監管科技在外匯微觀監管領域的應用

文/國家外匯管理局管理檢查司課題組 編輯/韓英彤

未來，外匯局將繼續在打擊外匯違法違規等微觀監管領域積極探索監管科技的應用，以實現更高水平的智能化監管，進一步提升微觀監管的效率和精準打擊能力。

隨著我國金融開放步伐的加快和金融科技的蓬勃發展，“提高開放條件下經濟金融管理能力和防控風險能力”成為金融發展的新課題。高質量的金融開放離不開高質量的跨境金融監管，后者也因此成為外匯管理部門在金融供給側改革中需要提供的重要公共產品。面對新時代的要求，外匯局不斷健全并完善對跨境資本流動的“宏觀審慎+微觀監管”兩位一體的管理框架；同時，與時俱進，探索依托監管科技手段提升外匯微觀監管的質量和效率。外匯局研發的“外匯非現場檢查分析系統”，為首個用于實施篩查外匯違法違規行為的監測分析系統。近年經過多次智能化升級，該系統已經由“人工為主、機器為輔”邁上了“人機互融、增強智能”的新臺階，為更加精準地打擊外匯違法違規，更好地防范和化解跨境資金流動風險提供了重要的抓手。

監管科技賦能的必要性

一是開放條件下防范跨境資金流動風險的必然要求。隨著金融開放“宜早不宜遲、宜快不宜慢”的推進進程，外匯市場更易受到跨境資本流動大進大出的沖擊。“在開放中適應開放，切實防范跨境資金流動風險，維護國家經濟金融安全”已成為外匯管理的光榮使命。當前，世界面臨百年未有之大變局，跨境和跨市場風險傳染凸顯。在當前形勢下，亟需與時俱進，探索并建立依托監管科技手段提升跨境金融監管質量和效率、依法依規維護外匯市場秩序、嚴厲打擊跨境套利和違法違規行為，以及能有效支撐跨境資本流動的“宏觀審慎+微觀監管”兩位一體的管理框架。

二是金融科技發展倒逼監管方式升級。金融科技在跨境業務領域開啟了深層次融合，全球購、微信跨境支付、數字貨幣等互聯網新業態層出不窮，依托于跨境電子商務、網上銀行、手機銀行的跨境收支近十年來也大幅增長。得益于此，市場主體外匯服務可得性更高。但也帶來了風險：一方面，業務門檻降低，市場參與者更為復雜，新型外匯違規類型層出不窮，如支付機構外匯業務違規、網絡炒匯、非法外匯保證金交易等；另一方面，跨境交易頻率和數量激增、產品結構更復雜、業務邊界更模糊，使得外匯監管對交易真實性、合規性的甄別難度不斷加大。

三是可兌換進程穩步推進產生的內生動力。隨著人民幣可兌換進程的不斷推進，外匯管理逐步從“規則監管”向“原則監管”轉變。審批式、額度式、期限式、路徑式的業務規則逐漸消失，取而代之的是展業三原則審核。外匯微觀監管更加關注虛假欺騙性交易。虛假欺騙性交易通常單證齊備、路徑正確，具備表面“合規性”，要甄別其交易的真實性，需從“合理性”角度切入。而這需要建立跨境交易數據和海量外部數據的邏輯勾稽關系。這一內生需求，也驅動著外匯監管數據結構和算法方式的更迭。

外匯微觀監管科技應用的兩步走

第一階段：“人工為主，機器為輔”

2001年加入WTO后，外匯管理進一步樹立了市場機制觀念，大大推進了貿易便利化程度。隨著金融市場規模的快速擴張和電子化的發展，金融業務數據的種類和條數增長迅猛，信息化監管逐漸成為國際主流的金融監管理念。

為加強對外匯違法違規行為的非現場分析，外匯局研發使用了“外匯非現場檢查分析系統”，并于2010年起在全國推廣。該系統以簡單友好的用戶界面實現數據庫查詢功能，用于輔助一線檢查人員檢查辦案。在數據層面，系統數據來源主要是整合外匯局內部各業務條線跨境交易數據、控制信息數據和主體信息數據，配合部分海關進出口數據，形成了跨境物流+資金流的“數據倉”，搭建了結構型數據庫。在算法上，外匯局集合多年的外匯微觀監管實踐經驗，通過對可疑交易行為特征的梳理和總結，建立了較為全面和強大的專家規則庫，通過計算機語言將規則轉化為系統指標，撲捉超過預設閾值的可疑行為。

“外匯非現場檢查分析系統”上線后，在幫助外匯檢查人員破獲違規案件方面取得了顯著效果。但本階段監管科技應用主要依靠人類的智慧和經驗，電子信息技術則是定位于輔助工具，主要用于發現程序性違規，或是單個業務條線中具有典型突出特征的違規行為，更適用于發現表面不合理的違規行為。因此，該系統在整個發展路徑中尚處于數據準備和規則積累的基礎階段，還不能算嚴格意義的大數據和人工智能應用。

第二階段：“人機互融，增強智能”

2017年以來，伴隨金融科技導致的跨境金融風險越來越復雜和隱蔽，及資本項目可兌換進程的進一步推進，外匯局開始探索利用大數據和人工智能來加強事中、事后監管，豐富并拓展內外部數據源，融合大數據、關系圖譜、專家系統等技術，著力推動“外匯非現場檢查分析系統”智能化升級，以提高監管的針對性和有效性。

一是數據層面趨向于豐富“大數據”基礎。一方面，在大數據時代要求數據字段越全越好、時序越長越好、顆粒越細越好的背景下，所積累的全口徑、長時序、細顆粒的跨境收支數據，適應了監管科技的發展要求；另一方面，納入了工商等監管部門的專有數據及市場采購等企業基礎信息數據。

二是引入“關系圖譜”實現可視化分析，借助多維數據穿透隱性關系，鎖定涉嫌違法犯罪團伙。“關系圖譜”將收付款關系、股權關系等多類關系型數據，利用圖數據技術展示出來。憑借這一“關系圖譜”，有助于外匯檢查部門從可疑企業出發，鎖定地下錢莊等違法團伙。

三是構建“特征矩陣”實現“模型式”和“場景化”分析，精準發掘異常企業。“特征矩陣”是基于多個外匯業務場景的多項違規特征建立的系統化異常篩查模型，可定期對企業符合違規特征的程度進行綜合性打分，并推送違規特征符合度高的高分企業作為篩查目標，促進了線索生產流程的智能化和自動化。

四是完善“負面主體”信息庫，助力線索拓展和機器學習。負面主體是機器學習的核心資源，有監督學習可通過學習負面樣本行為模式，總結其特征和規律，再在新群體中尋找與其行為最類似的可疑主體；無監督學習則可通過黑箱學習，產生大量不可解釋的異常主體結果，通過負面主體協助研判，識別和鎖定其中的高危群體。外匯局通過對近年來外匯違規處罰主體相關信息進行全面梳理，構建了相關負面主體信息庫，作為AI機器學習的關鍵資源，并構建了非現場檢查分析模型，用于分析可疑線索和主體，進而查實違規案件。

依托于智能化升級后的“外匯非現場檢查分析系統”，外匯檢查精準打擊取得了顯著成效。2018—2019年，非現場檢查對案件罰沒款貢獻率達61%，高于此前水平。非現場檢查分析對虛假欺騙性交易等實質性違規案件的甄別作用進一步凸顯，發現了一大批地下錢莊、虛假貿易等大案要案，案均罰沒款也顯著增長。

未來發展藍圖

近年來，雖然外匯局在數據拓展和技術應用方面不斷取得突破，在外匯微觀監管領域初步奠定了大數據和人工智能的應用基礎，但目前仍處于智能化監管的初級階段。一方面，專家規則經過多年的積累已相對成熟豐富，仍是目前非現場分析最為倚重的方式，但也具有一定的時滯性和主觀性。這一局限性決定了未來需要更多地依靠人工智能。另一方面，大數據時代，從金融機構到企業等被監管對象，都更加重視覆蓋面廣、維度豐富、實時性高的數據收集和處理，數據資源的痛點指向更大范圍的數據拓展。

未來外匯局將繼續在機器學習、挖掘數據資源、提高數據加工水平等方面，積極探索監管科技的應用，以彌補人類專家的局限，實現更高智能化水平的監管，進一步提升微觀監管的效率和精準打擊能力。

其一，要進一步完善大數據范圍，通過標準化、自動化、流程化的方式，搭建大數據平臺。一是要堅持外匯管理對跨境交易數據的全口徑、細顆粒采集，并根據我國對外開放的深化和外匯業務的拓展，進一步優化數據采集手段，擴展數據采集范圍。二是繼續研究契合外匯檢查業務需求的外部數據資源，以支撐開展多維數據分析。三是積極探索與其他監管機構共享負面主體信息的長效機制，防止部門間形成“信息孤島”。

其二，進一步提高人工智能技術的應用水平。一是逐步將專家規則篩查轉向機器自主學習、甄別和挖掘異常主體和交易特征，更深入地實踐機器學習、挖掘數據資源、提高數據加工水平，充分發揮機器的智能感知功能。二是設計自動化、可視化的交互界面，提高外匯監管分析平臺的易用性。三是提高算法自動篩查線索能力，使系統能夠自己利用數據，總結新特征，生產新規則，精準識別違規行為或進行預警。