных. Под большими данными будем понимать набор структурированных или неструктурированных данных, размер которого значительно превышает объем широко распространенных коммерческих баз данных, обеспечивающих их захват, хранение, обработку и анализ. Так, только одна Western Union обслуживает 70 миллионов клиентов на всех континентах, совершает около 30 операций в секунду, проводит ежедневно финансовых операций на сумму $79 млрд и генерирует при этом большие данные объемом более 200 терабайт [1]. Необходимость работы с большими данными приводит к поиску и использованию инновационных цифровых финансовых технологий (FinTech) для повышения эффективности финансовых трансакций и снижения их стоимости. Высокие риски при создании финтех- приложений привели к возникновению специализированной организационной формы бизнеса - финтех- стартапов.
Следует отметить большое число возникающих финтех- стартапов во всех регио -нах мира. Так, согласно [2], было зарегистрировано только в феврале 2021 года 10605 стартапов в Америке, 9311 стартапов в регионе EMEA1 и 6129 стартапов в регионе APAC2. Рост финтех- стартапов обуславливает разработку и увеличение числа существующих финтех-приложений и разнообразие финансовых цифровых платформ растет. При анализе эволюции финансовых технологий [3], которые образуют цифровые платформы, выделяют три основные финтех-волны, или направления:
■ Развитие мобильных платежей и управление активами.
■ Развитие технологий распределенного реестра (блокчейн -технологии) и возникновение феномена криптовалют.
■ Развитие технологий искусственного интеллекта и методов глубокого обучения.
Каждая волна включает большое число более простых финансовых технологий, внедрение которых обеспечивает изменчивость экосистемы, передача технологии другим элементам экосистемы обеспечивает наследственность изменений, а широкое распространение и вытеснение ими устаревших технологий может рассматриваться как выживание наиболее приспособленных элементов технологий в финансовой экосистеме. Таким образом, постоянное появление и распростране-
ние новых технологических компонентов финансовых цифровых платформ приводит к возникновению мутаций финансовой экосистемы, что, в свою очередь, ведет к проявлению новых эмерджентных свойств (признаков) экосистемы. Возможные долгосрочные последствия мутаций финансовой экосистемы и возникающие в этих процессах новые глобальные риски остаются неизвестными. Так, развитие цифровых финансовых технологий, которые обеспечивают анонимность пользователей, получили самое широкое распространение при легализации (отмывании) доходов, полученных преступным путем и финансировании терроризма [4].
Существующая глобальная финансовая экосистема при определенных условиях может проявлять неустойчивость и приводить к огромным финансовым потерям участников системы [5]. Это требует соблюдения правил ответственного поведения участниками финансовой экосистемы. Определение этих правил, мониторинг операций поставщиков и потребителей финансовых услуг, наказание нарушителей осуществляется финансовыми регуляторами - центральными банками, налоговыми службами и другими государственными агентствами надзора. В мировой финансовой экосистеме наблюдается устойчивый тренд усиления регулирования и надзора, а также роста объемов информации, передаваемой участниками органам регулирования и надзора. Регулирование и надзор требуют от участников финансовой экосистемы выполнения широкого спектра работ по мониторингу, отчетности и ком-плаенсу, которые требуют дополнительных ресурсов, увеличивают издержки и несут правовые и репутационные риски. Для повышения эффективности процессов по регулированию и надзору и снижения издержек контроля провайдеры финансовых услуг используют цифровые платформы регуляторных технологий ^едТес^, которые являются специализированным подмножеством семейства FinTech. Таким образом, RegTech позволяет снизить издержки регулирования и обеспечивают гибкость и скорость предоставления и преобразования форматов данных, предоставлять регулятору информацию в формате больших данных. Отметим, что Банк России опубликовал документ «Основные направления развития технологий SupTech и RegTech на период 2021-2023 годов» [6]. Обработка огромных массивов неструктурированных данных требуют использования цифровых платформ регуляторных технологий для регулятора и в интересах органов регулирования и надзора, которые получили наименование RegTech2. Использование устаревших технологий обработки данных будет препятствовать регуляторам активно противодействовать финансовым преступлениям, уклонению от налогов, действиям по отмыванию денег и финансированию терроризма в случае использования финансовыми преступниками более совершенных технологий FinTech. Развитие FinTech и RegTech2 тесно связано друг с другом, возникающие финансовые технологии конкурируют между собой и в случае более совершенных технологий RegTech2 регуляторы имеют технологическое преимущество над участниками рынка, которые в целом соблюдают финансовые комплаенс-процедуры. В этом состоянии продолжается развитие FinTech -платформ, в результате технологическое отставание участников рынка постепенно будет преодолено и достигнуто доминирование FinTech в экосистеме. В случае технологического отставания регуляторов и доминирования FinTech над RegTech2 участники рынка получают возможность безнаказанно нарушать установленные комплаенс-процедуры и при этом не имеется технологической возможности это определить и зафиксировать. Это создает мотив для регуляторов совершенствовать регуляторные технологии, в результате чего регуляторы через
некоторое время опять получают технологическое доминирование в глобальной финансовой экосистеме. Таким образом, технологическое соперничество и цифровое неравенство регуляторов и участников рынка приводит к коэволюции FinTech и RegTech2 и возникновению временного цикла технологического доминирования в глобальной финансовой экосистеме. Возникновение технологических колебаний в глобальной экосистеме и «гонка технологических вооружений» РтТесИ и |}едТесИ2 возникает в результате коэволюции и соперничества двух технологических групп и описывается влитературе как «эффект черной королевы» [7].
Для концептуального анализа процесса конкуренции и коэволюции технологий в глобальной финансовой экосистеме воспользуемся методами эволюционной экономики, предложенными Нельсоном и Уинтером [8], и агентного моделирования в интегрированной среде разработки NetLogo [9]. Агентная модель конкуренции технологий состоит из популяции FinTech - агентов и популяции !едТе^2-агентов численностью NF и N1 соответственно. Для описания агрегированной конкурентоспособности технологий будем использовать понятие витальности [10]. Каждый агент имеет уровень витальности VF для FinTech агента и VI для !едТе^2 постоянный на протяжении жизни агента. Уровень витальности для агента внутри каждой популяции является случайной величиной, которая имеет нормальное распределение. Каждый агент из двух популяций имеют координаты и случайно перемещаются в пространстве технологий по прямоугольной сетке. Каждый период времени происходит переход агента в соседний узел технологической сетки независимо от перемещений других агентов. При попадании двух агентов классов FinTech и !едТе^2 в один узел технологического пространства между ними происходит взаимодействие, результат которого определяется уровнями витальности агентов VF и VI по следующему правилу естественного отбора для технологий:
■ Если VF < VI, то FinTech - агент погибает.
■ Если VF > VI, то !едТе^2 - агент погибает.
Рисунок 1.
Фазовый портрет динамики численности компонент технологий FinTech и !едТе^2.
Расчет для случая (NF + NR ) = 500;
1 max max/ '
P = 0,05; VF. = VR. = 50;
'' m in '
sigma (VF) = sigma (VR) = 1. Расчеты 500 временных шагов динамики.
Рисунок 2.
Динамика усредненной разности витально-сти аген -тов (точки) и циклы доминирова ния FinTech компонент (сплошная линия).
Если размеры популяции не превосходят максимально допустимых, то на каждом переменном шаге с вероятностью Р каждый агент может породить нового агента-по -томка того же типа с уровнем витальности, который определяется как случайная величина, распределенная по нормальному закону со средним значением, равным уровню витальности агента -родителя. Таким образом, размеры популяции агентов FinTech и RegTech2 стохастически меняются, низковитальные технологии при взаимодействиях FinTech и RegTech2 погибают, высоковитальные выживают, дают потом -ство, что ведет к постоянному росту уровня витальности в рассматриваемой модели. Модель была реализована на агентно - ориентированном языке программирования NetLogo и были проведены численные эксперименты в технологическом простран -стве цифровых финансовых платформ. На рис. 1 показаны траектории численности FinTech - агентов и RegTech2 - агентов. Следует отметить стохастичность траекторий, их изломанность, что существенно затрудняет прогнозирование будущего техноло -гического развития глобальной финансовой экосистемы. Однако на рис. 1 хорошо видно, что агрегированная фазовая диаграмма финансовой экосистемы может быть разделена натри области: зона А соответствует доминированию RegTech2 -решений, зона В описывает неустойчивый этап развития технологий при отсутствия доминирования, а в зоне С наблюдается доминирование FinTech -решений, что делает работу финансовых регуляторов неэффективной в этом случае.
Проведенные расчеты показали, что в рассматриваемой модели наблюдался устойчивый рост витальности агентов двух типов во время прогонов стемпом роста около 0,047 за временной шаг. Конкуренция и коэволюция FinTech и RegTech2 приводят к взаимному постоянному усилению взаимного сдерживания противодействующих технологий, что является ярким проявлением «эффекта черной коро -левы». Однако при этом точное равновесие по средней витальности агентов двух популяций на каждом временном шаге не достигается. Нарушение «грубого» рав -новесия FinTech и RegTech2 приводит к необратимому переходу глобальной финан -совой экосистемы к состоянию финансовой анархии или диктатуры регулятора.
На рис. 2 показана динамика усредненной разности витальности агентов FinTech и RegTech2. При устойчивом росте средней величины (VF - VR) наблюдается доминирование FinTech -решений и неэффективность работы глобальных регуляторов. И наоборот, при снижении средней величины (VF — VR) эффективность работы регуляторов увеличивается и RegTech2 -решения начинают играть доминирующую роль в функционировании глобальной финансовой экосистемы.
Для дальнейшего анализа технологической конкуренции в глобальной финансовой экосистеме, на наш взгляд, было бы полезно рассмотреть влияние разнообразия существующих технологий на динамику системы.
Библиографический список / References
1. Meglena Kuneva. Think Big: Data and The Future of Finance. WANdisco. 2018 https://wandisco.com/assets/ bltb89c9bf0c814416a/ThinkBig_DataFutureofFinance. pdf
2. Number of Fintech startups worldwide 2021 https://www.statista.com/statistics/893954/number-fintech-startups-by-region/
3. Palmie, M., Wincent, J., Parida, V, & Caglar, U., (2020). The evolution of the financial technology ecosystem: an introduction and agenda for future research on disruptive innovations in ecosystems. Technological forecasting and social change 151. https://doi.org/10.1016/j. techfore. 2019.119779
4. Louise Malady, Ross Buckley and Douglas Arner. Developing and Implementing AML/CFT Measures using a Risk-Based Approach for New Payments Products and Services. June 2014. SSRN Electronic Journal • January 2014 DOI: 10.2139/ssrn. 2456581
5. Jon Danielsson. Global Financial Systems: Stability and Risk. http://www.globalfinancialsystems.org / Published by Pearson 2013 Version 7.0, January 2021
6. Банк России. Основные направления развития технологий SupTech и RegTech на период 20212023 годов https://www.cbr.ru/press/event/?id=9801
7. Oldham, M. How fast to run in the Red Queen race?. Intell Sys Acc Fin Mgmt. 2018; 25:28-43. https://doi. org/10.1002/isaf 1419
8. Richard R. Nelson & Sidney G. Winter, 2002. "Evolutionary Theorizing in Economics," Journal of Economic Perspectives, American Economic Association, vol. 16 (2), pages 23-46, Spring.
9. Wilensky, U., & Rand, W. (2015). An introduction to agent-based modeling: Modeling natural, social and engineered complex systems with NetLogo. Cambridge, MA: MIT Press.
10. Селиванов А.И. Витальный подход в методологических основаниях обеспечения национальной экономической безопасности России. Безопасность бизнеса. № 4,2019.3-10 с.
Контактная информация / Contact information
Финансовый университет при Правительстве РФ
125993, Москва, Ленинградский проспект, 49.
Financial University under the Government of the Russian Federation
49, Leningradsky prospect, Moscow, 125993, Russia.
Ильинский Александр Иоильевич/ Alexander I. Ilyinsky
