loading...
在摩根大通第三季度财报电话会议上，首席执行官杰米·戴蒙警告称，信贷危机可能即将来临。他表示：“当你看到一只蟑螂时，可能还会有更多，所以每个人都应该提前做好准备。” 摄影：Samuel Corum/Bloomberg © 2025 彭博金融 近期，次级汽车贷款机构Tricolor和汽车零部件巨头First Brands的财务危机引发了金融界的广泛关注。尽管这两起事件看似独立，但它们暴露出一个共同问题：缺乏对贷款抵押品的透明度。
据报道，Tricolor通过重复使用同一车辆识别号码（VIN）从不同贷款机构获得多笔贷款，而First Brands则通过“堆积”发票，利用相同的应收账款多次融资。这种行为揭示了传统金融系统中的系统性脆弱性，尤其是对抵押品留置权信息的管理不足。
为解决这一问题，现代金融科技提供了一种解决方案：利用区块链、大数据和人工智能技术，创建不可篡改的数字记录，以确保每项抵押资产的唯一性和透明性。
当前，传统的抵押品管理系统依赖于孤立的数据库和手动操作的《统一商法典》（UCC）备案系统。由于数据分散且更新延迟，借款人能够利用这些漏洞进行欺诈性质押。
例如，Tricolor通过内部记录重复抵押车辆，而First Brands则利用相同的应收账款从多个贷款机构融资。如果建立了基于分布式账本技术（DLT）的实时共享登记系统，这些问题将迎刃而解。
分布式账本技术（DLT）能够创建永久、共享且不可篡改的数字记录，供所有相关方同时查看。以Tricolor为例，如果每辆汽车的VIN都被数字化并注册到DLT网络中，任何重复质押申请都会被系统自动拒绝。
对Tricolor Holdings记录的初步审查显示，至少有2.9万笔（总计7万笔）抵押给债权人的贷款与已抵押其他债务的车辆挂钩，这些车辆的属性与至少一笔其他贷款相同，包括车辆识别号码。摄影：Ash Ponders/Bloomberg © 2025 彭博金融在First Brands的案例中，每张发票可以分配一个唯一的数字代币，一旦该代币被用于融资，它将立即被标记为“受阻碍”，从而防止重复质押。
除了DLT，人工智能和大数据技术也可以帮助金融机构预测风险，避免类似危机的发生。人工智能模型能够整合数千个数据点，包括市场价格、货运清单和社交媒体情绪，生成持续的风险评分。
人工智能和大数据的应用可以防止未来再发生类似 Tricolor 和 First Brands 的事件（图片来自 LIONEL BONAVENTURE/法新社通过盖蒂图片社） AFP via Getty Images例如，在Tricolor的案例中，人工智能可以通过分析市场数据快速发现高回收率与实际市场状况之间的不一致；而在First Brands的案例中，它可以识别出复杂的债务结构和供应链融资异常。
目前，一些领先的金融机构已经开始采用DLT技术来优化抵押品管理。例如，HQLA十平台使用分布式账本创建数字抵押记录（DCR），使抵押品所有权转移更加高效和透明。
此外，摩根大通等大型银行正在开发自己的代币化资产平台，以实现原子结算——即现金交换和抵押品所有权转移在同一时间完成。
尽管技术已经成熟，但其广泛应用仍需克服法律和监管障碍。例如，美国各州之间的UCC备案系统碎片化严重，导致实时数字记录难以成为权威法律来源。
然而，随着2022年《统一商法典》修正案的引入，可控电子记录（CER）的概念为数字资产提供了法律框架，这为DLT抵押品解决方案的普及扫清了道路。
Tricolor和First Brands的倒闭暴露了传统金融系统在抵押品追踪方面的缺陷。然而，通过采用区块链、大数据和人工智能技术，金融行业可以从根本上消除抵押品盲点，从被动应对转向主动预防。
544
719
341
326
904
326
384
860
716
