個(gè)人購付匯主體“聚類”研究

薛瑾

摘? ?要：在人民幣匯率雙向波動幅度進(jìn)一步加大的背景下，傳統(tǒng)的個(gè)人外匯管理“總量分析+結(jié)構(gòu)分析”模式，已難以摸清復(fù)雜數(shù)據(jù)背后的真實(shí)規(guī)律。因此，本文借助SAS軟件的“ward聚類算法”，著重對陜西省個(gè)人購付匯重點(diǎn)關(guān)注主體進(jìn)行聚類分析，從而為個(gè)人外匯業(yè)務(wù)形勢分析及監(jiān)測管理提供有效參考。

關(guān)鍵詞：外匯管理;個(gè)人外匯業(yè)務(wù);聚類算法

中圖分類號：F832.7? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-0017-2020（8）-0056-05

一、引言

我國自2007年開始，為規(guī)范和便利銀行及個(gè)人的外匯業(yè)務(wù)操作，對個(gè)人結(jié)匯和境內(nèi)個(gè)人購匯實(shí)行年度總額管理，年度總額分別為每人每年等值5萬美元。個(gè)人年度總額內(nèi)的結(jié)匯和購匯，憑本人有效身份證件在銀行辦理。超過年度總額的，經(jīng)常項(xiàng)目項(xiàng)下憑本人有效身份證件和規(guī)定的證明材料在銀行辦理;資本項(xiàng)下相關(guān)交易須經(jīng)外匯局核準(zhǔn)。個(gè)人外匯管理政策的開放和進(jìn)一步便利化，使得個(gè)人外匯管理模式由“事前審批”轉(zhuǎn)變?yōu)椤笆轮?、事后監(jiān)測核查”。

目前，對于個(gè)人外匯業(yè)務(wù)的分析及研究主要局限于傳統(tǒng)的“總量分析+結(jié)構(gòu)分析”層面。本文運(yùn)用“大數(shù)據(jù)”分析理念，在傳統(tǒng)的宏觀分析的基礎(chǔ)上，聚焦個(gè)人主體微觀行為。通過SAS統(tǒng)計(jì)分析軟件（以下簡稱SAS）中的“Enterprise Guide”對個(gè)人外匯數(shù)據(jù)進(jìn)行基礎(chǔ)加工，運(yùn)用SAS軟件“Enterprise Miner ”（以下簡稱EM）中的“ward聚類算法”設(shè)立模型，對個(gè)人外匯業(yè)務(wù)主體進(jìn)行聚類，分析各類個(gè)人購付匯主體行為特征，從而提出針對性的建議。

二、運(yùn)用SAS“ward聚類算法”對個(gè)人外匯主體進(jìn)行聚類分析

聚類分析是一種探索性數(shù)據(jù)挖掘方法，以整體為視角，在所選變量中按一定的規(guī)則對其中樣本進(jìn)行聚類。SAS“ward聚類算法”主要以同類事物的內(nèi)部差異高低作為集群聚類、輔助分區(qū)的決策依據(jù)。本文對陜西省個(gè)人購付匯主體數(shù)據(jù)開展聚類分析，根據(jù)聚類變量間的距離及重要性等對多個(gè)變量指標(biāo)進(jìn)行篩選，并以SAS算法的自動分類為原則，根據(jù)優(yōu)選后的變量指標(biāo)，對個(gè)人購付匯主體聚類后形成分析結(jié)果。

（一）變量優(yōu)選：9個(gè)指標(biāo)的聚類結(jié)果更顯著

指標(biāo)變量共11個(gè)，其中包括3個(gè)分類變量，8個(gè)數(shù)值型變量。運(yùn)用SAS EM 中的“變量聚類”功能，通過重復(fù)組合及變量訓(xùn)練，對數(shù)值型變量的距離進(jìn)行分析，同時(shí)對部分變量的重要性進(jìn)行分析，通過對各聚類中貢獻(xiàn)值較小、重復(fù)性較高的變量逐一進(jìn)行刪減，從而選出有效變量。

1.聚類變量間的距離分析。在變量的聚類距離中，變量聚類1：付款總金額、購付匯率、購匯總金額、購匯提鈔總金額四個(gè)變量的聚類成分R方數(shù)值依次減小;變量聚類2：購匯首尾相差天數(shù)、購匯次數(shù)、購匯幣種個(gè)數(shù)的聚類成分R方數(shù)值依次減小;年齡在變量距離中單成1類聚類3（見圖1）。

2.聚類變量的重要性分析。通過SAS軟件的聚類變量重要性篩選功能，對聚類變量進(jìn)行分析。從分析結(jié)果看，當(dāng)前個(gè)人主體分類狀態(tài)、付款總金額、購匯總金額、購匯次數(shù)、購匯首尾相差天數(shù)五個(gè)變量對聚類結(jié)果的影響較大，購匯幣種個(gè)數(shù)、交易主體類型對聚類結(jié)果的影響居中，有3個(gè)變量：購匯提鈔總金額、性別、年齡對聚類結(jié)果幾乎沒有影響。

3.聚類變量選取結(jié)果。綜合考慮變量間的距離及重要性，同時(shí)結(jié)合對結(jié)果的解釋性以及業(yè)務(wù)實(shí)際需要，去掉變量中購付匯率、性別指標(biāo)，最終選取了9個(gè)指標(biāo)變量進(jìn)行下一步聚類分析，包括：年齡、當(dāng)前個(gè)人主體分類狀態(tài)、交易主體類型、購匯總金額、購匯次數(shù)、付匯總金額、購匯提鈔總金額、購匯首尾相差天數(shù)、購匯幣種個(gè)數(shù)。

（二）聚類分析結(jié)果：優(yōu)化提煉17個(gè)主體類別

在SAS EM中創(chuàng)建數(shù)據(jù)源與流程圖，運(yùn)行聚類算法，結(jié)果顯示個(gè)人購付匯主體分為17類，各類數(shù)據(jù)包括了個(gè)人主體數(shù)及各指標(biāo)的數(shù)據(jù)均值（見表2）。其中，第2、4、16類個(gè)人主體最多，占比達(dá)到87.38%。

（三）段剖面剖析：分類后個(gè)人主體購付匯行為的主要特征

運(yùn)用SAS軟件中的段剖面工具，得出個(gè)人購付匯主體分類后的數(shù)據(jù)剖面圖。根據(jù)段剖面圖顯示，有顯著特征的分類有以下8類：

1.第2類個(gè)人占比37.61%，付匯總金額較小，購匯總金額居中，付匯金額遠(yuǎn)小于購匯金額。個(gè)人付匯平均金額9176美元，其中1萬美元以下的主體占70%;購匯平均金額處于中間值2.36萬美元，其中2.75萬美元以下的占78.38%;購匯次數(shù)在2次以下的占比77%;購匯提鈔金額較小，平均值僅有216美元;購匯幣種集中在1-2個(gè)（見圖2）。

2.第4類個(gè)人占比28.33%，購匯、付匯總金額均較大。第4類個(gè)人與第一類個(gè)人段剖面的指標(biāo)一致，兩者的區(qū)別主要為購匯總金額與付匯總金額，第4類個(gè)人購匯總金額的平均值為4.58萬美元，是第2類的1.83倍，付匯總金額的平均值為4.43萬美元，是第二類的4.83倍，其他值差異性不大（見圖3）。

3.第16類個(gè)人占比21.44%，購匯、付匯總金額居中，購匯次數(shù)較多。此類個(gè)人購匯、付匯金額平均值分別為3.19、2.12萬美元，但購匯的次數(shù)明顯高于第2類、第4類個(gè)人，購匯次數(shù)平均值為5.84次，同時(shí)購匯首尾相差天數(shù)較大;另外此類個(gè)人是這幾類個(gè)人中唯一年齡占重要變量指標(biāo)的類別，其中年齡在46-54歲上下的個(gè)人遠(yuǎn)高于平均值，占比68.1%（見圖4）。

4.第7類個(gè)人占比5.5%，購匯總金額、購匯次數(shù)均無明顯差別，差別的變量主要集中在購匯提鈔金額及付款總金額兩個(gè)變量上，且購匯提鈔總金額數(shù)值遠(yuǎn)高于其他類別、付款總金額遠(yuǎn)低于其他類別（見圖5）。

5.第19、8、9、17類個(gè)人，表現(xiàn)出單個(gè)指標(biāo)特征明顯。四類個(gè)人均為單一特征分類，分別為：購匯幣種個(gè)數(shù)、當(dāng)前個(gè)人主體分類狀態(tài)、付款總金額、購匯次數(shù)。其中第19類，購匯幣種為4個(gè)以上的占比98.05%;第8類，全部為“預(yù)關(guān)注”個(gè)人;第9類主體付匯總金額的平均值是購匯總金額的兩倍，付款金額在20萬美元以上的占比較高;第17類主體購匯次數(shù)在100次以上的占比較高（見圖6）。

三、聚類結(jié)果對個(gè)人外匯業(yè)務(wù)管理的指導(dǎo)意義

基于SAS運(yùn)行出的上述聚類結(jié)果，本文將上述個(gè)人購付匯主體歸納為五大類型，并在個(gè)人外匯管理中重點(diǎn)施策。

一是對“額度內(nèi)購匯、付匯觀望型主體”，加強(qiáng)預(yù)期管理，引導(dǎo)實(shí)需用匯。主要對應(yīng)于聚類結(jié)果中的“第2類”主體，該類主體購匯時(shí)，在短時(shí)期內(nèi)并未有實(shí)際的用匯需求，購匯主要用于滿足長期的用匯需求或者基于資產(chǎn)保值、增值類需求，此類主體購匯心理主要為預(yù)防性或防御性。因此，對此類別的個(gè)人，重點(diǎn)開展預(yù)期管理，引導(dǎo)個(gè)人根據(jù)實(shí)需購匯。

二是對“大額購付匯主體”，細(xì)分不同類型，分別側(cè)重于便利性與防風(fēng)險(xiǎn)。主要對應(yīng)于聚類結(jié)果中的“第4類”主體，此類主體購匯的同時(shí)存在大額的付匯行為。其中一類情況為真實(shí)的留學(xué)等經(jīng)常項(xiàng)目項(xiàng)下購付匯行為，另一類大額的因私旅游項(xiàng)下的匯出，應(yīng)為不真實(shí)申報(bào)或資金的異常違規(guī)流出。因此，對于該類主體應(yīng)具體細(xì)分真實(shí)性需求或異常數(shù)據(jù)類型。對于真實(shí)性購匯需求，應(yīng)引導(dǎo)銀行繼續(xù)創(chuàng)新業(yè)務(wù)辦理模式，使得個(gè)人購付匯更加便利。對于異常數(shù)據(jù)，在日常個(gè)人外匯管理工作中應(yīng)開展重點(diǎn)核查。

三是對“多次購匯型主體”，關(guān)注匯率波動與購付匯行為間的關(guān)聯(lián)性。主要對應(yīng)于聚類結(jié)果中的“第16類”主體。該類主體購匯以及匯出的累計(jì)金額均較大、購匯較為頻繁，同時(shí)購匯的幣種較為單一。初步分析此類主體中個(gè)人有長期用匯需求，在日常操作中在不同匯率時(shí)點(diǎn)，通過多次購匯來平衡人民幣匯率波動造成的損失。此類主體對匯率波動的敏感性較大，因此對該類主體應(yīng)重點(diǎn)關(guān)注匯率波動對個(gè)人購付匯行為的關(guān)聯(lián)性影響，分析匯率大幅波動下的個(gè)人購匯心理預(yù)期與購付匯行為結(jié)果。

四是對“大額購匯提鈔型”主體，引導(dǎo)個(gè)人合規(guī)提鈔、攜帶出境。主要對應(yīng)于聚類結(jié)果中的“第7類”主體，目前我國境內(nèi)禁止外幣計(jì)價(jià)結(jié)算，特殊情況下需要攜帶10000美金以上出境的，還須經(jīng)外匯局進(jìn)行核準(zhǔn)。因此，對于購匯后大額提鈔主體，應(yīng)結(jié)合“三反”要求，加大個(gè)人外匯政策宣傳，引導(dǎo)個(gè)人減少大額外幣現(xiàn)鈔提取，合規(guī)攜帶外幣出境。

五是對“異常數(shù)據(jù)主體”，加強(qiáng)日常及專項(xiàng)的監(jiān)測核查。主要對應(yīng)于聚類結(jié)果中的第8、11、12、13、15、17、18、19類主體，其中第8類主體主要為參與個(gè)人分拆購付匯被外匯局納入“關(guān)注名單”類主體，對于此類主體還應(yīng)重點(diǎn)分析銀行在辦理此類業(yè)務(wù)中的內(nèi)部控制措施是否完善，如果該類主體的主要購付匯行為集中在某家銀行，則證明該行的內(nèi)部控制措施較弱，應(yīng)采取多種管理手段要求銀行強(qiáng)化內(nèi)部管理;第12、19類購匯幣種較多以及第13、15類購匯次數(shù)全年累計(jì)超過100次的主體，此類主體行為較為異常，一類通過外匯實(shí)盤操作來進(jìn)行外匯買賣，達(dá)到賺取匯率差價(jià)的目的，另一類多幣種之間高頻操作購匯以及存取的，還原數(shù)據(jù)甄別后可作為非法倒賣外匯的重點(diǎn)核查對象;第11、18類購付匯金額特別大的主體，從業(yè)務(wù)邏輯判斷上應(yīng)屬于不占用額度的購付匯，可重點(diǎn)核查個(gè)人在銀行辦理業(yè)務(wù)時(shí)提供資料的真實(shí)性、合規(guī)性。

（一）通過對個(gè)人外匯業(yè)務(wù)主體及行為數(shù)據(jù)的特征刻畫，為風(fēng)險(xiǎn)分類管理、異常數(shù)據(jù)挖掘提供有效手段

個(gè)人外匯業(yè)務(wù)日常監(jiān)測管理應(yīng)在微觀監(jiān)測單筆數(shù)據(jù)的基礎(chǔ)上以及大數(shù)據(jù)分析的框架下，整體分析業(yè)務(wù)數(shù)據(jù)變化的規(guī)律。針對不同的個(gè)人外匯業(yè)務(wù)群體，準(zhǔn)確描述高風(fēng)險(xiǎn)主體及高風(fēng)險(xiǎn)行為特征，為個(gè)人外匯業(yè)務(wù)和主體畫像，從而為個(gè)人外匯管理政策制定和監(jiān)測管理提供有效手段。

（二）個(gè)人外匯管理方式應(yīng)關(guān)口前移，由“事后監(jiān)管”變?yōu)檫\(yùn)用“大數(shù)據(jù)”倒逼銀行“事前+事中”控制

目前現(xiàn)行個(gè)人外匯管理方式中，外匯局會對分拆購付匯匯異常主體采取列入“關(guān)注名單”的方式。從SAS聚類分析的結(jié)果看，此類主體整體占比較少，用在聚類中指標(biāo)較為單一，對業(yè)務(wù)風(fēng)險(xiǎn)的識別作用有限，且個(gè)人異常違規(guī)行為往往會由內(nèi)部控制嚴(yán)格的銀行向內(nèi)部控制松散的銀行轉(zhuǎn)移。因此，應(yīng)充分運(yùn)用“大數(shù)據(jù)”，在分析個(gè)人主體特征的基礎(chǔ)上，著重向銀行異常數(shù)據(jù)集群轉(zhuǎn)變。將銀行作為個(gè)人外匯業(yè)務(wù)風(fēng)險(xiǎn)識別與阻斷的第一道防火墻，倒逼銀行將強(qiáng)化“事前+事中”、“網(wǎng)銀+人工”的全渠道內(nèi)部控制措施作為日常管理新常態(tài)。

（三）加強(qiáng)個(gè)人主體數(shù)據(jù)的持續(xù)監(jiān)測，為個(gè)人外匯形勢分析和研判提供有效參考

本文在分析時(shí)采用了一段時(shí)期內(nèi)的個(gè)人購付匯數(shù)據(jù)，用于個(gè)人聚類分析，從一定層面上反映了各類別個(gè)人購付匯主體的行為特征，但較短時(shí)間段范圍的數(shù)據(jù)選取無法刻畫個(gè)人用匯的長期性、復(fù)雜性的變化特點(diǎn)。因此，應(yīng)將個(gè)人外匯主體行為特征的聚類分析，在一定區(qū)域、一定時(shí)間段內(nèi)進(jìn)行連續(xù)跟蹤，深入分析其變化過程和發(fā)展規(guī)模，進(jìn)而為個(gè)人外匯業(yè)務(wù)分析和研判提供有效參考。

（四）在現(xiàn)有大數(shù)據(jù)環(huán)境下，探索建立匯率公眾預(yù)期與個(gè)人購付匯行為相關(guān)聯(lián)的監(jiān)測分析方法

個(gè)人主體在不實(shí)輿論傳播影響下，易出現(xiàn)“羊群效應(yīng)”，導(dǎo)致個(gè)人群體大規(guī)模集中購付匯。因此，應(yīng)充分運(yùn)用大數(shù)據(jù)分析，在掌握主體特征的前提下，針對特殊群體、特定業(yè)務(wù)采取具有針對性的預(yù)期引導(dǎo)措施，特別是在人民幣匯率劇烈波動、市場情緒不穩(wěn)時(shí)，針對不同群體個(gè)人開展分類指導(dǎo)，持續(xù)監(jiān)測市場結(jié)售匯情緒變化，在保證個(gè)人真實(shí)用匯需求的同時(shí)，主動擠出虛假泡沫數(shù)據(jù)，有效防范個(gè)人跨境資金異常波動。

參考文獻(xiàn)

[1]郭振玉.基于聚類分析和關(guān)聯(lián)規(guī)則的數(shù)據(jù)庫用戶行為模式分析的研究[D].武漢：武漢理工大學(xué)，2016.

[2]國家外匯管理局江西省分局經(jīng)常項(xiàng)目管理處課題組[J].從法律角度論個(gè)人外匯管理改進(jìn)之必要，金融與經(jīng)濟(jì)，2015，（01）：84-87.

[3]牧人.大數(shù)據(jù)時(shí)代的外匯監(jiān)管.中國外匯，2014，（11）：64-65.

[4]謝康，吳記，肖靜華，基于大數(shù)據(jù)平臺的用戶畫像與用戶行為分析[J].中國信息化，2018，（03）：100-104.

[5]張濤，陳慶玲，吳濤，董玉婷.個(gè)人購匯行為的影響因素研究[J].中國外匯.2017，（01）：38-41.

Research on the Characteristics of Individuals Purchase and

Payment of Foreign Exchange

——Based on the "ward clustering algorithm" of SAS software

XUE Jin

（Xian Sub-branch PBC， Xian Shannxi 700075）

Abstract：Under the background of the two-way volatility of the RMB exchange rate， the traditional model of individual foreign exchange management based on “volume analysis + structural analysis” has been facing challenges， which is unable to discover the true patterns behind complex data. To this end， by using SAS software tools， this paper uses the "ward clustering algorithm" of SAS software to analyze and characterize the main subjects of purchase and payment in shaanxi province， therefore， provides an effective reference for analysis and regulation.

Keywords： subject characteristics， big data， clustering algorithm， SAS software

責(zé)任編輯、校對：李美嬋

收稿日期：2020-06

作者簡介：薛? ?瑾（1984.03-），女，陜西韓城人，碩士，會計(jì)師，現(xiàn)供職于中國人民銀行西安分行。

注：本文為作者觀點(diǎn)，文責(zé)自負(fù)。