大数据背景下加强外汇管理事中事后监管的思考
来源:用户上传
作者:梁惠娟
摘 要：新一轮“放管服”改革和外汇市场变化对外汇管理事中事后监管工作提出了更高的要求。立足于大数据应用理念，构建了外汇管理事中事后监管的大数据应用流程，对如何运用大数据分析方法提高事中事后监管成效提出相关设想与建议。
关键词：事中事后;外汇管理;大数据
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.09.058
0 引言
党的十八大以来，我国不断深化“放管服”改革，简政放权、放管结合、优化服务，要求外汇管理不断提升服务实体经济水平，同时要做好跨境资金流动风险管理。当前，我国已实现了经常项目可兑换，资本项目可兑换进程也在有序推进，经常项目以及资本项目下的直接投资等大部分外汇业务已下放银行办理。而随着对外开放步伐加快，我国跨境资金流动日趋频繁和复杂，涉外交易主体多元、交易方式灵活多变，外汇管理事中事后工作日益重要。在此背景下，大数据时代的到来，为加强外汇管理事中事后监管提供了良好的契机。
大数据作为一种重要思维、技术和资源已成为各国关注的重点。早在2015年国务院办公厅发布《关于运用大数据加强对市场主体服务和监管的若干意见》提出：要充分运用大数据先进理念、技术和资源，加强对市场主体的服务和监管。同年，外汇局通过整合各个业务系统，建立了统一的、功能强大、与各个业务系统互联互通的跨境监测系统，为在外汇事中事后监管中引入大数据技术提供了数据准备。
1 大数据应用理念
大数据这一术语最先见于2008年英国《自然》杂志的报告，2011年美国麦肯锡研究院首次对大数据进行全面定义，认为大数据是指其大小超出了常规数据库工具获取、存储、管理和分析能力的数据集。使用大数据的理念和方法实施外汇事后监管与核查的原理可以概括为：在获得全部外汇相关数据的基础上，使用智能分析、数据挖掘等大数据技术，对外汇风险进行量化，并通过寻找和监测与外汇风险高度相关的指标这一方法，实现对外汇风险的预测和审慎监管。
大数据分析处理方法与传统数据分析方法相比，具有三方面明顯不同的特征：一是要效率不要精确，对数据进行即时动态分析。因为外汇交易是即时的，所以数据处理也要求是超高速的实时处理。二是要全体不要抽样，强调数据整体性而不是数据的质量和类型。由于事后监管与核查的关键是要识别异常，只有掌握了所有的数据才能更好地把异常数据与正常交易数据进行对比，且分析更大的数据量带来的好处远远超过增加一点精确性。当然不追求数据的精确度并不是大数据本身固有的，这也可以通过技术和制度的完美来杜绝，但不会花大力气去提升数据的精确度。三是强调数据之间的相关性而非因果关系。相关关系的核心是量化两个数据值之间的数理关系，通过技术手段发现与外汇风险高度相关的变量，进而更准确更快地对风险进行监测与预判，不容易受偏见的影响，即大数据告知信息但不解释信息，通过数据来找异常，让数据说话，强调“是什么”比“为什么”更重要。
应用大数据技术，为外汇管理事中事后监管提供了更有效的手段和方法，有助于从海量存量数据中挖掘有价值的信息，更好地分析交易主体的交易行为，达到精准识别异常违规行为、准确预警跨境资金流动风险的监管目的，推动微观监管与宏观审慎管理相结合的、多层次、多方面的外汇监管职能的实现。
2 应用大数据加强事中事后监管的思路与流程
2.1 数据的融合与预处理
事中事后监管离不开数据分析。虽然外汇局拥有不同业务条线的系统，但外汇数据和信息的标准化程度有待提高，跨境监测系统的数据源也有待进一步拓展。可以引入现场核查、检查过程中形成的文字等非结构化数据以及汇率、利率、宏观经济指标等外部数据，尽可能延长数据的时间跨度，形成反映交易主体外汇收支和结售汇行为变化的历史数据。在数据大融合的基础上，对数据进行预处理，主要包括对原始数据的抽取、数据清洗、特征属性的选择、属性离散化处理等。在这个过程中，属性选择是较为关键的步骤。由于数据库中的交易数据可以形成众多属性，需要人工经验判断从众多属性中有针对性地挑选属性描述交易行为。
2.2 数据挖掘
识别需要关注的主体。每天都有大量的外汇交易进行，这些交易的金额、占比、频率、来源、去向、用途、业务种类、业务风险等多个属性决定了交易主体行为的多样性。运用数据挖掘技术发现具有相似交易行为的交易主体或者交易主体之间的关联关系，据此进行数据分组，不仅可以更快更有效地发现隐藏的交易行为风险，也可以为后续实施主体分类监管提供数据支持。数据挖掘技术有很多种，较常用的有聚类分析和关联挖掘。聚类分析，是指根据所选数据属性构建多维空间，以距离的远近划分不同的交易群组，各个群组之间的区别尽可能大，而群组内的数据差异尽可能小。这样有助于一线监管人员更好地理解交易主体，发现交易主体群的交易行为规律;当交易主体的交易行为特征发生改变时，能够及时地引起关注和重视。根据数据属性进行聚类分析后，再对已聚类的群组数据进行关联挖掘，统计群组内数据发生的概率，找出群组内隐含的关联关系，从而筛选出强关联规则，这些强关联规则能够精确提示和预警风险点，有助于识别异常行为和违规线索，促进微观主体行为监测与宏观监测的有机结合。
2.3 数据应用
主体分类监管。应用大数据技术从非现场和现场核查中得到了很多有用的信息，这些信息从整体上可以把企业分为正常类企业、关注类企业和异常类企业。在此基础上，开展持续跟踪监测，针对不同类型企业实施差别化管理，建立重点企业管理数据库，完善外汇系统风险评估体系，是大数据分析的结果应用，符合以主体分类监管为主线的外汇监管思路。
对于不同类型的主体推行“奖优罚劣”的差别化监管措施。对正常类的主体，开通绿色通道，提供更优质的服务和便利，增强正向激励作用;对关注类的通过加强培训、约见谈话、窗口指导等多种形式提醒其外汇业务的合规经营;对异常类的则根据需要采取强化管理措施，如业务报告要求、暂停业务办理和曝光处罚等。 2.4 事中事后监管的大数据应用流程
综上，应用大数据进行外汇事中事后监管，可以先进行数据融合和预处理，发现具有相似交易行为和具有关联关系的交易主体，再利用多种数据挖掘工具进行深入分析，揭示隐藏的、未知的或验证已知的外汇交易行为规律，并进一步将其模型化，在大量数据中产生出外汇交易主体之间的关系和交易趋势等有价值的信息，最后形成需要的分析结果来辅助决策，为现场核查锁定目标。
由于一线监管人员是非技术人员，数据的可视化分析十分重要。可视化分析是实现大数据应用的有效技术手段，旨在借助于图形化的手段，清晰地向系统用户传达数据中隐含的信息和规律，并允许通过交互手段控制数据的抽取和画面的显示，从而为分析海量数据、形成概念进而找出规律提供一种更为有效的手段。
3 推进大数据研究与应用的建议
（1）制定统一的外汇数据标准。目前外汇信息的获取和处理仍主要依靠人工操作，统计标准存在不一致使信息缺乏机器可读性，成为应用大数据技术的阻碍。且近年来美国、英国以及欧盟国家出于加强监管合作、推动国际金融监管改革的考虑，纷纷加快了制定统一的微观金融数据标准。因此建议加强大数据的基础设施建设，打通外汇相关的内外部数据来源，推动外汇数据标准的统一与数据资源的开放共享。
（2）加强大数据应用规划与研究。收集各业务模块对于大数据应用场景的需求，加强外汇领域大数据应用的长远规划和系统安排，在基础设施、技术开发和应用普及等方面有重点地推进。充分挖掘外汇业务数据的潜在价值，提高普通用户的可操作性和可视化，进一步丰富事后监管与核查手段，为外汇管理政策的制定与执行提供科学的数据支持依据。
（3）重视业务与技术并重型人才培养。在大数据时代，技术性因素和人的直接判断同样重要。为了适应大数據的事后监管与核查工作需要，着力培养一支既懂外汇业务又懂信息技术的人才队伍，提高数据处理能力，促进外汇监管工作成效的提升。
参考文献
[1]维克托·迈尔—舍恩伯格，肯尼思·库克耶.大数据时代[M].杭州：浙江人民出版社，2013.
[2]朱建平，章贵军，刘晓葳.大数据时代下数据分析理念的辨析[J].统计研究，2014，（02）.
[3]张炯玮，王社丰，杨晓飞.大数据时代外汇业务管理模式探讨[J].华北金融，2014，（02）.
[4]许一帆.大数据在央行监管中的应用探讨[J].金融科技时代，2015，（02）.
转载注明来源:https://www.xzbu.com/2/view-15202497.htm
