数字时代已然来临，为现代中央银行带来机遇和挑战。央行基于移动物联网、智能终端等硬件基础设施的支撑，充分应用大数据、机器学习、区块链等金融科技，通过央行数字货币等产品的创新，以及存量数据整合、增量数据接入、数据治理夯实等手段的运用，可赋能其传统职能更加高效精准。
数字浪潮汹涌澎湃，数字经济蓬勃发展，数字时代已然来临，中央银行数字化自然也在其列。党的二十大报告提出“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”的任务。2023年“两会”后出台的《党和国家机构改革方案》，不仅进一步阐明数字经济重要性，更指明金融监管改革的方向，意味着金融监管将更加权威、全面、穿透、严格。现代中央银行作为最重要的金融监管部门，既要承接数字化变革和金融监管部门改革的政治任务，又要顺应和面对金融科技的蓬勃发展和金融行业的数字化转型，因此现代央行自身的数字化也已经箭在弦上。
形势与挑战
俄乌对抗欲战还休，东西博弈愈演愈烈，央行环境动荡起伏
俄乌冲突短期难以平息，大国博弈将会长久存在，地缘政治的复杂性、政治对抗的不确定性、经济增长的波动性、外贸合作的艰巨性，制裁和反制裁、限制与反限制、包围和突围，都将成为当下及未来的新常态，这些都构成了央行施政布策的最大宏观变量。一边是美联储的加息、欧美的通胀、能源的紧张、技术的打压；一边是中俄的互信、中法的互惠、中欧的互动，保回暖、保增长、保民生。如此波诡云谲动荡不安的国际时局，如此疫后重生百业待举的国内企盼，这些复杂多变的外部环境都是央行预判新时代担纲新使命所要面对的新情况。
风险事件此起彼伏，金融风险一触即发，央行观局严阵以待
近期美国硅谷银行事件叠加瑞士瑞信事件，引发了一系列行业性的信心危机和流动性危机，也让全球蒙上了一触即发的全球性系统金融风险的恐惧阴影。纵然美联储等六家主要央行已经宣布协调行动，以增加常设美元互换工具的流动性供应。欧洲银行业监管部门发文安抚市场，表示在风险事件发生时，股票将先于额外一级资本（Additional Tier 1，简称AT1）债券承担损失。英国央行也表示，AT1债券将在偿付顺序上优先于股票投资者。但危机四伏如雷在侧。虽然各国央行的快速反应暂时平复了当下短暂危机，但是欧美国家长期以来的经济失衡和结构性、体系性的矛盾仍然在累积，风险的演化裂变绝非到此为止。
他山之石可以攻玉，要深刻认识到任何单一金融市场主体的经营风险瞬间可以演化为系统性的连带风险传染到其他金融主体，进而蜕变成为系统性金融风险，累及国家安全。加之金融的国际化、全球化早已深入彼此，独安一隅、独善其身几无可能。因此，央行的国际视野和国内视野更加需要纵横贯通，城门失火的预防和补救策略更加需要统筹谋划。
数字货币快速迭代，形态重塑颠覆传统，央行职能技术进阶
数字货币、加密货币快速演进迅猛迭代，对央行的货币政策职能产生了深远的影响。首先，货币的创造方式已经从基于信用关系转变为基于通证的价值形式，这导致央行货币的需求随着加密数字货币的大量使用而减少。其次，数字货币支付方式的变化将可能影响央行货币政策的执行能力，其货币结算职能将被部分替代。因此，央行的货币发行与监管，如何借助技术的力量，更好驾驭和适配数字货币的发展应用，已成为重大课题。
“一带一路”纵深发展，结算币种日益多元，央行使命任重道远
自2013年以来，“一带一路”倡议已成为我国对外开放的重要战略，该倡议的推进促进了沿线国家和地区的经济联系和合作。借此良机，央行一方面可以加速人民币国际化的进程，另一方面也可以为“一带一路”建设提供更多金融互惠安排、拓展投资渠道和丰富资金来源，从而吸引更多的国家和投资者参与其中，与人民币国际化形成良好互动。近期，中国先后和俄罗斯、巴西等十几个国家进行磋商达成协议，双边贸易采用两国本币或人民币结算，人民币国际化又迈出重大实质性步伐，央行使命任重道远前景光明。
央行职能及其数字化赋能
央行的传统职能，包括货币政策、支持实体经济、金融监管、支付清算、金融市场、征信和反洗钱等，本文将从底层技术、基础设施、产品创新以及数据治理等方面探究数字化如何赋能央行职能。
货币政策
制定和执行货币政策是央行最重要的职责之一，而这依赖于对经济形势的精准研判、对货币政策工具的恰当使用和对货币政策效果的持续监控。传统央行的经济研判是基于样本数量有限的抽样调查，难免会有由于存在抽样偏差、统计时滞而导致判断失真的情形。传统货币政策工具相对有限，更加侧重于通过信贷市场来影响货币总量，依靠总量估算或利率进行跟踪回馈调整，政策效果具有一定不确定性。
大数据和机器学习为此提供了技术可能，可以助力央行货币政策的精准性进一步提高。大数据和机器学习能显著提升央行经济研判与预测的全面性和时效性。首先就全面性而言，央行可以基于更大的数据集来研判经济增长、通胀、失业率等情况，国外央行已经将互联网数据纳入分析范围。
据2018年高盛研究报告表明，美国消费者价格指数（CPI）计算过程中已有约15%的数据来源于互联网价格数据。又如麻省理工学院开展的“十亿价格项目”，通过每日收集互联网价格数据，尤其是电商价格数据，可以获得通胀实时情况，并进一步分析通胀的传导路径。
另外，央行也不仅限于利用结构化数据，而是基于自然语言处理等技术，进一步分析非结构化数据。如英格兰央行通过分析互联网上找工作的频率，一定程度上预测了失业率前景（Cavallo, et al., 2016）。其次就时效性而言，央行可利用大数据显著提升经济研判的时效性。国外央行已经将基于大数据的即时预测模型作为经济分析的主要工具。如纽联储在2020年疫情期间，通过铁路、零售等大数据，得到美国经济运行状况的周度数据，为制定针对疫情的货币政策提供了有力支持。
大数据也同样能够改善对货币政策传导效果的监测，从而依据反馈适时调整货币政策。对于发达国家而言，货币政策通常首先影响货币市场，随后影响到债券市场、股票市场和信贷市场，因此货币市场是重要的监控对象。
2017年，欧央行建立了基于大数据技术的货币市场统计报告数据集（MMSR），收集欧洲货币市场的有担保、无担保、外汇掉期和隔夜指数掉期4类交易数据，涵盖欧元区52家头部金融机构。欧央行基于MMSR数据，对资产购买计划和欧元区基准利率改革进行定量评估，并及时调整政策，保证了经济刺激计划和利率改革的顺利推进。
对于中国而言，由于货币政策直接影响到信贷市场，因此信贷市场本身的监控更为重要。自2012年起，人民银行开展了标准化的存贷款抽样统计，针对全国5000家金融机构顶层支行，每月采集近1亿笔存贷款产品信息，用以监测市场利率、贷款投向等。当前金融统计大数据已经能基本满足人民银行的监测分析，但未来随着银行业的数字化程度不断加深，人民银行的统计分析将可以从抽样统计变为全量统计，这将更精确地反映货币政策的效果，也使得人民银行的货币政策更加灵活高效。
支持实体经济
支持实体经济是央行的重要职能之一。传统上，央行通过货币政策和利率等工具降低企业融资成本、拓宽融资渠道、鼓励消费和投资，从而刺激实体经济。当前实体经济仍面临着增信手段匮乏、普惠覆盖面不足以及“数字鸿沟”等难题，央行可以通过充分利用现代信息技术基础设施，例如移动物联网和智能终端，来有效拓展金融服务渠道，大幅降低人力成本，并促进金融业务与生产生活场景深度融合，不断提升金融支持实体的下沉深度和覆盖广度。
普惠和小微信贷方面，央行可通过政策鼓励推广数字技术的使用，从而提升普惠金融贷前调查与贷后管理效率，降低企业融资成本。例如，广东农信为农户放款，只需要大棚传感器里的数据接入阿里云的服务器，就可以实时监测和估算信贷标的真实状况，便捷性大幅提升。
而且供应链与物联网的结合还可以提高信息确认及核对的安全性和可靠性，可以极大地减少银企信息不对称，精准画像和差异定价成为可能，真正助推小微企业基础经营数字化、产业链条透明化、融资增信可视化，根本改善普惠覆盖面和普惠资产质量。
乡村振兴方面，央行可借助金融科技手段助力农村金融业务发展。针对养殖户、农户等群体融资难的问题，通过卫星遥感、电子标签等技术对林场、矿业、养殖活体、农作物信息建立融资档案提供样板示范；通过推广线上应用程序（app）、线下智能终端、无人网点提供广泛金融渠道；通过数据联网贯通可以将经营权、农宅权、林权、地权实现统一确权和抵押登记从而增加融资增信手段；通过应用区块链等新技术摸查企业上下游供应链订单、合同、承兑汇票等信息，推进数据分析、智能风控等环节，助力发展农业供应链金融。
金融监管
央行的金融监管职能意义重大，旨在保障金融体系的安全稳定和金融市场的公平、公正、透明，促进经济的平稳健康发展。但在履行该职能时也面临一些困难：一是精准地评估系统性金融风险的难度在不断增加；二是监管机构对风险分析和评估的准确性和预测能力受到有限数据信息的约束。而大数据方法具有即时、准确、低成本、大样本量和高粒度等优势，已成为提升系统性金融风险监测预警能力、改进宏观审慎监管方式以及应对金融风险挑战的新工具……
