乔文观察 | CRS全景透视：国际税收透明化时代的合规挑战

(一) 国际避税规模触目惊心

根据OECD统计：跨国企业每年通过“税基侵蚀与利润转移（BEPS）”手段，导致全球企业所得税流失高达1000-2400亿美元。[1]而根据TJN研究：若包含个人隐匿的离岸资产，全球年均税收流失规模超过5000亿美元。[2]高额的税收流失导致各国对于离岸避税行为的关注度日益提升。

(二) 从“FATCA”到“CRS”

受2008年金融危机的影响，大量主权国家财政收入锐减，在“开源”难以实现的情况下，“节流”自然成为了重点，于是针对高净值人群的离岸避税行为的打击力度进一步加强。美国于2010年通过了《海外账户税收合规法案》（FATCA法案），它要求合作国金融机构向其申报美国税收居民的信息，以达到对美国税收居民全球征税的目的。此举倒逼其他国家效仿，最终由OECD于2014年主导发布了《金融账户涉税信息自动交换标准》，其中的“统一报告标准”（Common Reporting Standard）即为“CRS”，而目前已有110多个国家（地区）加入其中。

(三) 中国的CRS接轨之路

中国于2017年发布《非居民金融账户涉税信息尽职调查管理办法》[3]，表示正式落地CRS。2018年9月，中国首次与56个国家（地区）交换金融账户信息。直到2024年，中国已与105个国家和地区建立配对交换关系，包括中国香港、新加坡、开曼群岛等传统“避税天堂”。

总体而言，CRS的运行机制如下：首先由一国（地区）金融机构通过尽职调查程序识别另一国（地区）税收居民个人和企业在该机构开立的账户，按年向金融机构所在国（地区）主管部门报送信息，再由该国（地区）税务主管当局与账户持有人的居民国税务主管当局开展信息交换，最终为各国（地区）进行跨境税源监管提供信息支持。[4]

上述运行机制具体而言可拆分为以下三部分：

(一) 金融机构数据识别与信息采集：

由境外金融机构，包括但不限于银行、信托公司、证券公司、期货公司、保险公司等，针对其下账户按CRS标准开展尽职调查：

（1）针对存量账户，即2017年7月1日前开户、余额超100万美元的高净值账户进行“穿透式”识别与核查，收集持有者的个人信息与金融账户资金信息，具体包括姓名、税收居民国、纳税人识别号、现居地址、出生地、出生日期、金融账户的账户号码、账户类型、账户年度余额、账户收入情况、账户注销情况等；

（2）针对新开账户，即2017年7月1日后开户的所有自然人/机构，则需强制声明税收居民身份（含TIN税号），并同步收集该账户的金融资金信息。

(二) 跨境数据安全传输与信息交换：

对于已加入CRS的国家（地区）而言，双方会采用的ISO 20022报文标准[5]加密传输CRS数据，而中国更是部署了“安全单向光闸”进行数据物理隔离，以确保数据的安全性与保密性。

(三) 税务机关数据接收与稽查衔接：

以中国税务机关为例，在税务机关接收到CRS数据后，会按照规定流程展开核实与稽查，具体步骤大概包括以下几点：

（1）账户人员匹配：通过比对中国居民身份证号与CRS数据中的TIN码、姓名拼音自动匹配等方式确认税收居民身份；

（2）资产收入比对：比对境外金融资产与境内申报资产、离岸账户利息与分红收入未申报等；

（3）资金来源追溯：结合外汇管理局数据，核查资金出境路径是否合规（如是否通过地下钱庄等）；

（4）税务调整：适用《个人所得税法》或《税收征管法》核定征收。而关于征收的具体步骤，原国家税务总局王军局长于2022年2月16日在“亚洲倡议”高级别会议中提出了“五步工作法”，具体如下：

(一) 目前现状与成效

1、参与国覆盖率高：98%的OECD/G20国家已参与，110多个国家签署多边公约（含中国、新加坡、瑞士等）。

2、账户信息交换量大、涉及金额高：以2023年为例，各国家（地区）自动交换的金融账户信息超过1.34亿条，涉及总资产近12万亿欧元。[6]

3、税收增收规模大：各国家（地区）通过自愿披露计划和其他离岸税收合规举措，累计已征收超过1300亿欧元的税款、利息和罚款。

(二) 未来发展与演进

1. 资产覆盖范围扩展

• 加密资产将纳入信息交换：《加密资产报告框架》（Crypto-Asset Reporting Framework，简称“CARF”）预计于2027年之前实施，它将突破CRS只能覆盖传统金融机构的局限，将监管范围拓展至不涉及传统金融中介机构的数字化的价值形式，例如加密货币、稳定币和NFT等。[7]

• 不动产纳入监管范围：根据英国《经济犯罪法案》中海外实体登记制度（The Register of Overseas Entities），所有在英购买和拥有房产的外国公司实名申报真实受益人，而这部分数据后续或将接入CRS系统。[8]

2. 数据技术手段升级

• 人工智能与大数据分析：从现阶段发展趋势来看，人工智能将深度介入CRS数据监管之中，通过数据深度学习模型识别CRS数据中的离岸账户异常，例如“突增余额+短时间内跨境转移”，并自动提示风险。

• 算法模型与区块链技术：瑞士UBS等银行采用自然语言处理（NLP）自动解析非英语账户声明，错误率较人工大幅度降低；爱沙尼亚税务局采用KSI区块链存储CRS数据哈希值，确保交换记录不可篡改与安全可靠，类似技术未来必然将更大规模地运用于CRS信息采集与数据分析之中。

结语

脚注：

[1]OECD (2015), Measuring and Monitoring BEPS, Action 11 - 2015 Final Report, OECD/G20 Base Erosion and Profit Shifting Project, OECD Publishing, Paris;

[2]Accounting (f)or Tax: The Global Battle for Corporate Transparency Markus Meinzer and Christoph Trautvetter April 24th, 2018;

[3]关于发布《非居民金融账户涉税信息尽职调查管理办法》的公告 国家税务总局 财政部 中国人民银行 中国银行业监督管理委员会 中国证券监督管理委员会 中国保险监督管理委员会公告2017年第14号.

[4]https://www.chinatax.gov.cn/chinatax/aeoi_index.html;

[5]OECD (2024), Amended Common Reporting Standard XML Schema: User Guide for Tax Administrations, OECD Publishing, Paris, https://doi.org/10.1787/dd7ee57a-en.

[6]OECD (2024), Peer Review of the Automatic Exchange of Financial Account Information 2024 Update, OECD Publishing, Paris, https://doi.org/10.1787/1aa02413-en.

[7]OECD (2025), Crypto-Asset Reporting Framework Status Message XML Schema: User Guide for Tax Administrations, OECD Publishing, Paris, https://doi.org/10.1787/e528d7f5-en;

[8]UK Parliament. (2023). Economic Crime and Corporate Transparency Act 2023 (c.56).