金融小知識——CRS風暴與全球離岸金融中心
2017年元旦，中國政府開始正式啟動CRS，聽起來好高端哦，但是管我屁事！
先別著急，如果你有大量的資產或者收入配置在海外，這個真的就關你的事兒了，那麼具體CRS會對中國的高收入群體產生怎樣的影響呢，下面就讓小編來給大家講講！
首先告訴大家CRS是個什麼鬼？
CRS全稱COMMON REPORTING STANDARD，中文即「共同申報準則」。2014年，亞太經合組織（OECD）發布了《金融賬戶涉稅信息自動交換標準》，其中CRS就是標準之一（說明還有其他的標準哦），這個法案主要是通過簽署國相互披露對方國家公民在本國的經濟財產狀況，以提升稅收透明度和打擊跨境逃稅、反洗錢等不法活動。
截止2016年12月6日已經有101個國家承諾實施CRS協議。該協議涵蓋了主要發達經濟體，同時也包含BVI（英屬維爾京群島）、開曼群島、百慕大和瑞士等全球「離岸避稅地」和「洗錢中心」。
第一批有54個國家在2017年1月1日起陸續啟動，開始收集相關國家或地區稅收居民在國境內的金融賬戶信息。第二批進行信息交換的國家將於2018年後開始啟動信息交換。最後還有94個國家暫未承若加入意願（其中美帝就沒有哦，但是呢，老美有人家自己的FATCA【海外賬戶納稅法案】稅收法案，只要與他簽訂互惠型政府間信息交換協議的國家，都需要向美國政府提供美國公民的海外賬戶信息）。
library(ggplot2)nlibrary(plyr)nlibrary("maptools")nlibrary("dplyr")nworld_map <-readShapePoly("D:/R/rstudy/wold_map/World_region.shp")nx <- world_map@data nxs <- data.frame(x,id=seq(0:250)-1) nworld_map1 <- fortify(world_map) nworld_map_data <- join(world_map1, xs, type = "full") nmydata <- read.csv("https://raw.githubusercontent.com/ljtyduyu/DataWarehouse/master/Rstudy/wold_map/Region_map.csv") nworld_data <- join(world_map_data, mydata, type="full")nggplot(world_data, aes(x = long, y = lat, group = group,fill =Class)) +n geom_polygon(colour="grey95")+n scale_fill_manual(values=c("#FFB19B","#33A658","#C4E3F7"))+ n theme_void()n
從上圖中色塊面積可以看出來，顯示橘紅色的是第一批國家，主要分布在亞洲、大洋洲;綠色是第二批國家，主要分布在南亞和西歐國家。
淺藍色是尚未加入的國家，特別值得注意的是，那些暫時還沒有加入CRS的國家主要分布在非洲（還有就是美國）。
那麼那些高收入群體，都習慣把財富和收入存放在海外哪個國家（或者地區）呢？
當然是藏在海外財富聚居地啦，這些地方又常被稱為「避稅天堂」，也就是那些為吸引外國資本流入、繁榮本國或本地區經濟，在本國或本地區確定一定範圍，允許境外人士在此投資和從事各種經濟、貿易和服務活動，獲取收入或擁有財產而又不對其征直接稅、或者實行低直接稅稅率、或者實行特別稅收優惠的國家和地區。
據根據稅收正義聯盟的測算，全球流向避稅天堂財富的實際數字高達32萬億美元（不含不動產和貴重金屬等）。其中前三位分別是中國的1.189萬億美元、俄羅斯的8000億美元，以及韓國的7790億美元。也就是說，在全球「隱形財富」中，僅中國通過避稅天堂藏匿的資金就達到了5%！
根據發展援助組織樂施會（Oxfam）公布的「全球最佳避稅天堂」的名單，全球「最佳避稅天堂」按照排名依次是：
1、百慕大（英國）n2、開曼群島（英國）n3、荷蘭n4、瑞士n5、新加坡n6、愛爾蘭n7、盧森堡n8、庫拉索n9、中國香港n10、塞普勒斯n11、巴哈馬n12、澤西島n13、巴貝多n14、模里西斯n15、英屬維爾京群島（英國）n
以上15個「最佳避稅天堂」中，有四個是英國的海外領地：百慕大地區、開曼群島、澤西地區、維京群島。特別是其中的開曼群島里，註冊著大量中國一線的互聯網巨頭公司（百度、阿里巴巴、奇虎360等），其次是歐洲：荷蘭、瑞士、愛爾蘭、盧森堡與塞普勒斯。
midpos <- function(AD1){nmean(range(AD1,na.rm=TRUE))} ncentres <- ddply(world_data,.(COUNTRY),colwise(midpos,.(long,lat)))ntarget_state<-data.frame(Region.C.=c("百慕大（英國）","開曼群島（英國）","荷蘭","瑞士","新加坡","愛爾蘭","盧森堡","阿魯巴（荷蘭）","中國香港","塞普勒斯","巴哈馬","澤西島（英國）","巴貝多","模里西斯","英屬維爾京群島（英國）"),Scale=seq(1,30,2))ntarget_state<-target_state%>%merge(mydata[,c("Region.C.","COUNTRY")],by="Region.C.",all.x=TRUE)ntarget_state<-target_state%>%merge(centres,by="COUNTRY")nggplot() +n geom_polygon(data=world_data,aes(x = long, y = lat, group = group),colour="grey",fill="grey95")+ geom_point(data=target_state,aes(x=long,y=lat,size=Scale),shape=21,fill="#8E0F2E",colour="black",alpha=0.4)+n scale_size_area(max_size=12,guide=FALSE)+n theme_void()n
從以上15大避稅天堂在全球的分布集聚地可以看到，最為密集的就是加勒比海和西歐了（除了 中國香港、新加坡、模里西斯之外）。
好了乾貨完了，接下來打一波廣告：
9月12日晚8~10點，本小編有一場關於ggplot2的微課，主要內容如下：
1、ggplot2圖層語法的核心理念n2、ggplot函數與geom_xxx函數間的父子繼承關係n3、美學映射參數寫在ggplot函數內與寫在geom_xxx內的差異n4、美學映射參數寫在aes函數內部和寫在aes函數外部的差異n5、顏色標度一共有幾種類型和寫法，在不同模塊中是否能夠共用n6、如何結合實際業務與引用場景進行顏色標度選擇n7、多圖層疊加時，如何解決顏色標度衝突的問題n8、分面函數的許可權控制n9、主題框架與模塊間的繼承關係n10、主題函數更新與替換方案n11、圖形輸出與高清抗鋸齒渲染n
其實這些問題都是之前我學習過程中走過的彎路，隨著練習的案例越來越多，這些問題一步步全都解決了，其實如果你能有心看完我的所有關於ggplot講解部分，差不多這些問題也都能全部理解。
報名地址：
推薦閱讀：