大数据分析在外汇管理的运用

摘要：当前，大数据正日益成为国家基础性战略资源，大数据在金融监管等领域将担任越来越重要的角色。与此同时，外汇管理要适应新形势的要求，就必须更新外汇管理理念和方式，深化外汇管理体制的改革和创新，完善外汇管理的大数据监测分析。本文从数据挖掘技术的角度出发，在介绍大数据定义、分析方法及主要应用场景的基础上，阐述了大数据分析方法在外汇管理领域的具体运用，并对开展大数据分析工作提出相关建议。

关键词：大数据;金融监管;外汇管理

一、大数据定义及常用分析方法

（一）定义。对于什么是大数据，迄今为止并没有公认的定义。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。（二）数据挖掘常用分析方法。数据挖掘就是对观测的数据集（经常是很庞大的）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对数据拥有者而言有价值的新颖方式来总结数据。常用方法类型介绍如下：一是关联分析。是在未有既定目标情况下，探索数据内部结构的一种分析技术，目的是在一个数据集中发现、检索出数据集中所有可能的关联模式或相关性，但这种关系在数据中没有直接表示或不能肯定。常用的关联分析算法有：Apriori算法、FP-growth算法。该技术目前广泛应用于各个领域，如我们在电商平台浏览商品时都会显示“购买此商品的顾客也同时购买”等提示语，这正是我们日常生活中接触最多的关联分析应用实例。二是聚类分析。是在没有给定划分类别的情况下，根据数据相似度按照某种标准进行样本分组的一种方法。它的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将其划分为若干组，使组内距离最小而组间距离最大。常用的聚类算法有K-Means、K-Medoids、DBSCAN、HC、EM等。当前，聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用。三是回归分析。是指通过建立模型来研究变量之间相互关系的密切程度、结构状态、模型预测的有效工具。常用的回归模型有：线性回归、非线性回归、Logistic回归等。四是决策树。是一个预测模型，在已知各种情况发生概率的基础上，通过构成决策树来求取期望值大于等于零的概率、判断可行性的决策分析方法，是直观运用概率分析的一种图解法。常用算法有CART、C4.5等。五是人工神经网络。是人脑的抽象计算模型，是一个大型并行分布式处理器，由简单的处理单元组成。它可以通过调整单元连接的强度来学习经验知识，并运用这些知识推导出新的结果，属于机器学习的一种。

二、大数据分析在金融监管领域主要运用场景

当前大数据在前瞻性研究、风险防控、客户分析、舆情监测等方面都取得了巨大的成效，在金融领域实现了广泛应用,有效地提升了金融监管的针对性，为金融管理、风险识别带来了无限的可能性，成为当前不可或缺的分析手段之一。一是运用大数据开辟“线上溯源，线下打击”的治假新模式。2015年5月,某省“双打办”联合某电子商务企业发起行动。某电子商务企业首先运用大数据手段识别售假线索、锁定犯罪嫌疑人、分析串并背后团伙，根据警方需求批量输出线索用于侦查破案。行动期间，该省侵犯知识产权立案数同比上涨120%，破案数同比上涨77.3%。与传统打假模式相比，“大数据治假”模式实现了对犯罪嫌疑人线索信息的实时收集，为执法部门线下查处和打击提供了更精细、精准的线索和证据。二是运用大数据提升监管有效性。2016年，某交易所通过监控发现沪股通标的股票成交、股价涨势存在明显异常。运用大数据方法对历史资料进行关联匹配映射分析后发现，来自香港的证券账户与开立在内地的某些证券账户有操纵市场的重大嫌疑，根据上述线索，监管部门查获唐某等人跨境操纵市场的违法事实，成为沪港通开通以来查处的首例跨境操纵市场案例。大数据方法为资本市场的进一步对外开放提供了新的监管思路。三是运用大数据实现风险分析、风险评级，打击电信诈骗。通过收集和整理各行业、机构的黑名单，利用多样化的机器学习模型及大数据关联分析等技术，为银行、个人等提供风险管控和反欺诈的服务；运用数据挖掘技术，发掘与相关账户信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至得出最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。四是运用大数据助力风控。例如，某电子商务企业旗下小贷平台建立了决策系统，借助大数据分析结果选择风险可控的企业开放信贷服务，实现贷前小额贷款风险管理控制，提升集约化管理的效率。该平台信用贷款部分客户的贷款年化利率可低至12%，对比原先降低6个百分点。依靠平台和数据优势，该平台在风险控制方面已形成了多层次、全方位的微贷风险预警和管理体系，实际运行中该平台的不良贷款率一直保持在1%以下，风险控制成效良好。

三、对大数据分析在外汇管理领域运用的思考

（一）引入大数据分析方法的必要性。近年来，外汇管理部门通过不断完善国际收支申报体系和加强外汇管理信息化建设，掌握了海量的数据信息，为外汇管理从侧重事前审批逐步转向侧重事后监测分析奠定了扎实的基础。在当前主流的事后监测分析框架中，通常按照业务条线，采用“宏观—中观—微观”自上而下递进式分析方法。这种分析方法有一定的优点，可以实现对各业务系统的充分利用，与宏观形势和业务管理信息结合较为紧密。但同时也存在一些缺陷：一是数据之间关联度不高，监测分析主要以各业务条线事后核查为主，数据相对分散，数据之间的关联分析较弱，监测结果相对滞后；二是难以发现潜在风险苗头，特别是在数据量巨大或关联关系复杂等特定场景下，有时无法取得满意的监测分析结果。在此背景下，可以考虑适时引入大数据分析方法。该分析方法是考虑在整合内部系统、互联网等各类信息数据的基础之上，利用数据挖掘、建模等工具方法，对企业、集团等主体、各类交易数据及互联网信息进行多层次、多角度、多项目的情况分析，并通过反馈的结果，修改完善模型，不断提高分析预测结果的准确性，既能解放大量人力资源，又有助于提高事中事后监管的针对性和效率，同时提高外汇管理的信息化程度。（二）大数据分析方法在外汇管理领域运用的具体思路。1.打造大数据监管中心，探索构建各类监管模型设立大数据监管中心，整合各业务系统数据及互联网外部数据，构建各类监管模型，多层次、多角度、全方位对各类主体交易数据实施监管及风险防控，探索实现主体监管、本外币一体化监管等，提升监管效率。一是交易数据监管。将当前各项法规、政策、制度数字化，建立合规性核查模型，通过对交易信息进行模拟仿真测试，获取交易数据的边界条件，判断交易的合规性，自动报告不合规交易。二是交易风险预警。通过对以往违规的交易进行分析建模，结合当前的经济金融形势，对每笔交易进行风险分级，自动报告高风险的业务数据。监管部门判断核查后，系统根据反馈结果通过机器学习等完善预警模型，不断提升预警准确度。三是主体监管。以企业或集团公司为主体，整合利用全方位数据，运用神经网络等技术对主体的投融资、结售汇、资金管理与调配等内部交易行为进行分析，了解不同类别主体异同点，对主体进行适当性分析评测，及时识别潜在违规行为。2.预测汇率、跨境收支走势，了解并引导市场预期通过收集影响汇率变动、跨境收支相关因素信息，建立模型预测汇率、跨境收支走势，并通过机器学习等方法，自动或人工调整模型，不断提升预测结果的准确性，同时掌握902017.09市场预期，及时进行引导。一是汇率走势预测。整理收集通货膨胀、利率、政府债务、市场心理等影响汇率变化的信息，通过回归等各类模型方法，分析某一项或多项与汇率之间关系，预测特定时间段汇率走势。二是全国或地区跨境收支形势预测。整理收集行业价格、汇率、经济金融形势等外部信息，观测、分析经济金融形势、汇率、人民币即期交易差价等对地区跨境收支或进出口的影响，预测跨境收支或进出口走势变化。三是掌握人民币汇率市场预期。收集网络上关于人民币汇率相关信息、搜索频率等，通过文本分析等方法了解人民币汇率走势的市场预期，便于适时采取引导措施。3.舆情实时监测，快速预警反馈整理收集互联网各大网站评论、博客等信息资源，尝试以数据情感分析角度，实现对文本评论数据的倾向性判断以及所隐藏的信息的挖掘并分析。一是获取政策反响。收集各大网站某项政策的相关评论、帖子、博客等信息，通过深度学习、语义网络等多种数据挖掘模型，分析判断数据倾向性，以数据角度反映政策执行效果及反响，为政策的进一步完善提供参考。二是设立舆情监测平台。运用数据仓库、文本分析、机器学习、神经网络等技术手段对金融敏感信息、舆论情况、政策解读反响等进行实时监测、分析，全面覆盖公共新闻网站、行业网站、微博、博客、论坛、贴吧等信息平台，在第一时间捕获相关舆情，并及时发送分析报告，合理引导市场预期。（三）初步实践与尝试。我们以某地区2015年1月至2016年10月涉外支出数据为例，对其与CNH、CNY进行了回归分析。1.涉外支出与CNY回归分析回归预估方程为：涉外支出（亿美元）=-52.15CNY+530.17。但P值为0.4912（一般认为P<0.05时通过显著性检验），表明CNY与涉外支出无明显关系。2.涉外支出与CNH回归分析回归预估方程为：涉外支出（亿美元）=-24.05CNH+349.82。但P值为0.7526，表明CNH与涉外支出无明显相关关系。3.涉外支出与CNY、CNH回归分析回归预估方程为：涉外支出（亿美元）=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距项P值分别为2.3×10-5、1.9×10-5和0.246，表明CNH、CNY与涉外支出有显著的相关性，截距项与涉外支出没有明显的相关性，拟合优度为0.5897。4.涉外支出与即期交易价差（CNH-CNY）回归分析回归预估方程为：涉外支出（亿美元）=2489.06（CNH-CNY）+157.3，其中P值分别为3.73×10-12和1.38×10-5，表明两项预估值的显著水平均较为理想，拟合优度为0.6006。从上述情况可以看出涉外支出与即期交易价差存在较强的线性关系，即某地区涉外支出随着人民币价差（CNH—CNY）的收窄而减小，随价差的扩大而增加。在知悉若干变量对另一变量存在影响的情况下，可使用该方法分析各自变量与因变量的具体相关性，逐步求取最优模型，获取变量之间的线性关系，如：分析汇率与购汇金额之间的关系；分析产品进出口金额、进出口量与产品价格之间的关系。

四、政策建议

（一）转变理念，利用大数据分析手段提升监管效率。一方面，大数据分析方法着眼于从海量的数据中寻找数据内部关联与逻辑关系，并归纳出特定主体或交易行为的规律与特征。另一方面，外汇管理部门已逐步从制定规则的角色转向风险判断的角色，而这又依赖于从数据中找到规律和关联，进而识别数据变化提示的风险。大数据挖掘技术和分析方法可以极大地提高对历史数据的利用价值，同时也为管理职责的转变提供必需的技术支持。从这一角度来说，监管部门需及时转变理念，在传统事后监测分析框架之外，引入市场前沿技术分析手段，进一步提升监管效率。（二）建立大数据分析工作机制。一是可以考虑设立大数据监测中心或直属大数据分析公司，从事外汇监测、舆情监测等数据分析专项工作，打造大数据分析团队。二是建立统一的大数据综合运用平台，整合各业务系统、互联网外部信息和工商、海关、税务等部门信息，在此基础上，根据监管需求及经济金融形势，开展各项监测工作，逐步完善各类监测模型，提升监管工作成效。（三）规范大数据结果的运用机制一是定期向相关部门通报舆情预警、汇率预期、跨境收支走势预期等情况，为决策提供有益参考。二是实时汇总异常交易、风险预警等分析预测结果，及时向业务主管部门反馈，为其开展事后。核查等工作提供线索。（四）以区域试点模式开展大数据分析工作。当前，大数据分析在市场多领域已有应用，但在金融监管领域还未有成体系的实践做法。建议选取部分地区开展大数据分析试点，并尝试与外部机构合作，借鉴市场的成熟经验及各类监测、预警和预测模型，不断探讨、完善大数据分析在金融监管领域的运用。

作者:徐珊 李慧强 单位:中国人民银行营业管理部