CC BY
15Методика управления риском возникновения необоснованных экономических привилегий с помощью коэффициента чувствительности цифровой экспериментальной среды
Пискарев Дмитрий Михайлович,
аспирант, кафедра «Финансовые рынки»,
РЭУ им. Г.В. Плеханова
E-mail: [email protected]
Слепов Владимир Александрович,
д.э.н., профессор, кафедра «Финансов и цен», РЭУ им. Г.В. Плеханова E-mail: [email protected]
В виду ограниченности ресурсов финансового регулятора, в том числе квалифицированного персонала, способного компетентно оценить инновационные проекты финансовых институтов и финтех-компаний, существует риск того, что лишь доля компаний, сформировавших заявку на участие в цифровой экспериментальной среде (регулятивной песочнице), будет тестировать свою инновацию. Чем больше ресурсов регулирующий орган должен потратить на какую-либо конкретную компанию, тем меньше фирм он сможет обслуживать. При наличии предельного уровня компаний, которые могут одновременно участвовать в песочнице, некоторые фирмы будут поставлены в несправедливое положение. Имея функцию распределения ресурсов среди проектов в цифровой экспериментальной среде, возможно количественно оценить оптимальное количество участвующих проектов. Критерием оптимальности является минимизация коэффициента чувствительности цифровой экспериментальной среды (КЧЦЭС), методика расчета которого приводится в настоящей статье.
Ключевые слова: цифровые регулятивные технологии, финансовые технологии, управление рисками, риск соответствия, правовые риски, финансовые рынки.
Очевидно, что технологические инновации на финансовом рынке не являются новым явлением, но в последние годы инвестиции в передовые финансовые технологии значительно возросли, а темпы роста инновационных решений носят экспоненциальный характер. Цифровизация стала драйвером для цифровой трансформации финансового рынка и появления нового - цифрового. Инвестиции в компании, разрабатывающие инновационные технологии для финансового рынка во всем мире, выросли с $1,89 млрд в 2010 году до $53,3 млрд в 2019 году [1].
Одной из прорывных технологий, нашедших свое широкое применение на цифровом финансовом рынке, является «регулятивная песочница» или цифровая экспериментальная среда для тестирования инновационных финансовых продуктов и услуг.
Цифровая экспериментальная среда (далее -ЦЭС) - это инструмент регулятора для управления рисками, позволяющий проводить ограниченное тестирование в реальном времени цифровых инновационных продуктов и услуг под постоянным непосредственным надзором регулятора. Тестирование состоит из четырех основных этапов: подача заявки, её рассмотрение регулятором на предмет соответствия требованиям входа, тестирование и принятие решения о допуске цифровой инновации на открытый рынок [2, 3, 4, 5].
Новые финансовые продукты, технологии и бизнес-модели валидируются и тестируются в соответствии с набором заранее определенных правил, нормативных требований и связанных с ними мер безопасности, в частности, в области защиты прав потребителей цифровой финансовой услуги или продукта.
В основном в научных статьях, посвященных критическому анализу ЦЭС, авторы рассматривают влияние среды на финансовый рынок с точки зрения защиты прав потребителей финансовых услуг, тогда как эффект и риски от внедрения самого фреймворка в подавляющем большинстве игнорируются. Целью данной статьи является обоснование метода, который может быть использован регулятором для снижения риска несостоятельности ЦЭС.
Авторы не утверждают, что риск экономических привилегий превышает потенциальные выгоды ЦЭС, но подчеркивают, что этот риск действительно существует и должен быть тщательно изучен и оценен. Ведь регулятивные песочницы становится все более распространенным мето-
сз о
со £
m Р
сг
от А
=Е
о. в
см и?
дом внедрения инноваций на финансовый рынок и управления рисками участников. Создавая «песочницу», регуляторы должны минимизировать риск причинения вреда, максимизируя выгоды от инноваций.
Предметом изучения и применения методики является риск несостоятельности ЦЭС или риск необоснованных экономических привилегий для компаний, прошедших в песочницу, который становится основной для снижения доступности песочницы, что влечет за собой риск наличия высоких барьеров для входа во фреймворк.
Ввиду ограниченности ресурсов регулятора, в том числе квалифицированных кадров, способных грамотно оценивать инновационные проекты заявителей, существует риск того, что только доля компаний, оформивших заявку на участие, будет тестировать свои инновации в ЦЭС. Согласно исследованию Всемирного банка, доля подтвержденных заявок к поданным составляет 38% [6]. Важно отметить, что инновационные центры и акселераторы более влиятельны, чем регулятивные песочницы, с точки зрения количества поданных заявок и отобранных проектов, чем нормативная база. Это более ресурсоемко и дорого - количество компаний-участниц ЦЭС обратно пропорционально количеству ресурсов, затраченных на единичный проект, что может привезти к тому, что компании, не попавшие в контур фреймворка, окажутся в невыгодном положении.
Авторами предложен показатель, позволяющий оценить риск доступности ЦЭС - показатель чувствительности песочницы, КЧЦЭС. Показатель характеризуется средним значением частного от деления изменения количества фирм, которые будут приняты в песочницу, и ступенчатым увеличением ресурсов регулятора от 1 до 100%, необходимых для поддержки и обслуживания одной фирмы - заявителя, при условии, что ресурсы равномерно распределены между всеми компаниями:
(дык ды1 ^
КЧЦЭС = -
дд, дд
щ дд
дмк щ
дд
1 00 ^
дд
^ (1)
где N1 - число компаний, которые могут принять участие в песочнице при изменении ресурсов регулятора на один проект на ^процентов;
() - среднее значение; д - абсолютное приращение;
I
сумма от i до j.
Очевидно, что зависимость количества ресурсов регулятора на один проект, Я, от числа фирм, N, при условии равномерного распределения ресурсов на каждую компанию, моделируется обыкновенной обратной функцией следующего вида:
я
я =Ятах- (2)
N К '
где Ятах - максимальное число ресурсов доступное регулятору (технические, временные, человеческие); N - число компаний в песочнице.
Стоимость, необходимых на обслуживание одного проекта в зависимости от процентного увеличения, максимального объема ресурсов и изначального количества компаний-участников, рассчитывается по формуле (3).
Як = Я0 х (1 + к%) = Я^ х (1 + к%),к = 1, 100 (3)
где N0 - изначальное количество проектов в песочнице,
к - процентное увеличение объема ресурсов на один проект.
Количество фирм, Nk, которые могут принять
участие в песочнице при изменении ресурсов регулятора на один проект для каждого изменения, рассчитывается по формуле (4) с учетом округления до нижнего целого.
Nk =Ятах-
N
, к = 1, 100
(4)
Як (1 + к%)'
Если предположить, что максимальное число ресурсов измеряется в процентах, то график формулы (2) при изменении числа фирм от 1 до 100 будет иметь вид, представленный на рисунке 1.
Рис. 1. График изменения необходимого объема ресурсов на один проект при изменении количества фирм, участвующих в эксперименте Источник: разработка авторов.
Подставив в формулу (1) выражения (3) и (4), а также проведя математические преобразования, получаем формулу для КЧЦЭС, с помощью которой в явном виде можно рассчитать чувствительность ЦЭС:
1
КЧЦЭС = 1 --
100 х(100 х ^ -
101
N
N0
100
<1
к=1
(1 + к /100) к
- N0
(5)
Скорость изменения числа фирм к изменению ресурсов на проект характеризуется первой производной, вывод выражения которой начинается с написания уравнения для N
я
N = тах
я
Производная выражения (3):
dN
(6)
На рисунке 2 представлена кривая КЧЦЭС при условии, что изначально регулятором планируется отобрать 100 фирм.
Рис. 2. Результат расчета кривой КЧЦЭС при следующих начальных параметрах: N=100, КЧЦЭС =29% Источник: разработка авторов.
На рисунках 2-5 наглядно видно, что наибольшая чувствительность к изменению количества ресурсов регулятора на один проект возникает в случае наименьшего числа фирм, которые планируется отобрать в песочницу. В таблице 1 представлены значения КЧЦЭС для различного числа фирм.
Рис. 3. Результат расчета кривой КЧЦЭС при следующих начальных параметрах: N=50, КЧЦЭС =63% Источник: разработка авторов.
Рис. 4. Результат расчета кривой КЧЦЭС при следующих начальных параметрах: N=10, КЧЦЭС =90% Источник: разработка авторов.
Рис. 5. Результат расчета кривой КЧЦЭС при следующих начальных параметрах: N=300, КЧЦЭС =30%
Источник: разработка авторов.
Таблица 1. Результаты расчета КЧЦЭС для различного числа первоначального количества компаний в песочнице
№ N Я КЧЦЭС
1 10 10,00% 90%
2 40 2,50% 70%
3 70 1,43% 49%
4 100 1,00% 29%
5 130 0,77% 54%
6 160 0,63% 43%
7 190 0,53% 33%
8 220 0,45% 48%
9 250 0,40% 42%
10 280 0,36% 35%
11 310 0,32% 46%
12 340 0,29% 41%
13 370 0,27% 36%
14 400 0,25% 30%
15 430 0,23% 40%
16 460 0,22% 36%
17 490 0,20% 32%
18 520 0,19% 40%
19 550 0,18% 36%
20 580 0,17% 33%
21 610 0,16% 39%
22 640 0,16% 36%
23 670 0,15% 34%
24 700 0,14% 31%
25 730 0,14% 37%
26 760 0,13% 34%
27 790 0,13% 32%
28 820 0,12% 37%
29 850 0,12% 34%
30 880 0,11% 32%
31 910 0,11% 37%
32 940 0,11% 35%
33 970 0,10% 33%
34 1000 0,10% 31%
Источник: составлено авторами.
Для нахождения минимального числа фирм для участия в песочнице необходимо найти глобальный минимум функции КЧЦЭС (Ы). Найдем ее
сз о со от гп Р от
от А ш
Q. в
СМ
ю
производную, но прежде стоит обратить внимание на свойство производной от Аоог-функции:
д I ax дх i Т
п ■ I пах ) _ 0, если sin\-I ф0
I b J
неопределенность, в остальных случаях
.(7)
Так как в случае с КЧЦЭС коэффициенты a = 1 , 1 < b < 2 , а также N0 > 10 , то производная от
N
(1 + k/100)
будет равна нулю. Для упрощения вы-
числений необходимо изначально найти производную от следующей функции, воспользовавшись свойством (7):
д
No
(1 + k/100)
- No
l
(8)
(5):
Произведем замену переменных в уравнении
N
o
x =
= "0(1 + k/100)- No
Z-I
k=l
= -N0ln
200 ЮТ
100
= I-1 = -5.187 .
д^ 4-t k
-0.683N0 . (9) (10)
k=l
y=-
l
100;
loo x N
ду
-N0
дNo 100 x (50 x N0 -N0)2
Формула (5) примет следующий вид:
КЧЦЭС = 1 - y x x .
д^
= -(yx' + y'x).
(11)
(12) (13)
График чувствительности ЦЭС в зависимости от количества заявок представлен на рисунке 6, где отчетливо видны точки минимума - точки, где риск возникновения необоснованных привилегий минимален. Целесообразно рассчитать границы коэффициента путем нахождения предела функции при гипотетическом стремлении числа проектов к бесконечности и непрерывности функции:
lim SRS « 1 - 1,01х log| —U 31% . (14) I 101)
Проанализировав результаты анализа коэффициента чувствительности цифровой экспериментальной среды, можно сделать вывод, что риск несостоятельности ЦЭС, способствующий возникновению экономически неоправданных выгод для участников эксперимента, снижается за счет минимизации показателя чувствительности песочницы путем максимизации количества проектов в ЦЭС. Таким образом, зная функцию распределения ресурсов, регулятор может конт-
ролировать уровень указанного риска, однако, согласно (14), этот риск не может быть полностью нивелирован.
Рис. 6. Результаты расчета изменения характера кривой КЧЦЭС в зависимости от числа проектов в песочнице Источник: разработка автора.
Литература
1. Ручкина Г.Ф. Банковская деятельность: переход на новую модель осуществления, или «Финтех» как новая реальность / Г.Ф. Ручкина // Банковское право. 2017. N4. С. 5562. [Электронный ресурс], - Режим доступа: https://istina.msu.ru/workers/11539889/
2. Пискарев Д.М. Регулятивные песочницы // «Мировой страховой рынок: современные тенденции развития и финансовые риски России»: монография. - М.: Русайнс, 2018. - С. 209-216
3. Пискарев Д.М. Модель регулятивной песочницы как способ внедрения инноваций и повышения доступности финансовых продуктов и услуг // Материалы III международной научной конференции «Приоритетные направления инновационной деятельности в промышленности». - Казань: ООО «Центр профессионального менеджмента «Академия Бизнеса» (Саратов), 2020. - С. 30-35.
4. Пискарев Д. М., Хоминич И.П., Асяева Э.А. О взаимосвязи регулятивных и комплаенс-ри-сков страхового бизнеса // Сборник трудов XIX Международной научно-практической конференции, в 2 т. Т1, Издательство Марийского Государственного Университета. - Йошкар-Ола: Марийский государственный университет, 2018. - С. 259-264.
5. Комплаенс и регулирование финансовых технологий в Сингапуре - Текст: электронный // Startup decisions [сайт].- 2018. - Декабрь. URL: https://www.startupdecisions.com.sg/blog/fintech-regulations-and-compliance-in-singapore/.
6. Дэ Рур C., Пелизон Л., Таска П. Как одноранговое кредитование вписывается в рынок потребительского кредитования? «How does P2P lending fit into the consumer credit market?» // Bundesbank Discussion Paper.-2016.- № 30.
д
o
k
METHODS FOR MANAGING THE RISK OF EMERGENCY OF UNJUSTIFIED ECONOMIC PRIVILEGES USING A DIGITAL EXPERIMENTAL ENVIRONMENT SENSITIVITY RATIO
Piskarev D.M., Slepov V.A.
Plekhanov Russian University of Economics
Due to the limited resources of the financial regulator, including qualified personnel capable of competently assessing financial institutions and fintech companies' innovative projects, there is a risk that only a share of companies will test their innovation that have submitted an application for participation in the digital experimental environment (regulatory sandbox). The more resources a regulator has to spend on a particular company, the fewer firms it will be able to serve. If there is a limit to the level of companies that can simultaneously participate in the sandbox, some firms will be disadvan-taged. It is possible to quantify the optimal number of participating projects, if there is a distribution function of resources among projects in a digital experimental environment. The criterion of optimality is the minimization of the sensitivity coefficient of the digital experimental environment (SDEE). The calculation method is given in the following article.
Keywords: digital regulatory technology, financial technology, risk management, compliance risk, legal risks, financial markets.
References
1. Ruchkina G. Banking: transition to a new implementation model, or «Fintech» as a new reality / Ruchkina G. // Banking Law. 2017. N4. p. 55-62., - URL: https://istina.msu.ru/work-ers/11539889/
2. Piskarev D. Regulatory sandboxes // «World insurance market: modern development trends and financial risks in Russia»: monograph. - M.: Ru-Science, 2018. p. 209-216
3. Piskarev D. Model of a regulatory sandbox as a way of introducing innovations and increasing the availability of financial products and services // Proceedings of the III International Scientific Conference «Priority Areas of Innovation in Industry». - Kazan: LLC «Center for Professional Management» Academy of Business «(Saratov), 2020. - p. 30-35.
4. Piskarev D., Khominich I., Asyaeva E. On the relationship of regulatory and compliance risks in the insurance business // Proceedings of the XIX International Scientific and Practical Conference, in 2 volumes. Publishing House of the Mari State University. - Yoshkar-Ola: Mari State University, 2018. p. 259264.
5. FinTech Regulations and Compliance in Singapore// Startup decisions.- 2018. - Dec. URL: https://www.startupdecisions.com. sg/blog/fintech-regulations-and-compliance-in-singapore/
6. De Roure C., Pelizzon L., Tasca P. How does P2P lending fit into the consumer credit market? // Bundesbank Discussion Paper.- 2016.- № 30.
