文/李玉秀 編輯/任風遠

近年來，人工智能的應用推動金融科技進入快速發(fā)展階段，市場主體的業(yè)務模式、交易模式和資金管理模式創(chuàng)新顯著加快。與此同時，隨著我國全面開放新格局逐步形成，跨境資本流動宏觀審慎管理體系和外匯市場微觀監(jiān)管機制也發(fā)生了深刻變化。筆者認為，外匯管理與人工智能的融合是發(fā)展的必然趨勢。第一，加快推進“人工智能+”是外匯管理提升科學決策水平的客觀需要。人工智能能夠為外匯管理提供更加及時、全面、深度的信息支持，提升外匯管理科學決策的水平。從中關村中心支局對中關村地區(qū)的調研情況來看，人工智能行業(yè)取得長足發(fā)展，已有多家人工智能技術公司通過國際領先的機器學習技術和經驗，幫助多家金融機構在反洗錢、反欺詐等風險管理領域實現了創(chuàng)新變革。第二，人工智能是建立健全跨境資本流動“宏觀審慎+微觀監(jiān)管”兩位一體管理框架的“助推器”。借助人工智能更高水平的全局優(yōu)化計算能力，能夠實現對監(jiān)管漏洞和違規(guī)交易的快速、高效、低成本的識別，從而更好地推進管理改革和應對系統(tǒng)性金融風險。第三，人工智能是外匯管理深化“放管服”改革、服務全面對外開放新格局的支撐保障。首先，人工智能可以有效降低管理成本。能夠有效規(guī)避人工效率低、標準不統(tǒng)一等問題，快速高效地完成海量數據的交叉分析和深度挖掘。其次，人工智能可以顯著提高管理效率。借助人工智能技術構建外匯智能管理平臺，能夠實現對新業(yè)態(tài)、新問題的快速響應，大幅度提升外匯微觀監(jiān)管的覆蓋面和精準度。再次，人工智能可以推進社會信用體系建設。運用人工智能可以實現跨主體、跨業(yè)務的立體式全景監(jiān)測，進而實施分類管理，通過激勵合規(guī)、關注可疑、懲戒違規(guī)的機制，進一步強化經濟主體誠信經營意識和自律意識，為改革深化創(chuàng)造良好環(huán)境。

在外匯管理與人工智能的融合發(fā)展的背景下，外匯管理部門應積極順應金融科技發(fā)展趨勢，著力推進人工智能與外匯管理的融合，依托技術手段提升外匯管理效能。

管理框架的搭建

推進“人工智能+外匯管理”體系建設的總體思路是：服務全面對外開放新格局，加快建設本外幣一體化的高質量數據庫；以提高事中、事后監(jiān)管效率為目的，通過人工智能技術輔助數據和案例分析，形成科學合理的預警閾值和非現場核查指標，不斷豐富風險識別和違規(guī)分析模型；持續(xù)完善外匯管理規(guī)則，逐步建成全面、可量化、可操作的人工智能外匯管理體系?；诖耍叭斯ぶ悄?外匯管理”體系建設的框架可由以下幾個方面構成：

人工智能+風險預警

目標是利用人工智能技術識別主體業(yè)務風險，深化主體差異化管理。通過輸入跨境交易數據資源，對人工智能系統(tǒng)進行訓練；通過分析涉外主體交易行為特征，建立多層細分模型；評估涉外主體風險級別，根據不同評估級別，實行差異化的分類監(jiān)管。主要內容包括指標體系設計、指標規(guī)則（確定指標類型、閾值與預警區(qū)間）和模型構建等三個方面。

指標體系。包括涉外主體總量指標、微觀指標和合規(guī)性指標，分別反映企業(yè)資金整體平衡度、單一業(yè)務發(fā)展程度和外匯守法誠信度。

指標規(guī)則。為便于機器學習，應按照風險的高低、預警嚴重程度，設定監(jiān)管指標標準規(guī)則庫，并將規(guī)則分為三類：一是指標值越大越好的極大型指標；二是居中型指標，即指標值在某一區(qū)間是安全的，而在其兩端隨著與該區(qū)間距離的擴大，風險值增加；三是指標值越小越好的極小型指標。

模型構建。一是將監(jiān)督式學習（Supervised Learning）模型作用于全量數據，根據業(yè)務指標設定閾值，并加入規(guī)則庫。在實際監(jiān)管中，篩選閾值指標后主要依托業(yè)務人員結合多項指標和具體數據開展人工分析和監(jiān)測。二是引入非監(jiān)督式學習（Unsupervised Learning）模型。通過聚類分析將企業(yè)聚集成若干類別，分析每個類別的特征，并采取不同監(jiān)管措施。與此同時，對于聚類過程生成的孤立點進行重點分析，作為發(fā)現異常線索的重要渠道。

人工智能+非現場核查

目標是充分運用數據資源，精確刻畫非現場數據相關性，并利用高維機器學習反哺特征信息于非現場審核流程，優(yōu)化非現場可疑線索評價模型，實現重點可疑線索識別。主要內容包括指標體系設計、規(guī)則選取、模型強化和綜合評價等四個方面。

指標體系。對跨境資金流動風險的具體表現和影響因素進行定性分析，在此基礎上對風險事件與外部因素、企業(yè)自身特性間的關聯(lián)關系進行定量分析，根據分析結果對企業(yè)進行分類，分析和預判不同類型主體在不同外部因素變化下的風險點和風險發(fā)生概率。指標包括外部事件指標、內部事件指標、大額交易事件指標以及異常交易事件指標。

規(guī)則選取。由業(yè)務人員根據業(yè)務需求挑選具有意義的規(guī)則；如果這些規(guī)則不足以反映風險概率，機器學習可以通過調整參數生成更多的規(guī)則來供業(yè)務人員挑選。

模型強化。先由機器學習模型對不同可疑等級的線索形成可疑度排序，再按照可疑度的排序分配審核人力資源，將監(jiān)測分析的人力資源盡可能分配到可疑度高的線索上，以提高非現場核查質量。

綜合評價。利用關聯(lián)規(guī)則挖掘算法，發(fā)現跨境資金流動與企業(yè)主體行為特征、外部交易變量之間的關聯(lián)關系，為分析和預判不同類型主體在不同外部因素變化下的風險點和風險發(fā)生概率提供可行方案。

建立違規(guī)行為分析模型

目標是通過機器學習歷史案例，實現對外匯管理思路和經驗的積累歸納、對市場主體行為的智能檢測及對違法犯罪行為的精準打擊。以貨物貿易項下跨境資金流動監(jiān)管為例，通過以下三個步驟，可獲得用于貨物貿易跨境資金流動監(jiān)管的算法模型：

歸納特征。分析歷史案例，從中歸納出企業(yè)的顯著特征。例如在貨物貿易支出專項檢查中可將進口多付匯、大額預付貨款、收款人國別（地區(qū)）是中國香港、轉口貿易支大于收、進料加工支大于收、出口項下大額退匯、新設企業(yè)大額付匯等作為顯著特征，之后將主體分為可疑、正常兩類。明確了特征和分類之后，準備數據，將所有案例以特征向量的形式儲存起來。

訓練算法，計算概率。在得到所有案件特征向量數據后，通過貝葉斯準則等規(guī)則，在特征已知的情況下，計算該主體行為屬于可疑情況和屬于正常情況的概率。

測試算法。利用已知案例向量數據對算法進行測試，通過與實際情況的比對，判斷算法結果是否正確，并據此提出特征選取及其他優(yōu)化建議。

推進“人工智能+”建設

一是全面提升“人工智能+”的數據基礎和制度保障。第一，要進一步提高外匯管理系統(tǒng)數據的準確性、完整性和覆蓋率，利用機器學習手段加強各業(yè)務系統(tǒng)數據的邏輯聯(lián)系和驗證，形成標準化管理數據，便于“人工智能+”的處理、使用和呈現。第二，要進一步建立并完善制度保障，及時對相關法規(guī)進行修訂，為新技術的應用掃除政策障礙，從制度層面為“人工智能+”的處理結果提供支持。

二是積極擴展“人工智能+”的應用維度。第一，推動金融機構風險管理的“人工智能+”，通過調整考核評價制度、風險管理窗口指導等方式，鼓勵金融機構在驗證涉外主體風險級別、審查本外幣跨境交易合規(guī)、挖掘交易對手數據等方面加強與人工智能的融合，更精準有效地落實“展業(yè)三原則”。第二，開展智能外匯管理服務。利用人工智能技術挖掘用戶需求，通過建立智能化的門戶網站、手機APP等方式，為涉外主體提供“一對一”外匯服務，及時推送、解讀政策，發(fā)布風險提示。

三是著力加強“數字外管”人才隊伍建設。人工智能是提高外匯管理效率的一種輔助手段，其本質是“人+機器智能”,根本仍在于“人”。對此，要著力打造一支適應新時代、具有新理念、適應“數字外管”新平臺的復合型人才隊伍。

四是以區(qū)域試點模式推動“人工智能+”監(jiān)管實踐落地?？蛇x擇部分條件相對成熟的地區(qū)，與優(yōu)質人工智能企業(yè)共同開展“人工智能+”外匯監(jiān)管試點，并形成及時反饋機制,待積累經驗后擇機逐步推廣。