大數(shù)據(jù)分析在外匯管理的運(yùn)用
時(shí)間:2022-12-11 03:42:01
導(dǎo)語(yǔ):大數(shù)據(jù)分析在外匯管理的運(yùn)用一文來(lái)源于網(wǎng)友上傳,不代表本站觀點(diǎn),若需要原創(chuàng)文章可咨詢客服老師,歡迎參考。
摘要:當(dāng)前,大數(shù)據(jù)正日益成為國(guó)家基礎(chǔ)性戰(zhàn)略資源,大數(shù)據(jù)在金融監(jiān)管等領(lǐng)域?qū)?dān)任越來(lái)越重要的角色。與此同時(shí),外匯管理要適應(yīng)新形勢(shì)的要求,就必須更新外匯管理理念和方式,深化外匯管理體制的改革和創(chuàng)新,完善外匯管理的大數(shù)據(jù)監(jiān)測(cè)分析。本文從數(shù)據(jù)挖掘技術(shù)的角度出發(fā),在介紹大數(shù)據(jù)定義、分析方法及主要應(yīng)用場(chǎng)景的基礎(chǔ)上,闡述了大數(shù)據(jù)分析方法在外匯管理領(lǐng)域的具體運(yùn)用,并對(duì)開展大數(shù)據(jù)分析工作提出相關(guān)建議。
關(guān)鍵詞:大數(shù)據(jù);金融監(jiān)管;外匯管理
一、大數(shù)據(jù)定義及常用分析方法
(一)定義。對(duì)于什么是大數(shù)據(jù),迄今為止并沒(méi)有公認(rèn)的定義。麥肯錫全球研究所給出的定義是:一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合,具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低四大特征。(二)數(shù)據(jù)挖掘常用分析方法。數(shù)據(jù)挖掘就是對(duì)觀測(cè)的數(shù)據(jù)集(經(jīng)常是很龐大的)進(jìn)行分析,目的是發(fā)現(xiàn)未知的關(guān)系和以數(shù)據(jù)擁有者可以理解并對(duì)數(shù)據(jù)擁有者而言有價(jià)值的新穎方式來(lái)總結(jié)數(shù)據(jù)。常用方法類型介紹如下:一是關(guān)聯(lián)分析。是在未有既定目標(biāo)情況下,探索數(shù)據(jù)內(nèi)部結(jié)構(gòu)的一種分析技術(shù),目的是在一個(gè)數(shù)據(jù)集中發(fā)現(xiàn)、檢索出數(shù)據(jù)集中所有可能的關(guān)聯(lián)模式或相關(guān)性,但這種關(guān)系在數(shù)據(jù)中沒(méi)有直接表示或不能肯定。常用的關(guān)聯(lián)分析算法有:Apriori算法、FP-growth算法。該技術(shù)目前廣泛應(yīng)用于各個(gè)領(lǐng)域,如我們?cè)陔娚唐脚_(tái)瀏覽商品時(shí)都會(huì)顯示“購(gòu)買此商品的顧客也同時(shí)購(gòu)買”等提示語(yǔ),這正是我們?nèi)粘I钪薪佑|最多的關(guān)聯(lián)分析應(yīng)用實(shí)例。二是聚類分析。是在沒(méi)有給定劃分類別的情況下,根據(jù)數(shù)據(jù)相似度按照某種標(biāo)準(zhǔn)進(jìn)行樣本分組的一種方法。它的輸入是一組未被標(biāo)記的樣本,聚類根據(jù)數(shù)據(jù)自身的距離或相似度將其劃分為若干組,使組內(nèi)距離最小而組間距離最大。常用的聚類算法有K-Means、K-Medoids、DBSCAN、HC、EM等。當(dāng)前,聚類分析在客戶分類、文本分類、基因識(shí)別、空間數(shù)據(jù)處理、衛(wèi)星圖片分析、醫(yī)療圖像自動(dòng)檢測(cè)等領(lǐng)域有著廣泛的應(yīng)用。三是回歸分析。是指通過(guò)建立模型來(lái)研究變量之間相互關(guān)系的密切程度、結(jié)構(gòu)狀態(tài)、模型預(yù)測(cè)的有效工具。常用的回歸模型有:線性回歸、非線性回歸、Logistic回歸等。四是決策樹。是一個(gè)預(yù)測(cè)模型,在已知各種情況發(fā)生概率的基礎(chǔ)上,通過(guò)構(gòu)成決策樹來(lái)求取期望值大于等于零的概率、判斷可行性的決策分析方法,是直觀運(yùn)用概率分析的一種圖解法。常用算法有CART、C4.5等。五是人工神經(jīng)網(wǎng)絡(luò)。是人腦的抽象計(jì)算模型,是一個(gè)大型并行分布式處理器,由簡(jiǎn)單的處理單元組成。它可以通過(guò)調(diào)整單元連接的強(qiáng)度來(lái)學(xué)習(xí)經(jīng)驗(yàn)知識(shí),并運(yùn)用這些知識(shí)推導(dǎo)出新的結(jié)果,屬于機(jī)器學(xué)習(xí)的一種。
二、大數(shù)據(jù)分析在金融監(jiān)管領(lǐng)域主要運(yùn)用場(chǎng)景
當(dāng)前大數(shù)據(jù)在前瞻性研究、風(fēng)險(xiǎn)防控、客戶分析、輿情監(jiān)測(cè)等方面都取得了巨大的成效,在金融領(lǐng)域?qū)崿F(xiàn)了廣泛應(yīng)用,有效地提升了金融監(jiān)管的針對(duì)性,為金融管理、風(fēng)險(xiǎn)識(shí)別帶來(lái)了無(wú)限的可能性,成為當(dāng)前不可或缺的分析手段之一。一是運(yùn)用大數(shù)據(jù)開辟“線上溯源,線下打擊”的治假新模式。2015年5月,某省“雙打辦”聯(lián)合某電子商務(wù)企業(yè)發(fā)起行動(dòng)。某電子商務(wù)企業(yè)首先運(yùn)用大數(shù)據(jù)手段識(shí)別售假線索、鎖定犯罪嫌疑人、分析串并背后團(tuán)伙,根據(jù)警方需求批量輸出線索用于偵查破案。行動(dòng)期間,該省侵犯知識(shí)產(chǎn)權(quán)立案數(shù)同比上漲120%,破案數(shù)同比上漲77.3%。與傳統(tǒng)打假模式相比,“大數(shù)據(jù)治假”模式實(shí)現(xiàn)了對(duì)犯罪嫌疑人線索信息的實(shí)時(shí)收集,為執(zhí)法部門線下查處和打擊提供了更精細(xì)、精準(zhǔn)的線索和證據(jù)。二是運(yùn)用大數(shù)據(jù)提升監(jiān)管有效性。2016年,某交易所通過(guò)監(jiān)控發(fā)現(xiàn)滬股通標(biāo)的股票成交、股價(jià)漲勢(shì)存在明顯異常。運(yùn)用大數(shù)據(jù)方法對(duì)歷史資料進(jìn)行關(guān)聯(lián)匹配映射分析后發(fā)現(xiàn),來(lái)自香港的證券賬戶與開立在內(nèi)地的某些證券賬戶有操縱市場(chǎng)的重大嫌疑,根據(jù)上述線索,監(jiān)管部門查獲唐某等人跨境操縱市場(chǎng)的違法事實(shí),成為滬港通開通以來(lái)查處的首例跨境操縱市場(chǎng)案例。大數(shù)據(jù)方法為資本市場(chǎng)的進(jìn)一步對(duì)外開放提供了新的監(jiān)管思路。三是運(yùn)用大數(shù)據(jù)實(shí)現(xiàn)風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)評(píng)級(jí),打擊電信詐騙。通過(guò)收集和整理各行業(yè)、機(jī)構(gòu)的黑名單,利用多樣化的機(jī)器學(xué)習(xí)模型及大數(shù)據(jù)關(guān)聯(lián)分析等技術(shù),為銀行、個(gè)人等提供風(fēng)險(xiǎn)管控和反欺詐的服務(wù);運(yùn)用數(shù)據(jù)挖掘技術(shù),發(fā)掘與相關(guān)賬戶信用相關(guān)的預(yù)警信息,形成預(yù)警信號(hào)并向相關(guān)風(fēng)險(xiǎn)管理系統(tǒng)主動(dòng)推送,進(jìn)而跟蹤預(yù)警信號(hào)處置流程,直至得出最終結(jié)論或風(fēng)險(xiǎn)管控方案,形成一個(gè)風(fēng)險(xiǎn)預(yù)警、通知、處置和關(guān)閉的閉環(huán)處理流程。四是運(yùn)用大數(shù)據(jù)助力風(fēng)控。例如,某電子商務(wù)企業(yè)旗下小貸平臺(tái)建立了決策系統(tǒng),借助大數(shù)據(jù)分析結(jié)果選擇風(fēng)險(xiǎn)可控的企業(yè)開放信貸服務(wù),實(shí)現(xiàn)貸前小額貸款風(fēng)險(xiǎn)管理控制,提升集約化管理的效率。該平臺(tái)信用貸款部分客戶的貸款年化利率可低至12%,對(duì)比原先降低6個(gè)百分點(diǎn)。依靠平臺(tái)和數(shù)據(jù)優(yōu)勢(shì),該平臺(tái)在風(fēng)險(xiǎn)控制方面已形成了多層次、全方位的微貸風(fēng)險(xiǎn)預(yù)警和管理體系,實(shí)際運(yùn)行中該平臺(tái)的不良貸款率一直保持在1%以下,風(fēng)險(xiǎn)控制成效良好。
三、對(duì)大數(shù)據(jù)分析在外匯管理領(lǐng)域運(yùn)用的思考
(一)引入大數(shù)據(jù)分析方法的必要性。近年來(lái),外匯管理部門通過(guò)不斷完善國(guó)際收支申報(bào)體系和加強(qiáng)外匯管理信息化建設(shè),掌握了海量的數(shù)據(jù)信息,為外匯管理從側(cè)重事前審批逐步轉(zhuǎn)向側(cè)重事后監(jiān)測(cè)分析奠定了扎實(shí)的基礎(chǔ)。在當(dāng)前主流的事后監(jiān)測(cè)分析框架中,通常按照業(yè)務(wù)條線,采用“宏觀—中觀—微觀”自上而下遞進(jìn)式分析方法。這種分析方法有一定的優(yōu)點(diǎn),可以實(shí)現(xiàn)對(duì)各業(yè)務(wù)系統(tǒng)的充分利用,與宏觀形勢(shì)和業(yè)務(wù)管理信息結(jié)合較為緊密。但同時(shí)也存在一些缺陷:一是數(shù)據(jù)之間關(guān)聯(lián)度不高,監(jiān)測(cè)分析主要以各業(yè)務(wù)條線事后核查為主,數(shù)據(jù)相對(duì)分散,數(shù)據(jù)之間的關(guān)聯(lián)分析較弱,監(jiān)測(cè)結(jié)果相對(duì)滯后;二是難以發(fā)現(xiàn)潛在風(fēng)險(xiǎn)苗頭,特別是在數(shù)據(jù)量巨大或關(guān)聯(lián)關(guān)系復(fù)雜等特定場(chǎng)景下,有時(shí)無(wú)法取得滿意的監(jiān)測(cè)分析結(jié)果。在此背景下,可以考慮適時(shí)引入大數(shù)據(jù)分析方法。該分析方法是考慮在整合內(nèi)部系統(tǒng)、互聯(lián)網(wǎng)等各類信息數(shù)據(jù)的基礎(chǔ)之上,利用數(shù)據(jù)挖掘、建模等工具方法,對(duì)企業(yè)、集團(tuán)等主體、各類交易數(shù)據(jù)及互聯(lián)網(wǎng)信息進(jìn)行多層次、多角度、多項(xiàng)目的情況分析,并通過(guò)反饋的結(jié)果,修改完善模型,不斷提高分析預(yù)測(cè)結(jié)果的準(zhǔn)確性,既能解放大量人力資源,又有助于提高事中事后監(jiān)管的針對(duì)性和效率,同時(shí)提高外匯管理的信息化程度。(二)大數(shù)據(jù)分析方法在外匯管理領(lǐng)域運(yùn)用的具體思路。1.打造大數(shù)據(jù)監(jiān)管中心,探索構(gòu)建各類監(jiān)管模型設(shè)立大數(shù)據(jù)監(jiān)管中心,整合各業(yè)務(wù)系統(tǒng)數(shù)據(jù)及互聯(lián)網(wǎng)外部數(shù)據(jù),構(gòu)建各類監(jiān)管模型,多層次、多角度、全方位對(duì)各類主體交易數(shù)據(jù)實(shí)施監(jiān)管及風(fēng)險(xiǎn)防控,探索實(shí)現(xiàn)主體監(jiān)管、本外幣一體化監(jiān)管等,提升監(jiān)管效率。一是交易數(shù)據(jù)監(jiān)管。將當(dāng)前各項(xiàng)法規(guī)、政策、制度數(shù)字化,建立合規(guī)性核查模型,通過(guò)對(duì)交易信息進(jìn)行模擬仿真測(cè)試,獲取交易數(shù)據(jù)的邊界條件,判斷交易的合規(guī)性,自動(dòng)報(bào)告不合規(guī)交易。二是交易風(fēng)險(xiǎn)預(yù)警。通過(guò)對(duì)以往違規(guī)的交易進(jìn)行分析建模,結(jié)合當(dāng)前的經(jīng)濟(jì)金融形勢(shì),對(duì)每筆交易進(jìn)行風(fēng)險(xiǎn)分級(jí),自動(dòng)報(bào)告高風(fēng)險(xiǎn)的業(yè)務(wù)數(shù)據(jù)。監(jiān)管部門判斷核查后,系統(tǒng)根據(jù)反饋結(jié)果通過(guò)機(jī)器學(xué)習(xí)等完善預(yù)警模型,不斷提升預(yù)警準(zhǔn)確度。三是主體監(jiān)管。以企業(yè)或集團(tuán)公司為主體,整合利用全方位數(shù)據(jù),運(yùn)用神經(jīng)網(wǎng)絡(luò)等技術(shù)對(duì)主體的投融資、結(jié)售匯、資金管理與調(diào)配等內(nèi)部交易行為進(jìn)行分析,了解不同類別主體異同點(diǎn),對(duì)主體進(jìn)行適當(dāng)性分析評(píng)測(cè),及時(shí)識(shí)別潛在違規(guī)行為。2.預(yù)測(cè)匯率、跨境收支走勢(shì),了解并引導(dǎo)市場(chǎng)預(yù)期通過(guò)收集影響匯率變動(dòng)、跨境收支相關(guān)因素信息,建立模型預(yù)測(cè)匯率、跨境收支走勢(shì),并通過(guò)機(jī)器學(xué)習(xí)等方法,自動(dòng)或人工調(diào)整模型,不斷提升預(yù)測(cè)結(jié)果的準(zhǔn)確性,同時(shí)掌握902017.09市場(chǎng)預(yù)期,及時(shí)進(jìn)行引導(dǎo)。一是匯率走勢(shì)預(yù)測(cè)。整理收集通貨膨脹、利率、政府債務(wù)、市場(chǎng)心理等影響匯率變化的信息,通過(guò)回歸等各類模型方法,分析某一項(xiàng)或多項(xiàng)與匯率之間關(guān)系,預(yù)測(cè)特定時(shí)間段匯率走勢(shì)。二是全國(guó)或地區(qū)跨境收支形勢(shì)預(yù)測(cè)。整理收集行業(yè)價(jià)格、匯率、經(jīng)濟(jì)金融形勢(shì)等外部信息,觀測(cè)、分析經(jīng)濟(jì)金融形勢(shì)、匯率、人民幣即期交易差價(jià)等對(duì)地區(qū)跨境收支或進(jìn)出口的影響,預(yù)測(cè)跨境收支或進(jìn)出口走勢(shì)變化。三是掌握人民幣匯率市場(chǎng)預(yù)期。收集網(wǎng)絡(luò)上關(guān)于人民幣匯率相關(guān)信息、搜索頻率等,通過(guò)文本分析等方法了解人民幣匯率走勢(shì)的市場(chǎng)預(yù)期,便于適時(shí)采取引導(dǎo)措施。3.輿情實(shí)時(shí)監(jiān)測(cè),快速預(yù)警反饋整理收集互聯(lián)網(wǎng)各大網(wǎng)站評(píng)論、博客等信息資源,嘗試以數(shù)據(jù)情感分析角度,實(shí)現(xiàn)對(duì)文本評(píng)論數(shù)據(jù)的傾向性判斷以及所隱藏的信息的挖掘并分析。一是獲取政策反響。收集各大網(wǎng)站某項(xiàng)政策的相關(guān)評(píng)論、帖子、博客等信息,通過(guò)深度學(xué)習(xí)、語(yǔ)義網(wǎng)絡(luò)等多種數(shù)據(jù)挖掘模型,分析判斷數(shù)據(jù)傾向性,以數(shù)據(jù)角度反映政策執(zhí)行效果及反響,為政策的進(jìn)一步完善提供參考。二是設(shè)立輿情監(jiān)測(cè)平臺(tái)。運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)、文本分析、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)手段對(duì)金融敏感信息、輿論情況、政策解讀反響等進(jìn)行實(shí)時(shí)監(jiān)測(cè)、分析,全面覆蓋公共新聞網(wǎng)站、行業(yè)網(wǎng)站、微博、博客、論壇、貼吧等信息平臺(tái),在第一時(shí)間捕獲相關(guān)輿情,并及時(shí)發(fā)送分析報(bào)告,合理引導(dǎo)市場(chǎng)預(yù)期。(三)初步實(shí)踐與嘗試。我們以某地區(qū)2015年1月至2016年10月涉外支出數(shù)據(jù)為例,對(duì)其與CNH、CNY進(jìn)行了回歸分析。1.涉外支出與CNY回歸分析回歸預(yù)估方程為:涉外支出(億美元)=-52.15CNY+530.17。但P值為0.4912(一般認(rèn)為P<0.05時(shí)通過(guò)顯著性檢驗(yàn)),表明CNY與涉外支出無(wú)明顯關(guān)系。2.涉外支出與CNH回歸分析回歸預(yù)估方程為:涉外支出(億美元)=-24.05CNH+349.82。但P值為0.7526,表明CNH與涉外支出無(wú)明顯相關(guān)關(guān)系。3.涉外支出與CNY、CNH回歸分析回歸預(yù)估方程為:涉外支出(億美元)=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距項(xiàng)P值分別為2.3×10-5、1.9×10-5和0.246,表明CNH、CNY與涉外支出有顯著的相關(guān)性,截距項(xiàng)與涉外支出沒(méi)有明顯的相關(guān)性,擬合優(yōu)度為0.5897。4.涉外支出與即期交易價(jià)差(CNH-CNY)回歸分析回歸預(yù)估方程為:涉外支出(億美元)=2489.06(CNH-CNY)+157.3,其中P值分別為3.73×10-12和1.38×10-5,表明兩項(xiàng)預(yù)估值的顯著水平均較為理想,擬合優(yōu)度為0.6006。從上述情況可以看出涉外支出與即期交易價(jià)差存在較強(qiáng)的線性關(guān)系,即某地區(qū)涉外支出隨著人民幣價(jià)差(CNH—CNY)的收窄而減小,隨價(jià)差的擴(kuò)大而增加。在知悉若干變量對(duì)另一變量存在影響的情況下,可使用該方法分析各自變量與因變量的具體相關(guān)性,逐步求取最優(yōu)模型,獲取變量之間的線性關(guān)系,如:分析匯率與購(gòu)匯金額之間的關(guān)系;分析產(chǎn)品進(jìn)出口金額、進(jìn)出口量與產(chǎn)品價(jià)格之間的關(guān)系。
四、政策建議
(一)轉(zhuǎn)變理念,利用大數(shù)據(jù)分析手段提升監(jiān)管效率。一方面,大數(shù)據(jù)分析方法著眼于從海量的數(shù)據(jù)中尋找數(shù)據(jù)內(nèi)部關(guān)聯(lián)與邏輯關(guān)系,并歸納出特定主體或交易行為的規(guī)律與特征。另一方面,外匯管理部門已逐步從制定規(guī)則的角色轉(zhuǎn)向風(fēng)險(xiǎn)判斷的角色,而這又依賴于從數(shù)據(jù)中找到規(guī)律和關(guān)聯(lián),進(jìn)而識(shí)別數(shù)據(jù)變化提示的風(fēng)險(xiǎn)。大數(shù)據(jù)挖掘技術(shù)和分析方法可以極大地提高對(duì)歷史數(shù)據(jù)的利用價(jià)值,同時(shí)也為管理職責(zé)的轉(zhuǎn)變提供必需的技術(shù)支持。從這一角度來(lái)說(shuō),監(jiān)管部門需及時(shí)轉(zhuǎn)變理念,在傳統(tǒng)事后監(jiān)測(cè)分析框架之外,引入市場(chǎng)前沿技術(shù)分析手段,進(jìn)一步提升監(jiān)管效率。(二)建立大數(shù)據(jù)分析工作機(jī)制。一是可以考慮設(shè)立大數(shù)據(jù)監(jiān)測(cè)中心或直屬大數(shù)據(jù)分析公司,從事外匯監(jiān)測(cè)、輿情監(jiān)測(cè)等數(shù)據(jù)分析專項(xiàng)工作,打造大數(shù)據(jù)分析團(tuán)隊(duì)。二是建立統(tǒng)一的大數(shù)據(jù)綜合運(yùn)用平臺(tái),整合各業(yè)務(wù)系統(tǒng)、互聯(lián)網(wǎng)外部信息和工商、海關(guān)、稅務(wù)等部門信息,在此基礎(chǔ)上,根據(jù)監(jiān)管需求及經(jīng)濟(jì)金融形勢(shì),開展各項(xiàng)監(jiān)測(cè)工作,逐步完善各類監(jiān)測(cè)模型,提升監(jiān)管工作成效。(三)規(guī)范大數(shù)據(jù)結(jié)果的運(yùn)用機(jī)制一是定期向相關(guān)部門通報(bào)輿情預(yù)警、匯率預(yù)期、跨境收支走勢(shì)預(yù)期等情況,為決策提供有益參考。二是實(shí)時(shí)匯總異常交易、風(fēng)險(xiǎn)預(yù)警等分析預(yù)測(cè)結(jié)果,及時(shí)向業(yè)務(wù)主管部門反饋,為其開展事后。核查等工作提供線索。(四)以區(qū)域試點(diǎn)模式開展大數(shù)據(jù)分析工作。當(dāng)前,大數(shù)據(jù)分析在市場(chǎng)多領(lǐng)域已有應(yīng)用,但在金融監(jiān)管領(lǐng)域還未有成體系的實(shí)踐做法。建議選取部分地區(qū)開展大數(shù)據(jù)分析試點(diǎn),并嘗試與外部機(jī)構(gòu)合作,借鑒市場(chǎng)的成熟經(jīng)驗(yàn)及各類監(jiān)測(cè)、預(yù)警和預(yù)測(cè)模型,不斷探討、完善大數(shù)據(jù)分析在金融監(jiān)管領(lǐng)域的運(yùn)用。
作者:徐珊 李慧強(qiáng) 單位:中國(guó)人民銀行營(yíng)業(yè)管理部
- 上一篇:資本項(xiàng)目外匯管理探討
- 下一篇:老撾外匯管理法律制度研究