近年来，人工智能的应用推动金融科技进入快速发展阶段，市场主体的业务模式、交易模式和资金管理模式创新显著加快。与此同时，随着我国全面开放新格局逐步形成，跨境资本流动宏观审慎管理体系和外汇市场微观监管机制也发生了深刻变化。笔者认为，外汇管理与人工智能的融合是发展的必然趋势。第一，加快推进“人工智能+”是外汇管理提升科学决策水平的客观需要。人工智能能够为外汇管理提供更加及时、全面、深度的信息支持，提升外汇管理科学决策的水平。从中关村中心支局对中关村地区的调研情况来看，人工智能行业取得长足发展，已有多家人工智能技术公司通过国际领先的机器学习技术和经验，帮助多家金融机构在反洗钱、反欺诈等风险管理领域实现了创新变革。第二，人工智能是建立健全跨境资本流动“宏观审慎+微观监管”两位一体管理框架的“助推器”。借助人工智能更高水平的全局优化计算能力，能够实现对监管漏洞和违规交易的快速、高效、低成本的识别，从而更好地推进管理改革和应对系统性金融风险。第三，人工智能是外汇管理深化“放管服”改革、服务全面对外开放新格局的支撑保障。首先，人工智能可以有效降低管理成本。运用人工智能能够有效规避人工效率低、标准不统一等问题，快速高效地完成海量数据的交叉分析和深度挖掘。其次，人工智能可以显著提高管理效率。借助人工智能技术构建外汇智能管理平台，能够实现对新业态、新问题的快速响应，大幅度提升外汇微观监管的覆盖面和精准度。再次，人工智能可以推进社会信用体系建设。运用人工智能可以实现跨主体、跨业务的立体式全景监测，进而实施分类管理，通过激励合规、关注可疑、惩戒违规的机制，进一步强化经济主体诚信经营意识和自律意识，为改革深化创造良好环境。

在外汇管理与人工智能的融合发展的背景下，外汇管理部门应积极顺应金融科技发展趋势，着力推进人工智能与外汇管理的融合，依托技术手段提升外汇管理效能。

管理框架的搭建

推进“人工智能+外汇管理”体系建设的总体思路是：服务全面对外开放新格局，加快建设本外币一体化的高质量数据库；以提高事中、事后监管效率为目的，通过人工智能技术辅助数据和案例分析，形成科学合理的预警阈值和非现场核查指标，不断丰富风险识别和违规分析模型；持续完善外汇管理规则，逐步建成全面、可量化、可操作的人工智能外汇管理体系。基于此，“人工智能+外汇管理”体系建设的框架可由以下几个方面构成：

人工智能+风险预警

目标是利用人工智能技术识别主体业务风险，深化主体差异化管理。通过输入跨境交易数据资源，对人工智能系统进行训练；通过分析涉外主体交易行为特征，建立多层细分模型；评估涉外主体风险级别，根据不同评估级别，实行差异化的分类监管。主要内容包括指标体系设计、指标规则（确定指标类型、阈值与预警区间）和模型构建等三个方面。

指标体系。包括涉外主体总量指标、微观指标和合规性指标，分别反映企业资金整体平衡度、单一业务发展程度和外汇守法诚信度。

指标规则。为便于机器学习，应按照风险的高低、预警严重程度，设定监管指标标准规则库，并将规则分为三类：一是指标值越大越好的极大型指标；二是居中型指标，即指标值在某一区间是安全的，而在其两端随着与该区间距离的扩大，风险值增加；三是指标值越小越好的极小型指标。

模型构建。一是将监督式学习（Supervised Learning）模型作用于全量数据，根据业务指标设定阈值，并加入规则库。在实际监管中，筛选阈值指标后主要依托业务人员结合多项指标和具体数据开展人工分析和监测。二是引入非监督式学习（Unsupervised Learning）模型。通过聚类分析将企业聚集成若干类别，分析每个类别的特征，并采取不同监管措施。与此同时，对于聚类过程生成的孤立点进行重点分析，作为发现异常线索的重要渠道。

人工智能+非现场核查

目标是充分运用数据资源，精确刻画非现场数据相关性，并利用高维机器学习反哺特征信息于非现场审核流程，优化非现场可疑线索评价模型，实现重点可疑线索识别。主要内容包括指标体系设计、规则选取、模型强化和综合评价等四个方面。

指标体系。对跨境资金流动风险的具体表现和影响因素进行定性分析，在此基础上对风险事件与外部因素、企业自身特性间的关联关系进行定量分析，根据分析结果对企业进行分类，分析和预判不同类型主体在不同外部因素变化下的风险点和风险发生概率。指标包括外部事件指标、内部事件指标、大额交易事件指标以及异常交易事件指标。

规则选取。由业务人员根据业务需求挑选具有意义的规则；如果这些规则不足以反映风险概率，机器学习可以通过调整参数生成更多的规则来供业务人员挑选。

模型强化。先由机器学习模型对不同可疑等级的线索形成可疑度排序，再按照可疑度的排序分配审核人力资源，将监测分析的人力资源尽可能分配到可疑度高的线索上，以提高非现场核查质量。

综合评价。利用关联规则挖掘算法，发现跨境资金流动与企业主体行为特征、外部交易变量之间的关联关系，为分析和预判不同类型主体在不同外部因素变化下的风险点和风险发生概率提供可行方案。

建立违规行为分析模型

目标是通过机器学习历史案例，实现对外汇管理思路和经验的积累归纳、对市场主体行为的智能检测及对违法犯罪行为的精准打击。以货物贸易项下跨境资金流动监管为例，通过以下三个步骤，可获得用于货物贸易跨境资金流动监管的算法模型：

归纳特征。分析历史案例，从中归纳出企业的显著特征。例如在货物贸易支出专项检查中可将进口多付汇、大额预付货款、收款人国别（地区）是中国香港、转口贸易支大于收、进料加工支大于收、出口项下大额退汇、新设企业大额付汇等作为显著特征，之后将主体分为可疑、正常两类。明确了特征和分类之后，准备数据，将所有案例以特征向量的形式储存起来。

训练算法，计算概率。在得到所有案件特征向量数据后，通过贝叶斯准则等规则，在特征已知的情况下，计算该主体行为属于可疑情况和属于正常情况的概率。

测试算法。利用已知案例向量数据对算法进行测试，通过与实际情况的比对，判断算法结果是否正确，并据此提出特征选取及其他优化建议。

推进“人工智能+”建设

一是全面提升“人工智能+”的数据基础和制度保障。第一，要进一步提高外汇管理系统数据的准确性、完整性和覆盖率，利用机器学习手段加强各业务系统数据的逻辑联系和验证，形成标准化管理数据，便于“人工智能+”的处理、使用和呈现。第二，要进一步建立并完善制度保障，及时对相关法规进行修订，为新技术的应用扫除政策障碍，从制度层面为“人工智能+”的处理结果提供支持。

二是积极扩展“人工智能+”的应用维度。第一，推动金融机构风险管理的“人工智能+”，通过调整考核评价制度、风险管理窗口指导等方式，鼓励金融机构在验证涉外主体风险级别、审查本外币跨境交易合规、挖掘交易对手数据等方面加强与人工智能的融合，更精准有效地落实“展业三原则”。第二，开展智能外汇管理服务。利用人工智能技术挖掘用户需求，通过建立智能化的门户网站、手机APP等方式，为涉外主体提供“一对一”外汇服务，及时推送、解读政策，发布风险提示。

三是着力加强“数字外管”人才队伍建设。人工智能是提高外汇管理效率的一种辅助手段，其本质是“人+机器智能”,根本仍在于“人”。对此，要着力打造一支适应新时代、具有新理念、适应“数字外管”新平台的复合型人才队伍。

四是以区域试点模式推动“人工智能+”监管实践落地。可选择部分条件相对成熟的地区，与优质人工智能企业共同开展“人工智能+”外汇监管试点，并形成及时反馈机制,待积累经验后择机逐步推广。

作者系外汇局中关村国家自主创新示范区中心支局局长