大數據背景下加強外匯管理事中事后監管的思考

梁惠娟

摘 要：新一輪“放管服”改革和外匯市場變化對外匯管理事中事后監管工作提出了更高的要求。立足于大數據應用理念，構建了外匯管理事中事后監管的大數據應用流程，對如何運用大數據分析方法提高事中事后監管成效提出相關設想與建議。

關鍵詞：事中事后;外匯管理;大數據

中圖分類號：F23 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.09.058

0 引言

黨的十八大以來，我國不斷深化“放管服”改革，簡政放權、放管結合、優化服務，要求外匯管理不斷提升服務實體經濟水平，同時要做好跨境資金流動風險管理。當前，我國已實現了經常項目可兌換，資本項目可兌換進程也在有序推進，經常項目以及資本項目下的直接投資等大部分外匯業務已下放銀行辦理。而隨著對外開放步伐加快，我國跨境資金流動日趨頻繁和復雜，涉外交易主體多元、交易方式靈活多變，外匯管理事中事后工作日益重要。在此背景下，大數據時代的到來，為加強外匯管理事中事后監管提供了良好的契機。

大數據作為一種重要思維、技術和資源已成為各國關注的重點。早在2015年國務院辦公廳發布《關于運用大數據加強對市場主體服務和監管的若干意見》提出：要充分運用大數據先進理念、技術和資源，加強對市場主體的服務和監管。同年，外匯局通過整合各個業務系統，建立了統一的、功能強大、與各個業務系統互聯互通的跨境監測系統，為在外匯事中事后監管中引入大數據技術提供了數據準備。

1 大數據應用理念

大數據這一術語最先見于2008年英國《自然》雜志的報告，2011年美國麥肯錫研究院首次對大數據進行全面定義，認為大數據是指其大小超出了常規數據庫工具獲取、存儲、管理和分析能力的數據集。使用大數據的理念和方法實施外匯事后監管與核查的原理可以概括為：在獲得全部外匯相關數據的基礎上，使用智能分析、數據挖掘等大數據技術，對外匯風險進行量化，并通過尋找和監測與外匯風險高度相關的指標這一方法，實現對外匯風險的預測和審慎監管。

大數據分析處理方法與傳統數據分析方法相比，具有三方面明顯不同的特征：一是要效率不要精確，對數據進行即時動態分析。因為外匯交易是即時的，所以數據處理也要求是超高速的實時處理。二是要全體不要抽樣，強調數據整體性而不是數據的質量和類型。由于事后監管與核查的關鍵是要識別異常，只有掌握了所有的數據才能更好地把異常數據與正常交易數據進行對比，且分析更大的數據量帶來的好處遠遠超過增加一點精確性。當然不追求數據的精確度并不是大數據本身固有的，這也可以通過技術和制度的完美來杜絕，但不會花大力氣去提升數據的精確度。三是強調數據之間的相關性而非因果關系。相關關系的核心是量化兩個數據值之間的數理關系，通過技術手段發現與外匯風險高度相關的變量，進而更準確更快地對風險進行監測與預判，不容易受偏見的影響，即大數據告知信息但不解釋信息，通過數據來找異常，讓數據說話，強調“是什么”比“為什么”更重要。

應用大數據技術，為外匯管理事中事后監管提供了更有效的手段和方法，有助于從海量存量數據中挖掘有價值的信息，更好地分析交易主體的交易行為，達到精準識別異常違規行為、準確預警跨境資金流動風險的監管目的，推動微觀監管與宏觀審慎管理相結合的、多層次、多方面的外匯監管職能的實現。

2 應用大數據加強事中事后監管的思路與流程

2.1 數據的融合與預處理

事中事后監管離不開數據分析。雖然外匯局擁有不同業務條線的系統，但外匯數據和信息的標準化程度有待提高，跨境監測系統的數據源也有待進一步拓展?？梢砸氍F場核查、檢查過程中形成的文字等非結構化數據以及匯率、利率、宏觀經濟指標等外部數據，盡可能延長數據的時間跨度，形成反映交易主體外匯收支和結售匯行為變化的歷史數據。在數據大融合的基礎上，對數據進行預處理，主要包括對原始數據的抽取、數據清洗、特征屬性的選擇、屬性離散化處理等。在這個過程中，屬性選擇是較為關鍵的步驟。由于數據庫中的交易數據可以形成眾多屬性，需要人工經驗判斷從眾多屬性中有針對性地挑選屬性描述交易行為。

2.2 數據挖掘

識別需要關注的主體。每天都有大量的外匯交易進行，這些交易的金額、占比、頻率、來源、去向、用途、業務種類、業務風險等多個屬性決定了交易主體行為的多樣性。運用數據挖掘技術發現具有相似交易行為的交易主體或者交易主體之間的關聯關系，據此進行數據分組，不僅可以更快更有效地發現隱藏的交易行為風險，也可以為后續實施主體分類監管提供數據支持。數據挖掘技術有很多種，較常用的有聚類分析和關聯挖掘。聚類分析，是指根據所選數據屬性構建多維空間，以距離的遠近劃分不同的交易群組，各個群組之間的區別盡可能大，而群組內的數據差異盡可能小。這樣有助于一線監管人員更好地理解交易主體，發現交易主體群的交易行為規律;當交易主體的交易行為特征發生改變時，能夠及時地引起關注和重視。根據數據屬性進行聚類分析后，再對已聚類的群組數據進行關聯挖掘，統計群組內數據發生的概率，找出群組內隱含的關聯關系，從而篩選出強關聯規則，這些強關聯規則能夠精確提示和預警風險點，有助于識別異常行為和違規線索，促進微觀主體行為監測與宏觀監測的有機結合。

2.3 數據應用

主體分類監管。應用大數據技術從非現場和現場核查中得到了很多有用的信息，這些信息從整體上可以把企業分為正常類企業、關注類企業和異常類企業。在此基礎上，開展持續跟蹤監測，針對不同類型企業實施差別化管理，建立重點企業管理數據庫，完善外匯系統風險評估體系，是大數據分析的結果應用，符合以主體分類監管為主線的外匯監管思路。

對于不同類型的主體推行“獎優罰劣”的差別化監管措施。對正常類的主體，開通綠色通道，提供更優質的服務和便利，增強正向激勵作用;對關注類的通過加強培訓、約見談話、窗口指導等多種形式提醒其外匯業務的合規經營;對異常類的則根據需要采取強化管理措施，如業務報告要求、暫停業務辦理和曝光處罰等。

2.4 事中事后監管的大數據應用流程

綜上，應用大數據進行外匯事中事后監管，可以先進行數據融合和預處理，發現具有相似交易行為和具有關聯關系的交易主體，再利用多種數據挖掘工具進行深入分析，揭示隱藏的、未知的或驗證已知的外匯交易行為規律，并進一步將其模型化，在大量數據中產生出外匯交易主體之間的關系和交易趨勢等有價值的信息，最后形成需要的分析結果來輔助決策，為現場核查鎖定目標。

由于一線監管人員是非技術人員，數據的可視化分析十分重要?？梢暬治鍪菍崿F大數據應用的有效技術手段，旨在借助于圖形化的手段，清晰地向系統用戶傳達數據中隱含的信息和規律，并允許通過交互手段控制數據的抽取和畫面的顯示，從而為分析海量數據、形成概念進而找出規律提供一種更為有效的手段。

3 推進大數據研究與應用的建議

（1）制定統一的外匯數據標準。目前外匯信息的獲取和處理仍主要依靠人工操作，統計標準存在不一致使信息缺乏機器可讀性，成為應用大數據技術的阻礙。且近年來美國、英國以及歐盟國家出于加強監管合作、推動國際金融監管改革的考慮，紛紛加快了制定統一的微觀金融數據標準。因此建議加強大數據的基礎設施建設，打通外匯相關的內外部數據來源，推動外匯數據標準的統一與數據資源的開放共享。

（2）加強大數據應用規劃與研究。收集各業務模塊對于大數據應用場景的需求，加強外匯領域大數據應用的長遠規劃和系統安排，在基礎設施、技術開發和應用普及等方面有重點地推進。充分挖掘外匯業務數據的潛在價值，提高普通用戶的可操作性和可視化，進一步豐富事后監管與核查手段，為外匯管理政策的制定與執行提供科學的數據支持依據。

（3）重視業務與技術并重型人才培養。在大數據時代，技術性因素和人的直接判斷同樣重要。為了適應大數據的事后監管與核查工作需要，著力培養一支既懂外匯業務又懂信息技術的人才隊伍，提高數據處理能力，促進外匯監管工作成效的提升。

參考文獻

[1]維克托·邁爾—舍恩伯格，肯尼思·庫克耶.大數據時代[M].杭州：浙江人民出版社，2013.

[2]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究，2014，（02）.

[3]張炯瑋，王社豐，楊曉飛.大數據時代外匯業務管理模式探討[J].華北金融，2014，（02）.

[4]許一帆.大數據在央行監管中的應用探討[J].金融科技時代，2015，（02）.