基层实践｜以人民银行张家界市分行为例

文/中国人民银行张家界市分行 毕宇

东北大学秦皇岛分校 褚希

近年来，随着张家界市汇兑支付环境持续优化，被列为全国17个优化支付服务重点城市之一。作为举世闻名的世界地质公园和世界自然遗产，常年有大量外籍游客持外币入境旅游，现依然存在一定规模以倒卖外汇非法盈利的“外汇黄牛”。“外汇黄牛”利用个人外汇交易隐蔽性强和便利化程度高的特点设法规避监管，在外汇便利化额度内，以频繁更换网点、小额多次实行本外币兑换，规避了单家银行的异常交易监测体系，造成了传统外汇非现场监测手段难以发现和锁定的局面，导致张家界市近13年无“外汇黄牛”查办案例，个人外汇非现场检查手段亟需升级突破。

为此，张家界市分行践行“业技融合”工作机制，将业务经验和历史沉淀数据融入机器学习算法模型，在业务人员研判打标和科技人员分析建模的协同工作模式下，建立“外汇黄牛”专项模型，引入外汇非现场检查工作，开展个人外汇业务异常交易记录学习和预测。科技人员与业务人员共同分析数据，并开展特征提取和特征构造，将历史数据投喂给机器学习算法模型，预测出近期异常交易数据。外汇部门根据模型预测的异常交易记录对相关主体开展进一步核查，发现其确实存在外汇违法违规行为并对之立案查处，总体工作框架如图1所示。

图1 机器学习算法在外汇检查业务实践全流程图

前期准备

1. 数据收集和负面数据标记

此次机器学习算法实践，以个人外汇交易数据为基础，涉及数据共计30021条，其中训练集24147条（历史数据），测试集5874条（近期数据）。业务人员融合所有外汇指定银行报告的异常个人外汇交易记录，对交易数据逐项研判打标，标记负面样本记录28条，负面交易共涉及甲、乙、丙3人。

2. 机器学习模型

选择按照模型类型，机器学习主要分为监督学习模型、半监督学习和无监督学习模型三大类。该批数据的负面标记，主要依据银行报送异常记录，结合外汇业务系统筛查后人为标记，因此是有监督学习模型。在大量的正常个人外汇交易数据中，寻找少量异常数据，明显属于样本不平衡。该类案件真实案例较少，容易出现模型过拟合，需要泛化能力更强的算法。基于以上三点综合考虑，选择xgBoost模型开展机器学习。

3. 数据预处理

一是特征体系构建。“业技融合”专班通过联合分析，对可能判定异常交易的特征都予以保留，并构造了地域特征、近三个月结汇次数、近三个月结汇金额、近三个月结汇业务办理不同网点数等多个特征。

二是业务数据转换。科技部门结合本批数据实际开展数据转换，主要采用标签编码（Label Encoding）和对数变换（Log Transformation）等方法进行数据转换。至此，机器学习前期准备完成。

开展机器学习实践

1. 机器学习模型训练

科技部门将预处理好的数据输入机器学习模型xgBoost，开展训练和预测，为避免影响训练和预测效果，排除两类特征不纳入数据训练范围：第一类是身份证号、标签列等不影响训练预测结果的特征；第二类是交易日期、金融机构标识码等在构造特征中已体现其作用的特征。

在数据训练环节，由xgBoost模型自动生成的特征重要性示意图，与“业技融合”专班研判大致相同，特别是在数据预处理环节构建的数据特征在训练中起到了重要作用。前期业务部门调研发现，疑似“外汇黄牛”个人客户频繁在不同银行网点兑换外币现钞，因此构建了“近三个月结汇业务办理不同网点数”特征，该特征也确被机器学习模型判定为特别重要，具体如图2所示。

图2 各特征重要性评估

2. 机器学习模型预测

开展模型训练效果评估，经过xgBoost模型多轮调参，F1得分为0.9，准确率较高，说明该机器学习模型已具备较好性能。本模型预测产生10条异常交易记录，共涉及丁、戊２人，其中9条异常交易记录指向丁，1条异常交易记录指向戊。

3. 查实模型预测违规主体

根据模型预测结果，张家界市分行外汇部门对丁开展深入调查，发现其有少量多次、多网点跨行办理、兑换总额接近但不超过个人外汇便利化额度等兑换特征，隐蔽性极强，深挖查实其确是“外汇黄牛”。随即对丁立案查处，目前该案已完成行政处罚和罚款收缴。该模型预测的另一个异常交易主体戊，曾在2010年因非法外汇交易被张家界市分行行政处罚，现已纳入持续监测和关注名单。

综上，该机器学习模型预测丁外汇交易异常查证属实，案件的成功办理，也结束了13年来张家界市分行“外汇黄牛”方面0案件的历史，对当地长期以来实行“外汇黄牛”违法行为的隐性群体形成强烈震慑，为进一步推进优化支付服务工作、打造世界一流旅游景点提供了外汇监管保障。

下一步工作计划与建议

1. 推广以人工智能研判外汇交易异常数据的成功经验

随着优化支付服务工作的深入推进和过境免签政策再升级，全省各市州地区不同程度地存在外籍游客入境旅游的情况，其他地区可归纳、构造、共享适合当地实情的业务数据集和规则特征，依托湖南省金融大数据中心的数据能力，形成覆盖全省范围的“外汇黄牛”智能模型，为全省优化支付服务试点推广、持续净化汇兑环境提供有力支撑。

2. 深化数字技术应用

将外汇交易数据分析的模式和经验扩展至其他非现场监管的工作中，发挥湖南省金融大数据中心海量金融数据的优势，在反洗钱、金融稳定、反电诈等领域多头发力，强调数据要素价值的挖掘，推进全省业务履职模式向“数智化”转型。

3. 三是用好“业技融合”工作模式

针对重点、难点履职领域，适时组建相关工作专班，以业务需求驱动体系建设，利用培训交流、联合公关等方式不断壮大人才队伍，形成业务人员知道科技“能做什么”和科技人员知道业务“要做什么”的思维共识，将新兴技术有机融合进日常履职，不断拓展工作方式方法，为建设强大的中央银行提供机制保障。

（此文刊发于《金融电子化》2025年4月下半月刊）