财经小知识——CRS风暴与全球离岸金融中心
2017年元旦，中国政府开始正式启动CRS，听起来好高端哦，但是管我屁事！
先别着急，如果你有大量的资产或者收入配置在海外，这个真的就关你的事儿了，那么具体CRS会对中国的高收入群体产生怎样的影响呢，下面就让小编来给大家讲讲！
首先告诉大家CRS是个什么鬼？
CRS全称COMMON REPORTING STANDARD，中文即“共同申报准则”。2014年，亚太经合组织（OECD）发布了《金融账户涉税信息自动交换标准》，其中CRS就是标准之一（说明还有其他的标准哦），这个法案主要是通过签署国相互披露对方国家公民在本国的经济财产状况，以提升税收透明度和打击跨境逃税、反洗钱等不法活动。
截止2016年12月6日已经有101个国家承诺实施CRS协议。该协议涵盖了主要发达经济体，同时也包含BVI（英属维尔京群岛）、开曼群岛、百慕大和瑞士等全球“离岸避税地”和“洗钱中心”。
第一批有54个国家在2017年1月1日起陆续启动，开始收集相关国家或地区税收居民在国境内的金融账户信息。第二批进行信息交换的国家将于2018年后开始启动信息交换。最后还有94个国家暂未承若加入意愿（其中美帝就没有哦，但是呢，老美有人家自己的FATCA【海外账户纳税法案】税收法案，只要与他签订互惠型政府间信息交换协议的国家，都需要向美国政府提供美国公民的海外账户信息）。
library(ggplot2)
library(plyr)
library("maptools")
library("dplyr")
world_map <-readShapePoly("D:/R/rstudy/wold_map/World_region.shp")
x <- world_map@data
xs <- data.frame(x,id=seq(0:250)-1)
world_map1 <- fortify(world_map)
world_map_data <- join(world_map1, xs, type = "full")
mydata <- read.csv("https://raw.githubusercontent.com/ljtyduyu/DataWarehouse/master/Rstudy/wold_map/Region_map.csv")
world_data <- join(world_map_data, mydata, type="full")ggplot(world_data, aes(x = long, y = lat, group = group,fill =Class)) +
geom_polygon(colour="grey95")+
scale_fill_manual(values=c("#FFB19B","#33A658","#C4E3F7"))+
theme_void()从上图中色块面积可以看出来，显示橘红色的是第一批国家，主要分布在亚洲、大洋洲;绿色是第二批国家，主要分布在南亚和西欧国家。
浅蓝色是尚未加入的国家，特别值得注意的是，那些暂时还没有加入CRS的国家主要分布在非洲（还有就是美国）。
那么那些高收入群体，都习惯把财富和收入存放在海外哪个国家（或者地区）呢？
当然是藏在海外财富聚居地啦，这些地方又常被称为“避税天堂”，也就是那些为吸引外国资本流入、繁荣本国或本地区经济，在本国或本地区确定一定范围，允许境外人士在此投资和从事各种经济、贸易和服务活动，获取收入或拥有财产而又不对其征直接税、或者实行低直接税税率、或者实行特别税收优惠的国家和地区。
据根据税收正义联盟的测算，全球流向避税天堂财富的实际数字高达32万亿美元（不含不动产和贵重金属等）。其中前三位分别是中国的1.189万亿美元、俄罗斯的8000亿美元，以及韩国的7790亿美元。也就是说，在全球“隐形财富”中，仅中国通过避税天堂藏匿的资金就达到了5%！
根据发展援助组织乐施会（Oxfam）公布的“全球最佳避税天堂”的名单，全球“最佳避税天堂”按照排名依次是：
1、百慕大（英国）
2、开曼群岛（英国）
3、荷兰
4、瑞士
5、新加坡
6、爱尔兰
7、卢森堡
8、库拉索
9、中国香港
10、塞浦路斯
11、巴哈马
12、泽西岛
13、巴巴多斯
14、毛里求斯
15、英属维尔京群岛（英国）
以上15个“最佳避税天堂”中，有四个是英国的海外领地：百慕大地区、开曼群岛、泽西地区、维京群岛。特别是其中的开曼群岛里，注册着大量中国一线的互联网巨头公司（百度、阿里巴巴、奇虎360等），其次是欧洲：荷兰、瑞士、爱尔兰、卢森堡与塞浦路斯。
midpos <- function(AD1){
mean(range(AD1,na.rm=TRUE))}
centres <- ddply(world_data,.(COUNTRY),colwise(midpos,.(long,lat)))
target_state<-data.frame(Region.C.=c("百慕大（英国）","开曼群岛（英国）","荷兰","瑞士","新加坡","爱尔兰","卢森堡","阿鲁巴（荷兰）","中国香港","塞浦路斯","巴哈马","泽西岛（英国）","巴巴多斯","毛里求斯","英属维尔京群岛（英国）"),Scale=seq(1,30,2))
target_state<-target_state%>%merge(mydata[,c("Region.C.","COUNTRY")],by="Region.C.",all.x=TRUE)
target_state<-target_state%>%merge(centres,by="COUNTRY")
ggplot() +
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)+
scale_size_area(max_size=12,guide=FALSE)+
theme_void()
从以上15大避税天堂在全球的分布集聚地可以看到，最为密集的就是加勒比海和西欧了（除了 中国香港、新加坡、毛里求斯之外）。
好了干货完了，接下来打一波广告：
9月12日晚8~10点，有一场关于ggplot2的微课，主要内容如下：
1、ggplot2图层语法的核心理念
2、ggplot函数与geom_xxx函数间的父子继承关系
3、美学映射参数写在ggplot函数内与写在geom_xxx内的差异
4、美学映射参数写在aes函数内部和写在aes函数外部的差异
5、颜色标度一共有几种类型和写法，在不同模块中是否能够共用
6、如何结合实际业务与引用场景进行颜色标度选择
7、多图层叠加时，如何解决颜色标度冲突的问题
8、分面函数的权限控制
9、主题框架与模块间的继承关系
10、主题函数更新与替换方案
11、图形输出与高清抗锯齿渲染
其实这些问题都是之前我学习过程中走过的弯路，随着练习的案例越来越多，这些问题一步步全都解决了，其实如果你能有心看完我的所有关于ggplot讲解部分，差不多这些问题也都能全部理解。
福利来了
扫描下方二维码加关注
原价19.9元课程免费获得！