原创 程雪军 上海市法学会 东方法学 收录于合集 #2023世界人工智能大会法治论坛 12个

程雪军

同济大学法学院助理教授、经济法治研究中心研究员

要目

一、问题的提出

二、金融科技平台的算法本质与“黑箱”嬗变

三、金融科技平台算法黑箱的主要问题与规制必要性

四、金融科技平台算法黑箱规制的法律规制路径

结论

近年来，在以人工智能为代表的信息技术驱动下，算法技术获得快速突破并深度介入金融服务行业，大幅度促进了金融服务行业的新模式发展、新技术应用以及新产品研发，从而推动了各类金融科技平台的崛起。然而，人工智能算法具有内在的技术缺陷，这导致金融科技平台从算法向“黑箱”嬗变，即金融科技平台利用算法黑箱逃避现有金融监管，将海量金融数据交换于金融机构之间或金融集团内部，以达到超监管范围的不正当数据输送并套取非法利益；此外，金融算法还具有异于传统金融交易的自动化决策系统，在加深金融消费者算法依赖的同时，也导致被“黑箱”所掩盖的个别风险通过聚合效应累积为系统风险的概率增加。在对算法黑箱进行法律规制日益重要的发展趋势下，基于人工智能算法技术在金融科技平台的应用现状，为化解其算法黑箱带来的问题挑战，亟需从社会利益论与金融风险论视角解构算法黑箱规制的必要性，结合域外算法规制的成熟经验，从算法透明、算法问责、算法伦理层面完善金融科技平台算法黑箱的法律规制路径：健全算法透明体系，打开金融科技平台的算法黑箱；完善算法问责机制，保障金融消费者权益；加强算法伦理建设，防范算法黑箱风险与伦理失范。

一、问题的提出

大数据与人工智能等信息技术的深度发展，深度介入到社会经济中的各行各业，促使金融服务行业从传统金融阶段向金融科技阶段迈进。其中，人工智能算法技术被各类金融科技平台广泛应用于金融产品与服务中，最大限度地提升了金融科技服务的效率与水平。然而，人工智能算法作为创新型信息技术，具有双面性的作用：一方面，算法具有促进金融科技创新发展的“建设性”作用。作为全面迭代发展的算法技术，它可以显著地提升金融服务的综合效率，促进金融科技平台向算法技术实现数字化与智能化转型，并驱动金融科技平台从“技术赋能”金融逐渐向“算法主导”金融活动趋势转变；另一方面，算法也有阻碍金融科技稳定发展的“破坏性”作用，可能衍生相关的算法黑箱风险以及其他风险问题。金融科技在发展中并非直线式上升，而是呈现出一种波浪式前进的状态，所以当人工智能算法深度介入金融科技行业之后，其固有的算法技术内在缺陷，如算法黑箱（Algorithm Black Box），便容易传导至全产业链的金融活动。而且，法律规制本身具有时间上的滞后性与创新上的保守性等特征，所以这便加剧了金融科技平台滥用算法技术实施金融监管套利，并触发潜在的金融科技市场风险，威胁金融市场安全以及金融系统稳定。

金融科技平台算法黑箱的法律规制研究非常重要，因为这既是保障金融科技平台技术向善的发展指南，也是防范算法黑箱风险扩大化的规制工具。然而，如何对金融科技平台利用人工智能算法带来的建设性作用与破坏性作用实现平衡取舍，对金融科技平台算法黑箱采取行之有效的法律规制？尽管学术界与实务界对其开展了相关工作，但是目前依然有所不足。一方面，在学术研究层面，我国关于金融科技平台算法黑箱的法律规制研究有待提高：一是没有把金融科技市场的特殊性纳入算法黑箱的法律规制考虑因素中，单方面关注对科技本身进行规制，忽视了金融科技平台算法规制的特殊性及其要求；二是忽视了对算法提供者（金融科技平台）的监管规制，对金融科技平台算法黑箱的责任划分、承担有待完善；三是国内对算法黑箱问题的研究视角大都锁定在客户端（金融消费者和证券投资者）层面，而忽略了机构端（金融科技平台）滥用人工智能算法技术的本质原因。另一方面，在立法实践层面，各种算法规制与法益保护的法律规范在2021年之后相继出台，这一年也被称为我国“算法规制元年”。其中，民法典在第4编（人格权）中专门设置了第6章（隐私权与个人信息保护），通过专章的形式完善个人信息保护；个人信息保护法第24条，对于自动化决策系统关于个人信息保护问题作出明确规定；网络安全法、数据安全法的相继实施为金融科技领域算法应用所带来的金融数据安全等问题构建法律规制框架；另外，《互联网信息服务算法推荐管理规定》（以下简称《算法管理规定》）从多个维度，包括算法提供者合规、用户权益保护、有关部门监管、法律责任承担等，首次较为系统地针对算法问题作出相应的法律规制。

基于此，本文从数字金融时代下金融科技平台的算法本质与数据特征出发，分析金融科技平台如何通过人工智能算法技术结合海量的金融数据打造数据驱动型算法黑箱，并打破现有法律规制及其监管桎梏，掩盖金融交易过程中形成的算法黑箱主要问题，逃避金融监管以及法律责任追究。然后，本文回归金融科技市场规制框架下的社会利益论与金融风险论，对金融科技平台算法黑箱的法律规制展开理论依据层面的分析，有选择地借鉴域外（欧盟、英国、美国、新加坡等）算法黑箱的法律规制经验，从三个算法维度（算法透明、算法问责、算法伦理）提出构建适应我国金融科技平台算法黑箱的法律规制路径。

二、金融科技平台的算法本质与“黑箱”嬗变

在金融市场竞争日益激烈的环境下，各类金融市场主体为保持其业务规模与市场竞争力，纷纷采取发展金融科技提升自身经营业务，从而为算法技术等布局金融行业创造了发展空间。其中，金融科技平台作为大数据与人工智能等信息技术的应用实体，它以各类信息技术为导向，掌握了人工智能算法在内的先进技术，并在为各类市场主体提供各项技术服务时，留存了海量数据，为其数据驱动型算法黑箱的形成提供了数据来源与算法基础。

金融科技平台技术导向夯实算法设施

1.金融科技平台的概念厘定

金融科技并不是从来就有的，它是金融行业与信息技术深度发展的时代产物。金融科技与传统金融具有显著区别，因为它更侧重于将人工智能、元宇宙、区块链等新技术深度介入到金融服务行业，从而推动金融服务行业的技术创新，并可能衍生新商业模式、应用程序、流程或产品，而金融科技平台是掌握大数据与人工智能算法等信息技术并开展相关业务的组织实体，为从事特许金融业务的金融机构提供相应的金融科技服务。

目前，金融科技平台在我国金融服务行业广泛分布，但是并没有形成统一的概念。在立法实践上，我国有多处法律规范对金融科技平台做了相关界定：一方面，北京银保监局于2019年发布《关于规范银行与金融科技公司合作类业务及互联网保险业务的通知》，将金融科技公司界定为通过输出技术或提供场景，与银行金融机构开展合作的企业。不过，该文件的法律效力仅限于地方性层面，法律规范的主体局限在银行业金融机构而非全国所有金融服务机构，但是它首次从金融监管视角肯定了金融科技公司的技术本质。另一方面，国家市场监管总局于2021年颁布《互联网平台分类分级指南（征求意见稿）》，首次将互联网平台界定为兼具超大用户规模、超广业务种类、超高经济体量和超强限制能力的平台。对于金融科技平台而言，它同样需要满足上述规制要求，即金融科技平台的年活跃用户数不得低于5亿人（用户规模要求），核心业务种类不得低于两类（业务种类要求），市值或估值不得低于1000亿元（经济体量要求），并且具有强有力的限制平台商户接触消费者的能力（限制能力要求）。在金融科技背景下，众多互联网平台型企业基于数据、算法等资源优势，不断渗透金融服务业务，拿下多种金融牌照并形成几类代表性金融科技平台发展模式：一是搜索引擎平台模式，它基于搜索引擎入口获取大量网络用户与流量从而积极开展金融服务行业，包括第三方支付、银行、网络贷款、保险经纪等业务；二是电子商务平台模式，它通过电商平台上的人员流动、物品流动、资金流动、服务流动、信息流动等获取多维度数据与用户，从而开展包括商业银行、证券、消费金融等品类繁多的金融业务；三是社交网络平台模式，它通过社交网络强有力的社交属性，为其开展各类金融业务奠定雄厚的数据与用户基础。

2.金融科技平台的算法技术本质

随着大数据与人工智能技术的发展，算法逐步渗透传统社会经济之中，人类社会逐步从传统的工业社会向算法社会迈进。关于算法，从语义上来看，它最早来源于古希腊语arithmoós(αριθμó)，它的本义是“计算的方法”，我国西汉时期《周髀算经》便有对算法的记载，北魏时期亦有“允尤明算法，为算术三卷”的算法语义记载。从数学角度来看，算法是通过一系列步骤，用输入数据得出输出结果的过程，在现代算法社会中，算法以各种智能终端作为信息载体，以二进制作为计算数制，并逐步发展出傅里叶、哈希、随机森林等算法，被广泛应当用于匹配、加密等场景。尽管目前并没有对算法进行统一的界定，但一般认为算法是对问题解决方案的步骤描述，其本质是用输入数据得出输出结果的程序。在计算机科学领域，算法一般视为在有限且明确的操作步骤内，将形式规范的输入值转化为输出值，以快速高效地解决某一特定问题的模式化过程。

在数字金融时代的发展背景下，人工智能算法具有相同的算法技术原理，只是将算法应用于更为复杂的金融科技场景之中。届时，金融科技平台可以利用其自身具有海量的数据、强大的算力支持、雄厚的算法基础，运行事先设计好的、嵌入金融模型的计算机代码程序，通过“输入（Input）―执行指令（Command）―输出（Output）”的固定运行模式，从而实现某种特定金融科技场景下的“最优解”。换言之，金融科技平台的技术本质是算法，正是在人工智能算法的助力下，金融科技平台才可以对金融市场主体和金融交易活动全面搜集数据信息以及匹配金融交易，克服传统金融活动中信息不对称、资源错配以及效率低下等诸多问题，从而有效提高金融产出与生产效率。

金融科技平台数据导向衍生黑箱现象

金融科技平台是一种典型的平台金融模式，符合双边市场理论，它有效连接金融机构与金融消费者，能够从金融科技产品运行与服务提供中获取并留存海量用户的数据信息。事实上，在人工智能算法时代，世间万物皆可被数据化记录，“数据是信息与社会利益的载体”。作为与土地、资本等并列的新型生产要素，数据有着不同于传统生产要素的绝对优势，如低成本、增值快等：一方面，从数据的边际成本（MarginalCost）来看，其边际成本趋近于零，这不仅体现为数据的复制与传输成本极低，而且对于前手数据的循环利用和再次创作成本也大大低于其他类型的生产要素；另一方面，数据在经历每一次的生产与再生产加工之后，所产生的新数据都体现了累积、更新和完善的过程性特征，实现了相对于前手数据的新一轮的价值增值。多次反复之后，这些数据便不再是某个单一劳动过程所形成的无序数据产品，而是转变成为一系列经过筛选、排列与整合的有序数据集，具有显著的高增值性。

在金融科技平台累积了越来越多的数据生产要素，掌握了绝对数量的金融数据资源后，便具有了潜在主导金融科技活动和重新配置金融市场资源流动的力量。具体而言，人工智能算法通过对海量金融数据展开深度学习，驱动计算机自动编写代码程序并完成金融交易活动，体现了机器学习强大的自主功能，但由于其中间环节的具体执行过程往往难为外部所知悉，从而被学术界与实务界称之为“算法黑箱”。实际上，金融科技平台利用人工智能算法尤其是深度学习模型所带来的算法黑箱，其根源在于金融科技平台所定义的数据对象（如人工神经网络，ANN）复杂程度日益加剧，而目前学术界并没有完整的理论对整个算法系统层面的算法模型可表达性、可训练性等描述与揭示，从而导致金融科技平台只能获取输入输出的数据，而完全不知道内部构造与运行机理的算法黑箱。

对于金融科技平台而言，其算法黑箱的本质特征在于其具有不透明性与难理解性。倘若以金融科技平台的量化投资黑箱为例（见图1），金融科技平台通过输入海量的数据，利用人工智能算法技术对各类大数据进行筛选、分析与处理，做出相对应的量化交易决策，进而建立输入与输出模型。其中，交易成本模型可助力金融科技平台确定交易换手率，风险模型可帮助平台避开错误的头寸敞口，投资组合模型可促进金融科技平台在降低交易成本、把控风险管理、实现平台盈利等目标之间实现平衡，将目标投资组合传送至投资执行模型并实施既定的执行策略。然而，这些量化投资模型都需要基于完善的数据与深度的研究方可实现，不过即使采取多么完善的算法模型，由于当前数据资源以及算法技术的有限性，金融科技平台对量化投资交易模型运行过程（从数据输入到金融算法产品输出）依然处于“黑箱”状态，而基于算法黑箱而向各类金融消费者所推荐或决策的金融产品与服务，必然存在着相应的金融算法风险或者其他风险，而金融消费者的反馈缺失或反馈不能，进一步加剧了金融科技平台的算法黑箱问题。

图1 金融科技平台算法黑箱的运行机理（以量化投资黑箱为例）

三、金融科技平台算法黑箱的主要问题与规制必要性

算法本身应当具有技术中立性，其不具有伦理道德价值，只有在被“人为”地运用于某一领域或某一事物时，算法技术的内在价值和影响才得以显现出来。在数字金融时代，随着人工智能算法技术的不断发展，金融科技平台利用海量数据与智能算法驱动传统金融创新发展，但金融科技平台算法黑箱似乎也带来了相应的发展问题：过度的算法依赖和监管真空，也为金融科技平台滥用算法黑箱从事金融监管套利行为埋下隐患。概言之，对机构端来说，金融算法的技术创新为金融科技平台和金融机构规避现有监管规制提供了新的路径；对客户端来说，算法黑箱的不透明性加剧了金融消费者与中小投资者这类长尾客群接受金融服务过程中的信息不对称与逆向选择风险，同时，算法黑箱还将掩盖金融风险在不同市场交易主体之间的转移和累积，当其达到某一临界值时，最终可能威胁社会公共利益。

金融科技平台算法黑箱的主要问题

1.金融科技平台算法黑箱滋生金融监管套利

算法的技术先进性是金融科技平台得以利用其进行监管套利的诱因。在金融科技市场中，为了计算更加庞杂的海量数据、考虑更为复杂的现实因素，金融科技平台通过引入人工智能算法能够大幅度提升金融活动效率，保证输出结果的精确度，降低金融交易成本。不可否认，人工智能算法已经成为数字经济时代金融企业处理海量数据的利器。金融科技平台通过数据驱动算法不断更迭数据生产力，强化了传统单一数据的生产模式，让数据拥有更多元的结构层次和变化可能。数据生产力的加速迭代必然将解构并重构原有的生产关系。新数据的产生和新旧数据的叠加，又将促进新的金融业务活动层出不穷随之产生，形成“数据―业务―新数据―新业务”的交替循环。从本质上看，算法技术带来的数据生产力激增已经打破传统金融市场的规则框架，建立起新的金融业态与发展模式。

首先，对于金融科技平台来说，算法黑箱的不透明性是其金融监管套利的主要原因。在金融市场未迎来算法时代的阶段，机构间和集团内的数据交易或信息共享大都以原始数据和单一性数据为主，通过数据交换对金融产品的市场趋势、金融消费者与投资者的偏好等进行深入分析，提升金融发展的协同效应以及金融服务的效率效果。然而，在市场逐利性与技术深化性因素的推动下，各类金融企业（包括金融科技平台在内）滥用数据的行为愈发严重，并且逐渐演变为过度采集、数据泄露、肆意共享和转让等伦理问题与道德风险，对金融稳定和金融安全带来了极大的冲击。在此背景之下，我国金融监管部门颁布了《银行业金融机构数据治理指引》，要求对于个人金融信息的采集、使用、管理等都应当在合法合规的层面展开；《金融控股公司监督管理试行办法》也针对金融集团内部的信息共享、信息技术系统共用等行为提出了合理隔离、防控风险的规定；此外，除了金融领域的特殊性规定，我国也加快了一般性立法的保障，网络安全法和数据安全法的相继出台标志着我国总体的数据意识以及数据治理规范均踏入了全新的层面。但制度的更新与完善始终不及科技的高速发展，算法黑箱的出现使得非法数据共享的问题卷土重来。根据算法黑箱的运作机理，在金融数据的输入（Input）与输出（Output）结果之间，存在中间执行（Command）难以洞悉的“隐层”，具有完全不透明性。尽管能够对黑箱输入端和输出端的数据同时进行监管，但由于无法刺破中间的“隐层”环节，导致对输出数据的监管基本属于无效监管。实际上，现有的监管规范只能针对原始形态的金融数据共享进行合规监管，而无法监管那些形态有所变异的数据，但算法黑箱就提供了一种在“知其然却不知其所以然”的情况下不断异化数据形态并产生更多差异化数据表现的过程。

其次，对于金融科技平台来说，算法黑箱的封闭性与保密性是其逃避金融监管套利追责的保护屏障。因为当前算法透明问题尚存在较大争论，所以作为算法黑箱的设计者与应用者，金融科技平台常常以算法保密与安全为由不予公开黑箱内部的真实情况，意图遮掩算法运行中可能存在的程序漏洞、方法不当、违法违规等问题，从而规避法律制裁与伦理约束。而当算法黑箱衍生的风险与问题真正爆发并公之于世之时，金融科技平台又以算法黑箱的自动化运行为借口，将责任归咎于算法技术本身，以逃避监管规制与法律问责。在法律规范的实践中，由于我国对于算法并未形成完善的规制体系，对金融科技平台的行为监管有所不足，所以当下我国难以破解金融科技平台利用算法黑箱实施金融监管套利行为，并因此防范该行为可能诱发的数据垄断和相关的金融风险。此外，金融科技平台利用算法黑箱变相共享数据并逃避金融监管之后，还可能强化机构端对客户端的金融数据掌握，加剧机构端和客户端之间的金融信息偏差，进而威胁金融消费者的合法权益及诉求。

2.金融科技平台算法黑箱加剧个别风险系统化

根据算法提供服务类型的不同，可以将其分为推荐型算法服务以及决策型算法服务，二者在当前金融市场均已得到广泛应用，但由于决策型算法服务相较于推荐型算法服务具有更明显的用户针对性和结果导向性，故涉及提供决策型服务的算法黑箱往往更容易滋生大规模的金融风险。申言之，决策型算法服务利用大数据驱动人工智能自动编写代码与程序（如优化投资组合模型）来转移金融产品上的个别风险，并借助算法黑箱的天然“隐层”优势对其掩盖，把金融风险用黑箱“包装”起来高价兜售。不过，这种掩耳盗铃的风险“规避”方式并没有摆脱算法黑箱技术的内在隐患，终将加速系统性风险的形成与爆发。实际上，计算机算法技术开始介入金融市场交易最早可追溯至20世纪80年代，其中最典型的算法黑箱事件莫过于1987年10月19日美国道琼斯工业平均指数（简称道琼斯指数，“DJI”）在当天暴跌22.6%，令全球金融市场哗然。事后，程序化交易最终成为此次金融风险的“替罪羊”，但人们并没有意识到“长尾”客群对金融算法的依赖才是突然导致此次系统性风险的罪魁祸首。事实上，算法黑箱的复杂与不透明给金融市场带来的威胁才初见端倪，此后全球金融市场出现多起由于算法黑箱而带来的金融风险问题，比如美国道琼斯指数于2010年5月6日一度在10分钟内暴跌9.2%，然后戏剧性的反弹，这次“闪电崩盘（FlashCrash）”重要成因是算法自动化决策交易的缺陷。我国在2013年8月16日同样出现一起由于算法套利系统而衍生的“光大证券乌龙指事件”，严重影响了证券市场安全以及金融消费者权益保护。由此可见，当金融市场成为算法操纵者（如金融科技平台）用来赚取大笔资金的竞速赛场，那些被“羊群效应”吸引前来的“长尾”消费者最终将沦落为输掉比赛的“替罪羊”，并蒙受接踵而来的巨额损失。

然而，真正的金融风险甚至危机还不止于此。事实上，在庞大的消费者“羊群”背后，每个消费者身上都背负着一项存在于金融系统内的个别风险，这些个别风险可能会被某些偶然性事件所触发，也可能被技术性地规避或消除。金融科技平台为了在面临市场波动之时能够更快地作出反应以赚取差额收益，往往会通过算法黑箱的封闭性将金融产品上的个别风险加以掩盖或隐蔽转移，而并非应用金融科技手段让其减少或消除。从理论上看，系统性风险属于金融市场固有的、不可分散的风险，而个别风险则系偶发因素所致，而非不可分散的。虽然个别风险可以通过人工智能算法建立投资组合模型等方式进行分散化解，但依然无法改变个别风险的存在及其传导效应的本质属性。在“公平、公正、公开”的金融监管理念以及系统风险与个别风险一致性的假设前提下，个别风险和系统风险将始终呈现正相关关系，这意味着个别风险减小会带动系统风险减小，而个别风险的增大同样会放大系统风险。金融科技平台利用算法黑箱不可透视的“隐层”掩盖每笔金融交易的个别风险，将这些看似微乎其微的个别风险永久性地留存在金融市场内部，循环往复地相互传导、不断聚集，从量变（个别风险）向质变（系统风险）转变，最终将引爆一场不可估量的系统性金融风险，进而影响整个金融行业的市场稳定和长足发展。

金融科技平台算法黑箱的规制依据

倘若金融创新是对传统金融发展模式的突破，那么其创新过程必然伴随着对预期结果的不确定性。同理，在金融科技市场自律发展的常态下，金融科技平台通过利用人工智能算法创新衍生的算法黑箱问题不可能被完全遏制甚至消除，但金融监管机构也不能持完全放任的态度，纵容其风险与问题的蔓延。为维护金融体系的安全稳定，促进金融行业的长远发展，适当的规制措施显得尤为必要：一方面，在社会利益论的框架下，金融规制既是权利保障的稳定器，又是权力失控的抑制器；另一方面，在金融风险论的框架下，金融规制矫正了市场经济规律自发的无序性行为与无规则性现象，旨在抑制金融科技平台技术创新所衍生的算法黑箱问题并保障金融稳健目标的最终实现。

1.社会利益论对金融市场规制的诉求

社会利益论认为：“只有在完全竞争的市场中，社会公众利益才可能实现效益的最大化”。然而，现实社会经济中并不存在绝对完美的竞争市场，众多市场现象（如垄断、信息偏在、外部性等）均可导致市场失灵，需要通过政府干预来规制和矫正市场存在的缺陷，以平衡多方社会利益并维持金融市场的稳定运行。

随着金融科技时代的到来以及金融算法的深入应用，金融机构为了稳固其在传统金融业时期已经形成的自然垄断地位，纷纷选择拥抱金融科技，将海量的线下金融数据通过金融科技平台进行线上数字化记录，并赋能金融算法产品的推出与应用。然而，算法固有的技术复杂性却为金融科技平台打开了非法逐利的“阀门”。一方面，算法显著提升了传统金融交易的业务效率和成交量，使得金融科技平台占据了绝对的竞争优势与市场支配地位，掌握了极佳的金融资源配置，造成机构端与客户端处于严重不平等的交易地位，也导致大量缺乏技术驱动的中小金融企业难以在市场中求得一线生机，进而加剧社会资源的单方面倾斜以及社会多方利益矛盾的出现。另一方面，算法黑箱加剧了金融信息的不对称，不同于传统金融业态下的信息不对称，金融科技平台算法黑箱造成的信息不对称介于创新者与用户之间，实际上是对传统金融信息不对称的边界进行了扩张。随着金融服务提供者与金融消费者之间的信息差越来越多，金融科技平台能够进行的套利空间就越来越大。当金融服务提供者与用户之间的利益冲突愈发尖锐，原本被分散的个别金融风险将持续性汇集，进而可能引发系统性金融危机。此外，金融科技平台利用算法黑箱逃避监管套利的法律责任，掩盖其与金融机构之间的非法数据交易行为，亦对社会公共利益造成了巨大的负外部性影响。

由此可见，金融科技平台算法黑箱问题的出现加剧了金融市场的偏向性发展。绝大部分的金融利益集中于少数市场经营者，而体量庞大的“长尾”客群却要分担几乎全部的金融风险。社会利益论对金融市场规制的诉求，旨在缓解市场经营者与消费者之间的利益冲突，以满足消费者合理的金融服务诉求为核心，通过对金融市场施以适当的干预措施，规制并矫正当前在资源分配与利益分享上存在偏颇的市场结构。诚如马克思所言“利益关系归根到底是开启社会现象之门的一把钥匙”。庞德的社会利益观也表明，秩序应建立在满足利益诉求的基础上，即利益是所有社会关系构建之时需要首先考虑的问题；而法律作为一项治国重器，势必也需要满足相关的利益需求，才能符合社会运作的基本逻辑框架。

2.金融风险论对金融市场规制的要求

金融行业常常采取高负债经营模式，这决定了金融行业存在由内而外的溢出效应，高负债经营具有明显的脆弱性，当金融行业的经营环境恶化时，这非常容易导致金融风险的蔓延。换言之，当市场经济出现了新发明、新产业与新机会时，市场经营者会产生新预期，从而积极举债。金融创新对传统金融市场释放出大量利好信号，“羊群效应”带来的跟风操作将造成金融业过度负债的混乱局面，经过一系列连锁反应后，系统风险最终可能引爆金融危机。在金融科技时代，金融风险的发生因素显得更为复杂多变：一方面，人工智能算法加快了金融决策的速度，提高了金融市场资金的周转总效率与现金流量，但资金的高流动性又预示着隐含的杠杆风险和系统风险也同步增加；另一方面，人工智能算法带来的黑箱问题又进一步加剧了传统金融业态下的道德风险问题，金融科技平台借由算法黑箱的不可知性，以一种更加隐蔽且无形的方式侵害最广泛“长尾”客群的利益。换言之，金融科技平台算法黑箱问题所衍生的潜在金融风险已处于矛盾尖端的状态，亟须通过相应的法律规制予以解决。

除了金融活动创新等市场因素可能导致金融风险的发生之外，监管与规制措施的制度设置不力同样会造成金融风险的爆发。金融风险论对金融市场规制的要求实际上体现了人类社会自始存在的追求与渴望秩序的天然倾向，因为秩序不仅与安全有关，还意味着社会结构的连贯与稳定、行为活动是受到规范的、事件的发展具有连续性与可预测性，冲突和纠纷是可控并可解决的。如果科技发展和市场经济活动缺失相应的秩序与规范，那么金融稳定也将受到威胁。在市场有效的前提下，金融创新的效果通常表现为收益与风险相伴而生并剧烈波动，高收益意味着高风险。在市场经济天然的逐利环境中，金融科技平台的个体行为总是相对激进的；但在市场秩序的要求下，市场整体的理性通常是侧重于避害的保守主义。

事实上，金融风险总是客观存在且无法彻底消除的，但是金融创新和监管规制则是主观能动的行为。金融规制作为调节金融市场的稳定器，通过完善失灵的规则秩序，引导金融科技创新地向善发展，抑制算法黑箱衍生的负面风险，为金融科技市场的参与主体提供可预见的行为规范指引和权益救济保护，寻求金融科技市场规制在各阶段的“帕累托最优”，这是防范与化解金

发现早期癌症最有效的是这一招 癌症早期最靠谱的方法

CCTV生活圈（ID:【【微信】】） | 来源

陈艳欣 | 编辑

工作疲惫了

很多人喜欢吃点好的犒劳自己一番

生病难受了

很多人也会吃点好的补补身体

这种“好习惯”你以为是在养身体

实则可能是在滋养癌细胞！

小心越补身体越差！

哪些饮食习惯容易滋养癌细胞？

那我们应该如何健康进食呢？

李逊

遵义医科大学附属医院

临床营养科 主任医师

划重点

01

没事儿吃点肉补补身体，小心“补”出肠癌

一提到补身体，很多人最喜欢的便是“肉补”。甚至很多人无肉不欢， 一顿没肉吃就饿得慌，尤其是爱红肉（指猪、牛、羊等肉色红的哺乳动物的肉）。但你知道吗？肉补得太过了，癌也会悄悄“盯”上你。

危害：

有研究发现，摄入过多红肉，会增加结直肠癌、胃癌、胰腺癌等癌症的发病风险。一旦摄入的肉类超过人体的需求，多余的营养物质会成为细菌的温床。在细菌的作用下，肉类中富含的蛋白质、脂肪等物质会迅速腐败，产生对健康极有危害的物质。 而肠黏膜长期遭受有害物质的“熏染”，“炎症――坏死――再生”的过程不断轮回，黏膜细胞在修复过程中一旦走上“歧途”，就会发生恶变，成为癌细胞。

如何健康吃肉？

红肉含有较高的饱和脂肪酸，过量食用会增加高血脂、冠心病等心血管疾病的风险。其实红肉本身并没有什么过错，错的是食用量超标了。据《中国居民膳食指南（2022）》建议，鱼、禽、蛋类和瘦肉摄入要适量，平均每天120克～200克。每周最好吃鱼2次或300克～500克，蛋类300克～350克，畜禽肉300克～500克。

白肉包括鸡、鸭、鱼等，相对而言，脂肪含量少、蛋白质含量更高，且含有的蛋白质氨基酸组成与人体所需的氨基酸更接近，更利于消化吸收。尤其是鱼肉，富含不饱和脂肪酸，有助于控制血脂，对保护心脑血管更有帮助。

虽然白肉中脂肪含量低，更有助于减肥，但红肉中的铁元素是白肉比不了的。两者搭配食用，且白肉多于红肉，是比较合理的，既能营养互补，又不容易增加心血管负担。

划重点

02

没事儿吃点烧烤喝点啤酒补补身体，小心“补”出胃癌

夏季天气炎热，很多人喜欢晚上和家人一起出去吃点烧烤、喝点啤酒，大家一起谈天说地，聊生活琐事，倾诉烦恼，那叫一个舒坦。但你知道吗？烧烤虽好吃、啤酒虽好喝，但如果过量食用小心胃癌找上门！

危害：

肉类、脂肪在高温煎炸的过程中会产生致癌物质――苯并芘，而且煎炸越久，苯并芘的含量越高。烧烤的时候，苯并芘不仅可以通过烤肉进入消化道，也可以通过烤肉的烟雾进入呼吸道。也就是说，烤肉烟雾闻多了也有可能会致癌！

烧烤肉类时，高温形成的热反应也会让肉里的氨基酸和葡萄糖产生反应，而形成另一种致癌致突变的物质：杂环胺。有研究表明，温度达到200℃以上时，烤肉里的杂环胺含量会比温度在150℃时产生的高10倍。

酒精是一级致癌物，饮酒会增加患口腔咽喉癌、食管癌、肝癌、肠癌、乳腺癌等多癌症的风险。最安全的饮酒量是“0”，建议最好不要饮酒。

如何健康吃烧烤？

如果你实在想吃，一定要控制量，不能真的“一天三顿小烧烤”。除了用电烤外，还建议你做好以下几件小事。

1、食材腌一下

有研究表明，将肉类食材提前用大蒜汁、桂皮粉、迷迭香、柠檬汁、番茄汁等富含抗氧化物质的调味料腌制一下，有助于减少致癌物的产生。尽管提前腌制对抑制致癌物的效果目前还有争议，但我们还是推荐你提前腌。因为更好吃，能给肉去腥、去膻，口感上也会更好。

2、锡纸包裹

用锡纸包着烤可以隔绝烧烤时产生的烟与食物的接触，这样不仅能抑制致癌物的生成，还能减少水分的流失。需要注意的是，锡纸不能直接与明火接触，也不可以直接将锡纸放进微波炉中加热。

3、别刷太多酱

酱料是提香的关键，厨师一般都会刷不少，导致肉含盐量较高，烤前最好叮嘱厨师少刷酱。

4、勤翻动

有实验发现，烧烤时勤翻动的肉饼里含有的杂环胺，会比不怎么翻动的要少。因为这样做能让肉和高温的接触时间变少，相对也减少了杂环胺的生成。关键是这样做肉也不容易煳，受热更均匀。想吃相对健康和美味的烤肉，可得勤快点儿。

5、多搭配蔬果

烤串时，最好搭配新鲜水果和蔬菜一起食用。果蔬中的膳食纤维可吸附杂环胺，降低其活性；其中的功能性植物化合物，可对杂环胺的作用产生抑制效应。可以用洗净的绿叶菜裹着烤肉吃，或用紫甘蓝等拌个凉菜，饭后再适当吃些水果。

6、最好不要选肥肉

烧烤时，肉越肥产生的致癌物质越多，因此，多选鸡、鱼、虾和瘦肉等，吃前可用吸油纸或厨房用纸擦掉食物表面的油。

7、吃完换衣服

人要尽量远离烧烤炉，避不开的话，最好坐在上风向，减少接触油烟的机会。吃完烧烤应尽快洗澡并清洗衣物，减少“二手”油烟的危害。

划重点

03

没事儿喝点汤补补身体，小心“补”出肾癌

生活中很多人喜欢喝汤，汤的种类也各种各样，荤的有排骨汤、鸡汤、羊肉汤、牛肉汤等，素的有海带汤、冬瓜汤、木瓜银耳汤等。喝汤虽好，但如果喝不对，小心伤肾又致癌。

危害：

1、煲汤时间越长，嘌呤含量越高，易引起痛风、结石，伤肾脏

煲汤时间过长会使汤里的嘌呤飙升，尤其是有些老火汤里还有动物内脏，如猪肚汤、猪肺汤等，嘌呤含量更高。人体摄入过多嘌呤，会生成尿酸。尿酸一般通过肾脏代谢，如果肾脏代谢不了，就会导致血液里的尿酸增高。尿酸过高，不仅容易导致痛风，也会造成尿酸盐沉积，引起尿酸结石，严重时还可能诱发肾衰竭。

2、过热的汤，喝多了会激活癌细胞

过热的食物进入人体后，不仅会烫伤食道黏膜，还会引起胃炎等一系列疾病。国际癌症研究机构（IARC）已将65℃以上的热饮列入2A类致癌物，已有动物实验证实，65℃~70℃的热饮足以烫伤喉咙，可能导致食管癌。

偶尔一两次的烫伤，黏膜还可以自我修复，但如果反复被烫伤，就会导致不正常的“异型性”细胞会越来越多。长此以往，就算不得癌，口腔溃疡、食管溃疡、食管炎等问题也是避免不了的。

如何健康煲汤、喝汤？

1、动物性食物宜冷水下料

煲汤时，动物性食物宜冷水下料，可使其蛋白质中的低分子含氮鲜味物质溶出，使汤味道鲜美。

2、炖汤时间据食材决定

炖汤的具体时间因动物食物种类和老嫩而定，炖的时间不宜过长也不宜过短。一般来说，蔬菜海鲜汤的熬煮时间应控制在半小时以内；肉类不超过1.5小时；骨头汤不超过2个小时；鱼类熬汤则是在30分钟左右时口感最佳、营养最好。

3、口味太重的汤不喝

肉类煮汤，本来就含有脂肪，所以不仅不能再放油，喝汤前最好撇去浮油。另外，不要为了让汤更鲜美而拼命放盐，尤其是老年人味觉减退，更要注意盐的用量。

4、太烫的汤不喝

中国人总爱说：“趁热吃，趁热喝。”但长期这样做会破坏胃黏膜，导致一系列健康问题。人体的口腔、食道、胃黏膜最高能忍受的温度在60℃左右。合适的汤品温度应是在入口时口感比温水要热一点，但又不烫嘴。

5、拒绝汤泡饭

很多老年人喜欢用汤泡饭，这种方式并不可取。进食汤泡饭时，吃进去的食物往往还没经过唾液的消化过程就进入胃了，这就给胃的消化增加了负担，时间一久，就容易导致胃部不适。而且汤泡饭还会稀释胃里的消化液，影响肠胃的消化吸收。

本文转载自微信公众号CCTV生活圈。

原标题：《癌症是“补”出来的？！这3个口口相传的“好习惯”，其实是在养癌！》

阅读原文