Использование зарубежного опыта применения искусственного интеллекта в надзоре за участниками финансового рынка в России

Атабеков Атабек Рустамович кандидат экономических наук доцент, кафедра административного и финансового права, Российский университет дружбы народов 117198, Россия, г. Москва, ул. Миклухо-Маклая, 6 Atabekov Atabek Rustamovich PhD in Economics Associate Professor of the Department of Administrative and Financial Law, Legal Institute, Peoples' Friendship University of Russia 117198, Russia, Moscow, Miklukho-Maklaya str., 6 atabekoff1@mail.ru Другие публикации этого автора

Хорошо известно, что современный финансовый рынок является базой для современной глобальной экономики. Финансовые рынки включают фондовые биржи, такие как ASX в Австралии, NASDAQ в США, RTSI в России, которые предоставляют платформы, поддерживающие корпоративный сбор средств и предоставляющие возможности для облегчения торговли и инвестиций.

В своем выступлении Тони Д'Алоизио (экс-председатель Австралийского финансового регулятора ASIC) отмечает, что основополагающая цель закона о корпорациях - вера инвесторов в справедливость действий всех участников финансовых рынков. Действия, нацеленные на манипулирование рынком или незаконной инсайдерской торговли, наносят ущерб их доверию и препятствуют участию в этих рынках^[1].

Как отмечает О.М. Шевченко, уровень эффективности регулятивных мер в данной области напрямую влияет на степень инвестиционной привлекательности экономики конкретного государства, куда направлены инвесторы^[2].

Аналогичную позицию разделяют Браун и Глодшмидт, которые определяют, что эффективные инструменты для выявления необычного торгового поведения являются основой для последующего укрепления доверия участников рынка, повышая ликвидность рынка и снижая стоимость капитала для бизнеса^[3].

Нормативную базу для предотвращения инсайдерской торговли и манипулирования рынком составляют следующие документы:

1. В Австралии Закон о корпорациях 2001 г. квалифицирует действия, связанные с манипулированием рынка и инсайдерской торговлей как преступления (раздел 1043А и 1041А-Н)^[4]. В рамках указанных положений лицу, владеющему инсайдерской информацией, запрещено торговать финансовым продуктом, на который эта информация может «существенно повлиять». При этом ключевым вопросом для классификации информации как инсайдерской является возможность определения субъектом правонарушения ее как влияющей существенно на цену или стоимость финансового продукта. Кроме того, в соответствии с законодательными положениями не требуется, чтобы манипуляция привела к выгодному результату для вовлеченного лица^[5].

2. В Соединенных Штатах Комиссия по ценным бумагам и биржам (SEC) и Управление по регулированию финансовой отрасли (FINRA) играют регулирующую роль в контроле над финансовыми рынками. Обе организации предоставили руководство по манипулированию рынком и инсайдерской торговле^[6]. Общие подходы для идентификации действий как инсайдерской торговли представлены в Правилах FINRA 2020, где сказано, что ни один субъект не должен совершать какие-либо сделки или побуждать к покупке или продаже любой ценной бумаги с помощью какого-либо манипулятивного, вводящего в заблуждение или другого мошеннического действия или устройства^[7]. Кроме того, в правиле SEC 10b5-1, запрещена покупка или продажа ценных бумаг любого эмитента на основе существенной закрытой информации об этих ценных бумагах^[8].

3. В Российской Федерации центральную роль в области регулирования финансовых рынков исполняет Центральный банк России. Основополагающей нормативно-правовой базой выступает Федеральный закон от 27 июля 2010 г. № 224-ФЗ «О противодействии неправомерному использованию инсайдерской информации и манипулированию рынком и о внесении изменений в отдельные законодательные акты Российской Федерации», который регламентирует отношения, возникающие на товарном, валютном и фондовом организованных рынках. При этом детальные положения в отношении определения инсайдеров (12 категорий) и манипулятивных действий в отношении финансовых рынков представлены (8 действий) в ст. 4 и 5 соответственно.

Следует отметить, что отправной точкой для появления алгоритмических систем поддержки принятия решений для целей биржевой торговли является 1998 год, в котором SEC одобрила возможность для применения торговых роботов^[9].

На текущий момент высокая автоматизация торговли, открытость к данным и наличие большого информационного массива порождают для представителей контрольно-надзорной деятельности большой перечень вопросов, требующих предиктивный набор реагирования.

Финансовые учреждения сталкиваются с высоким уровнем риска внутреннего и внешнего воздействия для преступных целей требующем содействия со стороны органов надзора. В отчете IBM фиксируется, что финансовые учреждения фиксируют очень большое количество ложноположительных уведомлений о потенциальной подозрительной деятельности, которые не приводят к последующей ее фиксации или регистрации. Причиной этого является сочетание устаревшей технологии и неполных и неточных данных^[10].

Объем ежедневных данных постоянно растет и требует новые модели реагирования и анализа действий участников рынка со стороны органов надзора^[11-12]. Исследование NASDAQ, сигнализирует о том, что рост участников фондового рынка использующих алгоритмы мониторинга торгов, ведет к росту ложных срабатываний алгоритмов и как следствие создает информационный шум для контрольно-надзорных органов, затрудняя их деятельность^[13].

В отчете IOSCO о надзоре за рынком сигнализируется, что торговля финансовыми инструментами стала более рассредоточенной по растущему количеству торговых площадок и трудно отслеживаемой. Высокочастотная торговля активами без строгой привязки к географическим и иным границам осуществляется на скоростях быстрее миллисекунды. Данный факт активно используется трейдерами для манипулятивной деятельности и является трудно раскрываемым фактором для контрольно-надзорных органов^[14].

В этой связи становится логичной необходимость внедрения технологии искусственного интеллекта для обеспечения соблюдения нормативных требований участниками финансового рынка, которые используют высокоточные алгоритмы торговли и иные автоматизированные системы принятия решения и анализа.

В этой связи необходимо рассмотреть опыт прогнозистики ИИ в смежной области правоприменения – правоохранительной и судебной деятельности. Два программных инструмента, ECHO и ALIBI, представляют собой особенно интересные примеры потенциального применения ИИ для полицейской деятельности^[15]. ECHO использует искусственные нейронные сети для моделирования рассуждений судьи на основе вводимых доказательств по делу, а на выходе формируется прогнозная стенограмма судебного решения по конкретному делу. ALIBI — это программа, которая имитирует обвиняемого в совершении преступления. Алгоритм использует нейронную сеть для деконструкции действий подсудимого на составные части, а затем для выстраивания защитной стратегии вокруг каждого из этих составных действий для уменьшения вины, моделирования поведения присяжных, основываясь на предварительном состоянии доказательств, которые предполагается использовать в ходе процесса.

Рассматривая аналогичные кейсы применительно к контрольно-надзорной детальности, необходимо отметить программный инструмент SMARTS (созданный еще в 1990-х годах), который осуществляет мониторинг деятельности участников финансового рынка, представленных более чем на 30 площадках по всему миру, включая Гонконгскую фондовую биржу^[16]. Указанная программа анализирует деятельность трейдеров, а затем выдает предупреждения о подозрительных транзакциях, о которых впоследствии сообщается профильным органам. При этом профильным служащим приходится отслеживать соответствующие торговые данные, по которым поступил сигнал от системы не только в одной области (торгуемом инструменте), но и по всем связанным и смежным сегментам финансового рынка^[17].

Центральный банк России так же активно использует технологии в области обеспечения алгоритмического дистанционного мониторинга финансовых рынков, в том числе технологии SupTech и RegTech^[18]. Специалисты отмечают проблему недобросовестной оценки финансовыми организациями справедливой стоимости активов за счет формалистского подхода финансовых организаций к установлению критериев активного рынка, а в ряде случаев также и путем намеренного установление критериев, соответствующих минимальной торговой активности^[19].

Активное внедрение машинного обучения (составной элемент ИИ, который подразумевает автономное решение задачи без активного человеческого вмешательства на базе действующих методов познания)^[20] позволит сократить ранее упомянутый информационный шум, создаваемый аналитическими системами, и повысить эффективность контрольно-надзорной детальности органов власти. Кроме того, действующие аналитические системы лишены возможности анализа торговой системы, коммуникационных данных (онлайн и оффлайн коммуникация трейдеров) и иных неявных источников информации.

Одним из таких практических примеров является IBM Financial Crimes Insight, который предлагает целостный и когнитивный подход к мониторингу практически всех действий, связанных с сотрудниками, участвующими в торговой и сопряжённой деятельностью с финансовыми рынками. Он выходит за рамки традиционного обнаружения предупреждений на основе алгоритмической торговли и активно контролирует сотрудников в режиме реального времени, включая электронные письма, стенограммы чатов, голосовые записи, торговые и рыночные данные^[21].

При этом одной из постоянных проблем для применения таких инструментов ИИ является доступ к данным и конфиденциальности. Финансовые регуляторы, торговые площадки и участники рынка имеют доступ к данным, которые могут быть полезны для выявления и расследования финансовых правонарушений, но все соответствующие данные обычно доступны не всем участникам. Это может ограничить применимость технологий наблюдения, основанных на объединенных источниках данных. Ссылаясь на сочетание искусственного интеллекта и человеческого интеллекта, IBM признает этот риск и утверждает, что ИИ — это следующий этап борьбы с финансовыми преступлениями, который может быть эффективно реализован при консолидированном подходе.

На практике манипулирование рынком осуществляется посредством «вброса» недостоверной информации посредством рассылки, новостной ленты и т.д., которая позволяет необоснованно повышать или понижать курс котируемого инструмента^[22], или же создание иных стратегий внутри «стакана» создающих искусственный дефицит или профицит торгуемого инструмента^[23]. Кроме того, поведение злоумышленников при манипулировании рынком будет зависеть от объема торгов конкретным финансовым продуктом и волатильности рынка этого продукта, что также будет существенно влиять на алгоритмы анализа ИИ и потенциально вводить его в заблуждение.

В этом контексте необходимо рассмотреть опыт применения цифровых песочниц, которые позволяют создать безопасную среду, основанную на реальных наборах данных вместе с синтетически сгенерированными сценариями, обеспечивающими тестирование в рыночных условиях, которых нет в исторических наборах данных. На уровне практической реализации необходимо отметить позитивный опыт финансового регулятора Великобритании, который обрабатывает в рамках песочницы свыше 200 баз данных по торгуемым инструментам^[24].

В.В. Мазурин в своем исследовании приходит к выводу о том, что одним из положительных аспектов интеграции ИИ в сферу финансового права и регламентации отношений, возникающих на финансовых рынках для целей осуществления надзорной деятельности, является то, что ИИ позволяет снять существенную часть аналитической нагрузки и сбора доказательств, а также не подвержен коррупционным рискам^[25].

М.В. Анашкина отмечает существенную задержку во времени в области выявления случаев манипулирования отечественным финансовым рынком, составляющим более 3х лет. В основе данной задержки автором отмечается технологическое отставание инструментов анализа рынка, несовершенство законодательства в указанной области и отсутствие действующих инструментов анализа в режиме реального времени^[26].

В рамках комплексного рассмотрения цифровизации функции государственного управления, включая внедрение ИИ в финансовый надзор, А.Е. Морозов отмечает необходимость создания регулятивных площадок и усиления роли саморегулирования для профессиональных посредников и ИТ компаний (в т.ч. занимающихся разработкой ИИ) при непосредственном участии Банк России.^[27] Схожую позицию на основании правового исследования декларирует Э.В. Горян, изучив опыт внедрения ИИ в государственном и финансовом секторе Сингапура^[28]. В результате анализа, разработанного Валютным управлением Сингапура инструмента для регулирования процессов в сфере искусственного интеллекта, и практического кейса DBS Bank отмечается необходимость разработки гибких регулятивных подходов в отношении технологии ИИ и формирования рамочной модели управления ИИ.

Рассматривая вопрос отдельного регулирования ИИ в контексте противодействия легализации доходов, полученных преступным путем, необходимо выделить и учитывать позицию О.А. Ястребова, который предлагает использовать конструкцию электронного лица для определения действий искусственного интеллекта, а также обеспечить внедрение этой категории в действующее законодательство с целью регулирования отношений, одним из элементов которых выступает искусственный интеллект^[29].

На основании вышеизложенного автор данной статьи формулирует следующие предложения для дальнейшего эффективного применения ИИ в сфере контрольно-надзорной деятельности финансовых рынков России:

1. Необходимо формирование регулятивных подходов, обеспечивающие создание цифровых двойников и регулятивных песочниц для ИИ, который планируется к внедрению и применению в рамках надзорной деятельности Центрального Банка России и иных органов власти.

2. Необходимо законодательное закрепление дополнительных требований к должностным лицам органов власти, осуществляющим внедрение ИИ; требования должны учитывать как квалификационные позиции (образование, опыт разработки, сопровождения ИИ, повышение квалификации в области ИИ и т.д.), так и минимизирующие риски предвзятости в отношении технологических решений в области ИИ.

3. При разработке технологии ИИ для финансового надзора Банка России необходимо законодательное закрепление прямого запрета на распространение разрабатываемой технологии ИИ для участников финансового рынка и смежных подотраслей указанного рынка.

4. Также предлагается законодательно закрепить обязанность предоставления исходного кода и инструмента оперативного отключения ИИ Банку России в случае использования ИИ участниками финансового рынка.