探索金融监管科技在外汇领域的应用

近年来，金融科技发展迅猛，金融监管科技也越来越受到各国金融监管机构的重视，并且已被各国应用于金融数据收集和数据分析等诸多领域。本文在分析其他国家实践的基础上，探讨如何更好地将金融监管科技运用到我国的外汇领域。

国际实践

应用于数据收集领域

一是自动化报告。在数据推送方面，奥地利通过第三方服务公司搭建了一个连接监管机构与被监管机构IT系统的报告平台。其央行先将数据传送至第三方服务公司的基础数据立方，再经标准化规则转换后推送至中央银行系统。在数据提取方面，卢旺达国家银行开发了数据字典，要求每个金融机构编写数据脚本，并将编写好的数据字典映射到自身系统，然后将这些映射的信息放在一个暂存区中。该暂存区会拒绝不符合标准的数据，并自动发送邮件至相关工作人员及被监管机构的邮箱中。菲律宾中央银行也正在开发基于应用编程接口的数据输入模型，以解决数据提取方面的问题。

二是实时监控。澳大利亚证券投资委员会运用金融监管科技平台中的市场分析和情报系统（MAI），实时监控一级和二级资本市场。其中，MAI可输出两种信息：第一，实时识别并发出市场交易异常的警报。这些警报结合日常操作及工作流程，可能会触发相关部门进一步的深入调查和分析；第二，大数据历史分析，可以提供完整的市场报告，评估大而复杂的主题风险。

三是数据管理。第一，数据验证。新加坡金融管理局运用金融监管科技进行数据清理和数据质量检查，为统计者或数据源指出潜在错误，提高数据质量；奥地利中央银行基于机器学习和非监督学习建立了数据验证模型。第二，数据整合。意大利银行将可疑交易举报（结构化数据）与新闻评论（非结构化数据）整合起来进行反洗钱调查。第三，数据可视化。澳大利亚证券投资委员会使用IBM i2及iBase系统，勾勒出结构化数据的时间、关联及因果关系；荷兰银行以信号灯和仪表板等方式将数据输出转换为逻辑指引；新加坡金融管理局使用交互式仪表板和网络图来显示数据。第四，云计算。目前，英国金融行为监管局已经拥有用于收集、存储和处理市场数据的云解决方案，可以自动扩展云设备，灵活地处理市场数据的峰值。

四是虚拟辅助。英国金融行为监管局使用聊天机器人与被监管机构进行交流；同时，英国当局正在探索通过自然语言处理将监管文本转换为机器可读格式，来缩小监管意图与政策解读之间的差距，提高政策的一致性。此举还可以有效评估监管变化的影响，就监管改革开展意见征询。

应用于数据分析领域

一是市场监管。英国金融行为监管局对每天接收到的超过2000万笔市场交易信息进行分析，并及时发出市场操纵预警信号；澳大利亚证券投资委员会的MAI系统，通过对历史数据进行分析，提供量化指标来表示交易活动的规模。

二是不端行为监测。第一，洗钱与恐怖主义融资行为监测。新加坡金融管理局使用自然语言和机器学习技术来处理洗钱和恐怖主义融资风险的可疑交易报告。第二，识别潜在的欺诈行为。美国证券交易委员会通过序贯分析法来监测欺诈行为：首先，采用无监督学习以及主题建模来监测数据中的异常情况；其次，引入人工判断，帮助解释机器学习输出的结果；最后，将连续算法应用于新文件，预测欺诈的可能性。

三是微观审慎监管。第一，信用风险评估。意大利银行结合不同的数据（包括中央信用登记册、非金融企业的资产负债表以及其他公司的相关数据），运用机器学习工具生成贷款违约的预测。第二，流动性风险分析