监管科技在外汇管理领域应用探析

2020-05-14武蓉蓉

海南金融 2020年4期

武蓉蓉

摘要：金融科技在跨境金融领域快速发展，增加了外汇交易复杂性，加大了跨境金融监管难度，对外汇管理提出了更高要求。本文分析了监管科技在外汇管理领域解决具体问题，探讨了借助监管科技优化外汇管理监管方式的应用场景，提出构筑监管科技在外汇管理领域应用的长效机制。

关键词：监管科技;监管沙盒;主体画像;NLP技术

DOI：10.3969/j.issn.1003-9031.2020.04.010

中图分类号：F832.1 文献标识码：A 文章编号：1003-9031（2020）04-0070-04

一、监管科技在外汇管理领域解决的具体问题

（一）应对新形势下跨境资金流动风险

当前很多持牌金融科技公司都涉足跨境业务①，包括跨境支付结算、跨境外贸综合服务等，如阿里巴巴旗下“一达通”，可在线上为合作企业提供一站式通关、收结汇、退税、融资等服务，在线下提供物流、检疫等服务。金融科技与跨境金融的融合，在创新金融服务、提升金融运行效率的同时，使得跨境资金流向更加复杂，风险传导空间扩大，监管资金流动的难度进一步加大。与此同时，由于监管资源稀缺，监管工具发展相对滞后，监管信息不对称，监管部门对跨境资金流动難以实施合理有效的监管。

（二）解决外汇管理中监管的滞后性

随着外管局事前审批核准职能的退出，以银行为事前审核主体、外管局事中事后监督为重要支撑的管理格局渐进形成。从银行端来看，银行处于外汇管理“一线”，承担着事前真实性审核的职责，但由于金融机构与监管部门间、金融机构间的数据信息共享不足，且缺少事前监测预判的有效措施，异常交易更多依赖于人工经验判断，无法做到违规行为事前的准确拦截，外汇监管存在滞后性。如企业利用同一报关单跨行重复融资、借道同一商品反复报关转移资金、个人分拆购付汇等，这些异常行为的排查更多依赖于外管局的事后核查，等核查发现时，违规事实已形成。

（三）实施精细化外汇分类管理

我国外汇管理主要采用规则监管模式，在分支业务条线的监管体制基础上对市场主体行为实施统一监管，但外汇分类管理精细化程度不够。以货物贸易外汇管理为例，目前，外管局将企业分为A、B、C三类实施分类监管，但A类企业数量占比较高，如宁夏A类企业占比高达98.8%。另一方面，由于缺少对企业股东和实际控股人等相关信息的精准标识，部分B、C类企业通过“换马甲”方式，采用重新注册等办法可轻松规避分类监管，削弱监管效果。

（四）协同监管机构间防范风险

受职责分工不同、数据资源共享不充分等因素影响，容易产生“监管盲区”。以外管局为例，外管局业务系统和人民币跨境收付信息管理系统、反洗钱监测系统相互隔离，相关监管部门各管一块，相互独立，容易产生“监管盲区”。就整个资金链条来说，外管局掌握的监管信息主要是外汇业务中端（在金融机构内流动）资金流动情况，缺少前端（资金来源）和后端（资金投向）相关信息，难以刻画异常交易行为的全貌，不利于对风险的全面识别。如难以通过个人分拆等局部违规行为，识别整个资金链条涉嫌的地下钱庄等更大违规交易。

（五）实施精准预期引导的工具

中央经济工作会议明确提出“必须及时回应社会关切，有针对性主动引导市场预期”。但由于外汇管理部门主要采用人工方式收集、分析市场主体预期，难以及时捕捉、准确预判一些苗头性、特殊性的舆情线索。因此，外汇管理部门预期引导主要采用发布政策解读、外汇数据解读、监测报告等“广撒网”方式，缺乏“对症下药”式的预期引导和提前主动干预，而监管科技为此提供了重要工具。

二、监管科技在外汇管理领域应用探讨

（一）探索建立外汇管理领域“监管沙盒”①，有效平衡鼓励创新与风险防范

不同于试验区，“监管沙盒”是在不确定性中寻找确定性，不受时空限制，适用于金融创新产品监管。“监管沙盒”能让金融创新产品在沙盒内充分暴露风险，使监管者能够及时研究相关风险及外溢路径，继而采取有针对性的风险防控措施，实现风险靶向管控。英国、澳大利亚、新加坡和中国香港地区等多个国家和地区为了给金融科技、金融新业态提供“监管试验区”，通过给参与市场主体颁发临时性或有限制的牌照（英国模式）或一定期限内的牌照豁免权（澳大利亚模式），在监管机构的控制下实现小范围内的真实环境测试。外汇管理领域亦可探索建立类似“监管试验区”，允许跨境金融创新产品或特殊领域的外汇管理改革，在一定安全可控的范围内，突破政策限制，开展容错纠错性实验和测试。在试验过程中充分收集监管信息，查找风险点，完善监管措施，从而在降低参与者政策风险的同时，提升外汇监管的针对性，有效平衡金融创新与风险防范。

（二）建设外汇管理“风险监测模型库”，推动外汇监管关口前移

进一步完善“银行端事前拦截”和“外管局端事后监测”的“两位一体”监测体系，共同增强防范风险能力。一方面，在外管局端，依托传统监管经验和机器学习历史案例方式，归纳风险特征，设定各业务的指标规则、指标阈值和预警区间，构建一套外汇管理领域“风险监测模型库”，如利用人工神经网络算法等技术将监测模型作用于全量数据，测算市场主体交易行为正常或异常概率，并向业务人员返回可疑交易信息。另一方面，在数据保护和授权使用的前提下，畅通监管机构和被监管对象间的监管信息共享，将外管局端监测模型嵌入银行端核心外汇业务系统中，通过机器学习预判市场主体交易行为合规性，实现实时监测与异常交易拦截预警。

（三）利用市场主体画像实施更加精细的差异化监管

灵活运用深度学习、贝叶斯分类算法和基于规则匹配等用户画像方法，从资本端（股东、入股资金等）、资产端（投资项目、净资产、主营业务收入、净利润等）和负债端（偿债能力、或有负债等）及交易圈（交易对手、关联账户等）多维度，分析各指标特征同跨境资金流动间的关联关系。根据分析结果对市场主体分群，生成用户标签，划分风险等级，分析预判不同类型用户在不同外部因素影响下跨境收支行为偏好和风险点，细化A类企业分类标准，实施更加精细的差异化监管。对A类企业风险较低的主体采取更加便利化的措施，如适当放宽相关单证提供或留存要求等，最大限度地节约企业成本;对风险较高的主体加入关注名单，强化对业务真实性审核等，以提高企业合规经营的自觉性和主动性。

（四）依托区块链技术加快部门间信息共享，着力解决监管信息不对称问题

进一步拓展跨境业务中的区块链服务平台功能，丰富业务应用场景，利用需授权且在联盟成员之间运行的联盟链和多方安全计算技术，在有效保护隐私的前提下，打破信息孤岛，实现外管局与人民银行、海关、税务、商务、金融机构等部门信息共享。如将税务部门作为联盟节点，通过联盟链实现税务服务贸易备案表信息、发票信息“上链共享”，依托区块链的数据不可篡改、可追溯、可审计性能，实现备案表、发票信息自动核验和确认，为市场主体服务贸易、资本收付匯及外管局非现场监测提供便利。再如采用同样的方式实现与反洗钱部门的信息共享，借助联盟链对个人分拆购付汇等违规行为实施穿透式监管，逐步将监管重点从局部合规层面上升到地下钱庄等更大的风险识别层面。

（五）运用自然语言处理（NLP）技术进行预期分析

利用人工智能NLP技术，对微信和微博留言、网络浏览痕迹、政策咨询等非结构化数据进行情感评分，同时借助深度学习、机器学习等语义理解技术，运用可视化等方法进行规律探索，以此得出情感评分与市场主体交易行为、跨境资金流动间的规律，研判市场主体预期动向，提前介入，主动实施有针对性地预期引导。

三、构筑监管科技在外汇管理领域应用的长效机制

（一）健全监管科技技术标准体系

立足于联合监管角度，全面、协同和系统推进监管科技技术标准体系建设，从数据采集和处理、监管科技产品和服务、数据安全等方面建立技术标准，畅通监管数据共享与自动化处理等流程。

（二）建立健全监管科技应用的更新更正机制

建立健全监管科技技术在外汇管理领域应用成效的评估监测机制，加强监管科技应用的预期目标和实际结果的双向比对验证，持续优化应用模型，提升监管科技的可信度和可靠性。

（责任编辑：张恩娟）

参考文献：

[1]孙国峰.从FinTech到RegTech[J].清华金融评论，2017（5）：93-96.

[2]孙天琦.“推进金融科技下跨境金融服务的全球治理”[N].金融时报，2018-9-10（10）.

[3]廖凡.金融科技背景下监管沙盒的理论与实践评析[J].厦门大学学报（哲学社会科学版），2019（2）：12-20.