【金融视点】优化反洗钱交易监测模型，更有效地识别可疑交易

（本文内容已发表于反洗钱工作部际联席会议办公室（中国人民银行反洗钱局）主办的《中国反洗钱实务》2022年第2期）

2022年1月，以中国人民银行和公安部为牵头单位，11个相关部门联合发布了《打击治理洗钱违法犯罪三年行动计划（2022—2024年）》，并在全国范围内开展打击治理洗钱违法犯罪的三年行动。此次行动无疑对金融机构设计和应用好反洗钱交易监测模型，配合相关部门更及时和有效地甄别洗钱可疑交易提出了更高的要求。

一、金融机构反洗钱交易监测模型存在的问题

为深入实践风险为本的反洗钱工作原则，指导义务机构提升大额交易和可疑交易报告工作有效性，中国人民银行于2017年印发了《义务机构反洗钱交易监测标准建设工作指引》（银发〔2017〕108号），帮助金融机构科学地开展反洗钱交易监测标准和监测模型建设。

该指引要求金融机构系统地收集与洗钱犯罪相关的案例，总结归纳相应的洗钱特征，然后将特征转化为可以用于建模的监测指标，最终将指标组合形成模型。这个指导性的建模思路从当前的同业合规实践来看，是比较严谨且行之有效的。但是金融机构在现阶段的实践操作中仍然会遇到以下挑战。

较少主动和持续地收集和整理相关的洗钱及上游犯罪案例及特征

一些金融机构会定期收到中国人民银行及其分支机构发布的反洗钱、反恐怖融资规定及指引、风险提示、洗钱类型分析报告和风险评估报告等，但较少主动收集和整理相关的洗钱及上游犯罪案例及特征，对分业务场景的风险信号的提取、归纳、整理也缺少持续机制，制约了后续的模型设计工作。

收集洗钱及上游犯罪案例的挑战

相关的风险信号难以合理地转换为监测指标和模型业务需求

不管是采用自建还是外购系统的方式部署反洗钱交易监测，都要求金融机构合规人员能对收集到的案例、特征加以分析，针对自身所处的行业、提供的产品和服务、服务的客户类型特性去设计相应的监测模型指标。这个环节在当前同业实操上仍有相应的难度。

一些对数据要求较高的风险信号对金融机构建立相关监测指标和模型提出了挑战。例如，银行业所涉及的贸易融资相关交易需要将单证和报文信息整合进监测环节，机构难以收集分散在不同系统中的信息要素，整合进统一的指标和模型难度较大。

一些风险提示针对近年来的一些新的金融产品和业务（如虚拟资产、货币相关交易），这些产品和业务风险对于整个行业来说都是比较新的研究课题，大部分反洗钱系统提供商也暂不提供上述监测场景，对合规人员的业务理解和制定前瞻性的风险控制策略的能力提出了较高要求。

缺少持续地对模型有效性进行评估、验证和优化的方法和机制

一些金融机构认为交易监测系统和模型建设是可以“一劳永逸”的，系统和模型建成后就不用再投入时间和精力关注模型表现，这样可能造成模型的监测效果随着时间的推移下降，进而漏报或误报可疑交易。

此外，一些金融机构没有系统的方法去评估模型输入和输出结果的有效性，包括如何评价模型对洗钱风险信号的覆盖程度、监测指标所需数据的质量状况、模型参数设置的有效性及效率等，这些都可能会最终影响可疑交易上报质量。

二、金融机构优化反洗钱交易监测模型的路径

强化反洗钱舆情分析，指导交易监测建模设计，关注新的犯罪手法和场景

为更有效地收集、整理、分析交易监测模型所需要的监测特征和指标，金融机构应注重建立和健全反洗钱舆情和风险信号分析机制。该机制应该至少包括建立特征信息收集的渠道，规范特征信息采集的数据标签，以及建立对特征信息进行分析和指标化的方法。

对于特征信息的收集，除关注监管机构定期发布的洗钱风险提示外，金融机构还应该结合自身资产规模、地域分布、业务特点、客户群体、交易特征等，主动地收集行业、区域、产品所涉及的洗钱犯罪风险点，论证对机构自身的适用性。

例如，一些金融机构主动从公开渠道收集司法实践数据，包括以不同洗钱罪为关键词对司法判决进行分类搜索，然后标签化地提取判决中所涉及的洗钱犯罪手法，提炼出具有典型性的特征信息。标签化的信息处理也可以快速匹配后续的监测和管控手段，如“涉及交易类型”可以帮助金融机构在后续建立监测指标时把监测范围缩小到该对应的交易类型上，更加有的放矢地识别可疑行为。

反洗钱舆情和风险信号分析示例

此外，金融机构需要对新的犯罪手法和承载对应交易的产品及服务进行持续跟踪。负责模型设计的人员需要对新业务和产品的特性及其存在的洗钱风险进行深入了解。新型犯罪可能涉及多种产品，如犯罪分子进行虚拟货币交易往往涉及跨境汇款交易，可能还会和贪污腐败、诈骗、网络赌博等上游犯罪相关联，这需要解析相关特征后，结合机构自身可能涉及的业务特点，制定交易监测指标。

建立反洗钱模型周期性审阅及优化的长效管理机制

对反洗钱交易监测模型的评估和优化不是一朝一夕的，更需要金融机构持之以恒，以应对外部和内部的变化。根据人民银行相关要求，义务机构应当按年度对交易监测标准进行定期评估，并根据评估结果完善交易监测标准。在推出新产品或新业务之前，义务机构应当完成相关交易监测标准的评估、完善和上线运行工作¹。

金融机构应配备合适的团队周期性开展模型重检和优化工作，并且配套形成明确的模型评估和调优方法，指引相关工作的开展。业内较先进的做法是从模型的业务需求入手，分析输入数据的可获得性和质量，然后根据分析模型历史预警的有效性评估模型的性能，优化参数配置。

由此可见，一个好的系统必然也需要在功能上准确地收集模型审阅的结果（最好也能实现标签化的存档），方便模型调优人员在分析过程中调阅，形成不断提升的良性循环。

一个常见的模型审阅和优化机制示例

<< 左右滑动查看更多 >>

注重科技手段在建模过程中的应用

科技毋庸置疑地会在反洗钱合规管理环节扮演越来越重要的作用，前沿科技在交易监测的建模过程中的应用也非常广泛。2021年7月，金融行动特别工作组（FATF）发布研究报告，论证新技术在反洗钱应用中的机会和挑战²。

FATF指出，新技术不仅能使金融机构的反洗钱和反恐怖融资措施更快捷、更低成本、更高效，还能促使机构以更精准、更全面的方式来评估洗钱与恐怖融资风险。同时，FATF强调了人工审查与人力投入的重要性，只有将数字化解决方案的精准高效性与人工专家分析技能相结合，才能以最有效的方式响应反洗钱和反恐怖融资要求，使其具备充分的可稽核性与可问责性。

新兴科技手段在反洗钱领域的应用示例

一是科技可以加速反洗钱监测所需内外部信息的收集和整合。在反洗钱舆情分析环节，自然语言识别（NLP）技术可应用到关键信息的提取环节，对外部信息平台收集到的如法院判决书进行语义分析，自动提取出关键信息要素，节约了大量原本需要人工分析工作的时间。

二是快速发展的机器学习技术为反洗钱建模的算法选择提供了更多的灵活性。例如，FATF研究提到，一家新加坡金融机构联合监管科技公司合作设计了一套机器学习解决方案，使交易监测模块能够根据交易监测警报的风险分类与评级结果进行优先级排序，使金融机构能够更有效地开展可疑交易甄别工作。同时，该模型具有一定的自学能力，当它识别出可疑活动的模式时，会创建一个智能规则并将其添加到后台洗钱风险特征库中，持续优化模型算法。当然，此类AI模型算法的可解释性是非常重要的，金融机构需要审慎地分析模型如何通过输入变量得到相应结果，因为纯粹的“黑盒子”式的建模无法帮助后续研判时理清犯罪交易链路，快速定位可疑交易研判理由中需完整记录的客户身份特征、交易特征或行为特征。

三是应持续完善可疑交易类型分析机制，保证事后人工分析识别力度，避免单纯依赖交易监测模型预警结果，将客户尽职调查和可疑交易预警分析工作有效贯通。在实践中，存在很多科技赋能点，金融机构可以利用科技手段（如机器人流程自动化），将人工分析中涉及重复劳动的行为（如调取客户尽职调查信息和定期的历史交易辅助研判）或一些规则型的简单分析工作进行自动化，提高人工分析的效率。

注释

1. 参见《中国人民银行关于〈金融机构大额交易和可疑交易报告管理办法〉有关执行要求的通知》（银发〔2017〕99号）。

2. FATF, Opportunities and Challenges of New Technologies for AML/CFT, July 1, 2021.

附言