金融科技平台监管的演化博弈研究

白昌易 芦彦清 韩苗苗

党的二十大报告提出：“加强和完善现代金融监管，强化金融稳定保障体系，依法将各类金融活动全部纳入监管，守住不发生系统性风险底线。必须按照党中央决策部署，深化金融体制改革，推进金融安全网建设，持续强化金融风险防控能力”。随着近十年数字化革命浪潮的到来，大数据、云计算、人工智能、区块链等新科技业态广泛应用于金融领域，金融科技时代逐步到来。在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中提出：“要构建金融有效支持实体经济的体制机制，提升金融科技水平，增强金融普惠性”。这标志着金融科技已上升到国家战略层面，同时也为金融科技的未来运用与发展指明了方向。然而由于市场运行机制不健全，金融监管效果不明显等问题逐渐显现，使得金融科技平台风险激增，给金融监管工作带来了新的挑战（刘敏等，2022［1］）。政府在保护金融创新和防范金融风险上陷入两难境地，造成很多时候不能对金融科技平台发展、金融监管体系完善以及中国经济发展作出全面、科学的判断，因此对其监管也难以做到准确、及时、充分、有效。截至2022 年底，中国金融科技平台有近5000 亿未兑付的借贷资金，因各类风险遭受损失的投资人数超过3.2 亿，存量风险处置工作任重道远（夏雨等，2022［2］）。在此背景下，政府部门多次制定政策法规对金融科技平台进行监管。中国人民银行在2021 年12 月底发布了《金融科技（Fin Tech）发展规划（2022—2025 年）》，明确了新时期金融科技发展的具体方向，即以金融数字化转型为中心，将强化金融科技审慎监管纳入工作主线，并将强化金融科技治理，健全多方参与、协同共治的金融科技伦理规范体系作为首要任务。2023 年10 月底，习近平总书记在中央金融工作会议强调，要“全面加强金融监管，完善金融体制，优化金融服务，防范化解风险”，做好科技金融等五篇大文章，要以“全面加强监管、防范化解风险为重点”，“切实提高金融监管有效性，依法将所有金融活动全部纳入监管，全面强化机构监管、行为监管、功能监管、穿透式监管、持续监管”。由此可见，政府对规范金融科技平台发展的决心十分坚定，制定和完善监管政策也成为政府监管部门对金融科技平台进行监管的重要手段。由于政府监管部门与金融科技平台之间存在着相互影响的特殊关系，所以对政府监管部门与金融科技平台之间决策行为的博弈分析变得十分重要。

本文余下的安排为：第一部分为文献综述，对现有金融科技平台监管的文献进行梳理和评述。这一部分论述了金融科技行业及其生态环境特征，并讨论了政府监管部门与金融科技平台之间的相互作用关系。第二部分介绍了金融科技平台粗放式“监管困境”的演化博弈模型。第三部分介绍了金融科技平台精准式监管的演化博弈模型。第二部分与第三部分通过演化博弈分析方法，对金融科技平台监管“一管就死、一放就乱”的周期性波动困境进行分析。第四部分对演化博弈模型进行数值分析，刻画了在政府“粗放式”监管和“精准式”监管下金融科技平台的不同行为选择。第五部分为结论，对政府如何促进金融科技行业生态环境的进一步改善，推动中国金融科技平台的发展进行探究。本文研究对中国金融科技平台监管及良性发展具有一定的借鉴意义。

1 文献综述

学术界对于金融科技平台监管的研究主要从两个方面展开，一方面是对金融科技平台风险的研究。金融科技平台的市场垄断和信息垄断，导致了与经典“风险与收益对称性”理论相悖的现象（王义中等，2022［3］）。金融科技平台作为金融创新的产物，处于不断的创新发展阶段，运营模式、业务类型都在不断地扩展，创新业务不断出现，且在未经长期安全性和稳定性检验的情况下就进入市场，给市场带来了不稳定因素。金融科技市场聚集了大量的长尾群体，这些人群风险抵抗能力较弱，容易被错误信息误导，缺少自主判断力，这些人群在享受着金融科技平台为其带来的利益同时，一旦出现风险，也会成为金融科技市场的风险因素。并且，金融科技平台中的客户信息安全风险、网络电信诈骗等风险也不容小觑（郑宗杰和任碧云，2022［4］；Ozili，2018［5］）。金融科技平台在为消费者带来借贷便利的同时，也容易导致消费者过度消费，造成还款压力巨大，给平台带来了坏账风险（Berg T 等，2020［6］），金融科技平台的特殊性也增大了如非法集资等类型金融犯罪发生的风险。金融科技平台以大数据、人工智能等技术为支撑，各平台近乎相同精确的投资分析算法，会使得市场出现趋同效应，同样会给金融市场带来风险波动（方意等，2020［7］）。靳文辉等人通过研究认为金融科技平台风险包含了信用风险、法律风险、技术风险、操作风险、业务风险、系统性风险、安全风险和监管风险等近二十余种风险（靳文辉，2019［8］；叶蜀君和李展，2021［9］；陈红和郭亮，2020［10］）。而这些风险的成因则是因为金融科技平台“科技+金融”的双重属性（方意等，2021［11］）使得监管对象不明确、监管措施不及时以及监管内容不完整（白桦和陈金东，2022［12］）以及技术应用不规范（袁康和唐峰，2021［13］）。

另一方面则是对金融科技平台监管的研究。随着数字时代的到来，金融科技平台不断出现，在丰富了金融体系的同时也给各国的金融监管者带来了新的难题，行政监管和技术监管需要不断的与时俱进通力合作，才能使社会各种力量形成合力，维护市场的有序运转（江小涓和黄颖轩，2021［14］）。金融科技平台的本质是金融创新，与传统的金融监管不同，需要构建传统金融监管与科技维度并行的创新双维监管体系（杨东，2018［15］）。科技在金融监管中的应用须转化为具体的可操作的法律制度方能达致良治之功效，故而，金融科技监管的核心在于监管科技的法制化（杨松和张永亮，2017［16］）。通过强化监管协调、落实功能监管、厘定央地权限，构建风险覆盖更加周延的金融监管体制机制，充分发挥监管科技的特有作用，以科技驱动的监管创新应对科技驱动的金融创新（廖凡，2019［17］）。要充分利用监管科技的发展来匹配金融科技的创新应用，对于金融科技平台注意创新发展和强化监管并重，加强金融科技监管的统筹协调（胡滨和任喜萍，2021［18］）。金融科技在改变传统金融生态的同时，也在挑战传统金融监管的既定逻辑。针对其主体多元化、金融业务跨界、颠覆性创新与系统性风险并存等特征，金融监管需进行适应性变革，引入多元主体、多元规范、多元机制的合作治理模式（李有星和王琳，2019［19］）。依据良法积极推进高效的包容审慎监管、公平公正监管、协同整体监管、激励性监管、信用监管和智慧监管，用科技赋能监管，是实现对平台良性监管的善治之道（孙晋，2021［20］）。Dirk 等（2020）［21］着重研究了金融科技平台的监管困境以及解决方案，在国外的相关研究中具有较强的代表性。Rogers 和Clarke（2016）［22］则以P2P 模式为例，总结了英国金融科技平台的监管经验，认为英国在监管方面也形成了成熟的模式，重视多部门共同监管，成立行业自律协会，联合金融政策委员会、审慎监管局、金融行为监管局三个部门联合监管，明确监管范围，设立相应的门槛，加大对行业的审核力度，从源头上加强监管，此外还加强信息披露制度的建立，提高行业透明度，确保金融科技的运行在阳光下，降低行业运行中的违规行为及风险。

国内外学者们对当下金融科技平台的风险以及政府监管进行了大量的研究，研究方法主要集中于规范分析方法，即主要运用理论阐述与归纳总结的方法对相关问题进行分析。研究内容偏向主体间相对静态作用下的结果，能够较好刻画同时点多主体动态作用结果的演化博弈分析方法可以弥补该领域在研究方法的缺失。另外，通过对国内外相关研究的论述可以发现，政府监管部门与金融科技平台之间相互作用关系的研究较少，但是二者之间存在着相互影响的特殊关系，所以对政府监管部门与金融科技平台之间决策行为互动结果进行研究十分必要，而演化博弈分析即是对主体决策分析的重要方法。因此，本文将选择演化博弈方法对此展开政府监管部门与金融科技平台之间决策行为进行深入研究。

2 金融科技平台粗放式“监管困境”的演化博弈模型

2.1 粗放监管的问题描述

金融科技在20 世纪90 年代中期就已经在中国初步发展，但是直到2012 年金融科技平台这一概念才在中国正式出现。金融科技平台的发展总共可以分为三个阶段。第一个阶段是20 世纪90 年代中期到21 世纪初期之间的初步发展阶段，这一阶段金融科技业态并未完全成形，金融机构通过互联网提供的技术支持，进行开户、转账、查询、理财、证券咨询等传统业务的处理；第二个阶段是21 世纪初到2012 年间金融科技平台发展的萌芽阶段，这一阶段以搜索引擎、移动支付、社交网络、云计算等为代表的互联网技术快速发展，并且开始深入到金融业务领域；第三阶段是2012 年至今的快速发展阶段，其中，2013 年被称为金融科技元年，这一阶段内金融科技平台快速发展，但各类问题也频发，包括P2P 网贷平台大量暴雷、校园贷出现大量高利贷事件以及众筹平台中的非法融资问题等。中国政府对于金融科技平台的监管，在前两个阶段内未有针对性行动，在第三阶段开启了正式监管，也随之开启了政府监管部门与金融科技平台之间的博弈过程。总体上看，金融科技平台业务收益与政府的监管存在着周期性波动现象：金融科技平台风险爆发——发布监管政策——金融科技平台兼并和转型——监管政策滞后——金融科技平台出现新问题。金融科技平台收益因此受到影响的同时，金融科技行业的生态环境也遭到破坏，影响了我国整个金融行业的发展。

金融科技平台在提供更广泛金融服务的同时也隐藏着巨大的风险，具体包括信息垄断风险、社会伦理风险、信用风险和系统性风险等。而政府在监管中面临着诸多实施困境，如事后追责低效、刚性监管忽视市场需求、偏重刑事处置忽视商事规则和条块监管主体等粗放式监管问题，从而导致了金融科技平台监管的周期性波动现象。周期性波动的主要特征就是政府监管机构陷入对金融科技平台“一抓就死、一放就乱”的监管困境。而解决问题的出路在于政府监管机构改变粗放式监管模式，适应日益交叉和复杂的金融科技业务，运用大数据、云计算、智能科技等监管科技手段，实现金融科技平台监管的实时性和精准性。

2.2 基本假设

假设1：政府监管机构与金融科技平台的行为都是有限理性的群体行为。自2012 年以后，中国金融科技行业迅速发展，各类金融科技平台高速增长。此时金融科技平台处于原生市场的自发演化状态，各个地方政府也在尝试着有效的金融监管和整治手段。2016 年，国家提出强化地方政府的金融监管权，既要给科技创新适当的发展空间，又要防范金融风险。在整个政府监管机构与金融科技平台间相互的行为中，均遵循了基于当前有限情况下进行决策的有限理性行为。

假设2：政府监管模式包括粗放式监管和精准化监管。当前，中国金融监管政策中，监管部门没有足够的手段约束金融科技平台，中国金融监管面临着粗放式监管的诸多困境。政府监管的另一种模式是对金融科技进行大力发展，通过云计算、大数据、智能科技等一些监管的科技手段，来提高金融科技监管的精准性与实时性。本文中，粗放式监管是指监管手段落后、具有消极监管特征、对被监管对象采用“一刀切”监管的政府行为；精准化监管是指利用新技术等方式、根据现实情况对金融科技平台采用不同监管方式进行积极监管的政府行为。

假设3：政府监管的对象 是金融科技平台。尽管金融科技平台监管核心是消费者保护，但是对于消费者的可选策略仅能是提高风险意识。因此，本文有关金融科技平台监管的研究不考虑消费者的行为选择，金融科技平台监管的重点是对其业务进行风险管控。

2.3 要素博弈

博弈参与者包括金融科技平台D与地方政府监管机构S。地方政府监管机构是否对金融科技平台进行监管活动构成了策略集合{不监管1S，粗放式监管S2}。金融科技平台选择是否在经营过程中保持“自律”行为构成了策略集合为{自律D1，不自律D2}。其中，金融科技平台的不自律行为是指利用金融产品进行营销误导、未能将资金中平台所有部分与客户所有部分精准分割、未能充分保护客户信息等不良行为，金融科技市场的“长尾”群体在上述行为下丧失了资金安全，整个金融科技市场秩序因此受到巨大的破坏。

本文首先对政府监管机构策略进行假设，其“不监管”的比例是x（0≤x≤1），那么其“粗放式监管”的比例则是1 −x。其次，本文对金融科技平台行为进行假设，其选择“自律”比例是y（0≤y≤1），那么其选择“不自律”比例就是1 −y。可得要素博弈的收益矩阵如表1 所示。

表1 金融科技平台与政府监管机构的要素博弈收益矩阵

首先，分析金融科技平台的收益设定。金融科技平台采取自律行为的基本收益为I，金融科技平台采取不自律行为会为其带来超额收益为R；在金融科技平台处于自律的行为选择时，其基本成本假设为1C，涉及平台整体经营规范与制度的建立、对技术平台研发情况与其工作人员的行为等方面进行检查；金融科技平台采取不自律行为的基本成本记为C2，显然C1＞C2；在政府相关监管行为缺失的前提下，金融科技平台不自律行为会导致用户因对平台信任不足而退出或经营不善后迅速退出市场，金融科技平台因资金链快速断裂所遭受的损失记为 ΔI，而在有监管行为保障的前提下则不会出现这类额外损失；监管机构对金融科技平台不自律行为进行的处罚金额记为P。

其次，分析监管机构的收益设定。在采取粗放式监管模式下，社会由于金融科技平台不自律行为遭受的损失记为L；金融科技平台不自律行为导致退出后市场净化收益为IΔ ；监管机构采取金融监管所耗费的监督成本记为C3；政府监管机构当不进行监管仅仅维持市场运营的成本记为C4，其中C3＞C4。上述博弈双方各种收益的取值范围为[0, +∞)。

上述结论表明，当金融科技平台与政府监管机构的收益满足上述条件范围时，金融科技平台的自律行为和监管机构的粗放式监管行动均陷入“猫捉老鼠”的混合均衡中，难以实现有效的市场监管。尤其是，尽管监管机构采取了“一刀切”式监管措施P，但是粗放的监管模式导致了大量金融科技平台业务被叫停，大批量退出市场遭受较大的损失 ΔI。因此陷入了混合均衡的监管困境。

2.4 复制动态方程

在表1 所示的要素博弈基础上，雨后春笋般兴起的各类金融科技平台和各地方政府监管机构在“鼓励政策——过度繁荣——出台监管——规避监管——补充措施”这种相互试错和观察学习中不断调整策略，其具体刻画为一个包含变异机制和选择机制的演化过程。其中，最为常用的复制动态（Replicator Dynamic）强调选择的作用，通常表示为不包含变异机制的常微分方程组，指某个物种或种群当中被接受的频度或者频数的动态微分方程。参与者选择某种策略的增长率dθi/dt不仅与该时期t选取该策略的人数比例θi成正比，而且与选择该策略的收益u(si)与平均收益差值成正比：

根据上述复制动态方程，金融科技平台和政府监管机构策略的演化博弈复制动态方程为：

由上式可知，金融科技平台采取“自律”所占比例dy/dt的增长率与当前比例大小y有关，其反映了如果行业自律尚未形成普遍共识，那么该策略很难得到市场参与者的模仿学习。而且，该策略增长率还与监管机构进行市场监管下的处罚金额P 和爆雷后遭受的损失 ΔI成正比。同理，政府监管机构采取不监管策略的增长率dx/dt与金融科技平台爆雷后的损失 ΔI成反比，与其监管成本C3成正比。

2.5 演化均衡

演化均衡（Evolutionary Equilibrium，EE）是系统演化方程的稳定性概念，即具有局部渐进稳定的均衡点。其中，根据要素博弈表1 所示，在不同收益条件下分别存在着五个纳什均衡点，分别为E(0,0)，E(0,1)，E(1,0)，E(1,1)和 (x∗,y∗)E。由李雅普诺夫第一法，为了判断上述五个均衡点的稳定性，通过雅可比矩阵法判断分析Jacobian 矩阵特征值：

当均衡点满足det(J) ＞ 0、tr(J) ＜ 0这一条件时，所求得的均衡点成为了演化动态过程的局部渐进稳定均衡点。而当均衡点满足det(J) ＞ 0、tr(J) = 0这一条件时，均衡点成为了演化动态过程稳定的中心点。利用雅可比矩阵局部稳定分析法，求出均衡点在进行稳定性分析的最终结果，具体如表2 所示。其中，演化系统唯一稳定的中心点是演化稳定策略E(x∗,y∗)。

表2 粗放监管下均衡点稳定性分析

命题2：在政府监管机构采取粗放式监管模式下，纳什均衡点E(x∗,y∗)为演化系统唯一稳定的中心点，金融科技业务和监管将围绕着混合均衡点(∗,∗)发生周期性波动。

上述命题表明，在粗放式金融监管模式下，金融科技平台业务将处于｛自律，不自律｝和｛不监管，粗放式监管｝之间往复周期性波动。这反映出中国政府对金融科技平台的粗放式监管始终面临着“一抓就死，一放就乱”的监管困局。

3 金融科技平台精准监管的演化博弈模型

3.1 精准监管的问题描述

随着信息技术的迅速发展，金融科技平台的监管部门需要运用大数据等金融科技手段，对金融科技监管体系进行完善，既保证包容创新又确保监管到位。一方面，对现有法律法规体系进行完善，把金融科技纳入到整个体系内，规范非法融资等问题的法律界限，监管活动实现精准化；另一方面，在金融监管活动中引入大数据、云计算、人工智能等技术手段，使信息安全风险防范中新兴技术的应用得到加强，金融风险的甄别、防范与化解能力显著得到提升。

监管机构需要基于数据挖掘、云计算、大数据技术等智能感知技术，识别城市区域因素中的特定环境因素，构建非法集资案件的情景推演耦合模型，分析风险诱因与金融投资环境、信息传播方式（广告宣传的监管）、金融科技平台营销人员的跨区域流动性等外部因素的耦合方式，梳理非法集资案件的推演过程，提升金融科技平台的智慧监管、早期预警和综合治理能力，依靠智能识别和智能协同实现对金融科技的实时精准化监管，从而完善政府监管行为来抑制金融科技平台不自律行为的产生，最终实现金融科技行业的良性发展。

3.2 模型构建和演化均衡分析

政府监管机构根据大数据等信息技术，制定精准化的监管政策，不仅有效抑制金融科技平台风险，而且维护了金融科技行业生态环境的稳定和健康发展。此时，在精准监管模式下金融科技平台不自律行为导致退出后市场净化收益不再是“一刀切”粗放式监管下固定值 ΔI，而是与精准监管实施比例(1−x) 成正比，即h(x) = (1 −x)l0，其中l0为理想条件下金融科技平台销售额的最大数额。当处于精准监管模式下，政府监管机构与金融科技平台博弈的收益矩阵如表3 所示。

表3 金融科技平台与政府监管机构的博弈收益矩阵

关于金融科技平台与政府监管机构的复制动态方程：

根据式（4）可以得到其雅可比矩阵为：

同理，利用雅可比矩阵局部稳定分析法，对均衡点的稳定性进行分析，其结果如表4 所示。其中，纳什均衡点（0,0）为演化系统唯一稳定的演化均衡点。

表4 精准监管下均衡点的稳定性分析

命题3：在政府监管机构采取精准化监管模式下，纳什均衡点(0,0)为演化系统唯一稳定的中心点，金融科技平台业务和政府监管策略收敛到｛金融科技平台不自律、监管机构精准监管｝的理想状态。

上述命题表明，政府监管机构运用大数据、云计算、智能数据比对等金融科技手段，在精准化政府监管模式下，金融科技平台业务将处于｛不自律，精准化监管｝的理想状态。

4 数值分析

4.1 金融科技平台粗放式监管的数值分析

由于金融科技平台业务发展时间较短，“小散微”的客户特点导致数据分散难以获取。因此，本文采取数值分析方法，对上述理论模型加以验证。

首先，系统演化的初始值设定。设定政府监管机构制定粗放式监管政策的初始比例值为x0=0.2，金融科技平台自律行为比例为y0=0.8。

其次，根据政府监管机构采取粗放式监管下复制动态方程（2），图1 为系统演化相图。在整个博弈系统演化的过程中，整体上呈现了一种周期运动的闭轨线环状态，所围绕的稳定中心点就是 (x∗,y∗)E，其中，x∗=0.2，y∗=0.4。政府监管机构与金融科技平台间的博弈过程属于周期行为模式。

图1 粗放式金融监管的系统演化相图

最后，为了更加直观地展现金融科技平台业务行为随时间的周期性演化特征，将金融科技平台采取自律行为的初始比例值分别设定为y0=0.9与y0=0.4，设定政府监管机构粗放式监管行为初始比例值为固定值x0=0.1，其演化结果如图2所示。金融科技平台自律行为比例的初始值变大，波峰也会随之变更高，但也会使得行为周期变得更长。表明政策环境相同，金融科技平台粗放式监管政策制定对会产生更好的效果，但整体上花费的时间会更长。

图2 粗放监管下金融科技平台自律行为轨迹图

同理，为了对金融科技平台监管机构的粗放式监管行为随时间的周期性演化特征进行分析，设定政府监管机构不采取监管行为策略的初始比例值为x0=0.9与x0=0.6，而将金融科技平台自律行为初始值设定为固定值y0=0.9。政府监管机构监管政策随时间发展的变化如图3 所示，当政府监管机构不采取监管行为的初始比例值变得越大时，其波峰便会越高，但整个行为周期也会变得更长。可以说明处于相同的市场环境下，往往容易被推出的政策是那些趋于成熟的，尽管整体上花费的时间会更长，但避免了短期内出现多次循环往复。在总体上无论是金融科技平台还是政府监管机构双方都陷入了周期性波动的困境。

图3 粗放监管下政府监管机构行为轨迹图

4.2 金融科技平台精准化监管的数值分析

首先，分析政府监管机构制定精准化监管政策随时间演化的轨迹图。设定政府监管机构制定不采取精准监管政策的初始比例值为x0=0.1与x0=0.6，同时设定金融科技平台自律行为的初始值为固定值y0=0.1。根据精准化监管复制动态方程（4），数值模拟结果如图4 所示。政府监管机构制定政策比例的初始值越大，整个曲线更逼近于1，而总共用时也变得更短。可以说明处于相同市场的环境下，更接近成熟的政策往往是更先推出，也缩短了花费的时间。其次，对于金融科技平台自律行为随时间的轨迹分析，设定金融科技平台自律行为的初始比例值分别为y0=0.9与y0=0.4，政府监管机构制定政策初始值设定为固定值x0=0.9，演化结果如图5 所示。总体看来，金融科技平台自律行为比例呈现伴随时间而向下跌落的状态，可以说明政府的监管行为是存在时效性的，当新问题出现或者政策漏洞被金融科技平台发现时，金融科技平台不自律行为仍然会出现。

图4 精准监管下政府监管机构行为轨迹图

图5 精准监管下金融科技平台自律行为轨迹图

5 结 论

防范金融系统性重大风险，是中国政府“防范化解重大风险”中最为重要的一环。金融科技平台在完善金融体系的同时，也带来了具体包括信息垄断风险、社会伦理风险、信用风险和系统性风险等问题。金融科技平台风险管控不当，将直接影响金融科技行业的良性发展。当前，金融科技平台粗放式监管陷入了“一抓就死、一放就乱”的监管困境。在金融监管活动中引入大数据、云计算、人工智能等技术手段，使信息安全风险防范中新兴技术的应用得到加强，将政府监管机构对金融风险的智能识别、提前防范与协同化解能力进行提升，使得金融科技平台精准化监管能够有效摆脱“一刀切”式金融监管的困局。本文通过构建金融科技平台监管的演化博弈模型，论证了粗放式金融监管陷入困境和依靠金融科技实现精准化监管的演化路径。

研究表明，从短期视角上，尽管监管机构采取了“一刀切”式金融监管措施，但是粗放的监管模式导致了大量金融科技平台业务被叫停，金融科技平台的自律行为和监管机构的粗放式监管行动均陷入“猫捉老鼠”的混合均衡中，难以实现有效的市场监管。从长期演化上看，在粗放式金融监管模式下，金融科技平台的均衡状态收敛于稳定的极限环，反映出中国粗放式金融监管始终面临着“一抓就死，一放就乱”的周期性波动困局。为了实现有效的精准化金融监管，运用大数据、云计算、智能数据比对等金融科技手段，金融科技平台将处于｛不自律，精准化监管｝的理想状态。

本文运用演化博弈模型，首次系统性研究了中国金融科技平台良性发展与防范金融风险两者之间的内生张力和冲突，尤其是“一刀切”粗放式金融监管面临的困局，以及依靠科技手段实现精准化监管的解决思路。本文构建的演化博弈模型也存在着一些未来有待解决的问题。例如，运用科技手段需要监管机构具有相应的大数据思维和技术监控能力。在未来如果科技手段得到广泛应用从而能够获取相应的大数据资料，在本文理论模型结论的基础上加以数据支撑分析，将能提供更为丰富的理论细节和更为深刻地管理洞察力。另外，演化博弈模型受所设定参数数量的局限，未能对较多因素进行详细分析，后续也将采用其他研究方法进行影响因素的拓展研究。