数据挖掘技术在反洗钱工作中应用现状及深化应用建议.doc

数据挖掘技术在反洗钱工作中应用现状及深化应用建议摘 要：在分析当前反洗钱资金监测中大额和可疑交易数据分析工作面临数据量大与技术滞后矛盾的基础上，通过总结概括数据挖掘技术在国内外反洗钱工作的应用现状，针对可疑交易分析中深化数据挖掘技术应用层面提出参考性建议。 关键词：反洗钱；数据挖掘；可疑交易 中图分类号：D92 文献标志码：A 文章编号：1673-291X（2012）12-0091-02 当前，面对洗钱手段多样化、程序复杂化的严峻态势，以及有限监管资源与监管范围日益扩大之间的突出矛盾，反洗钱工作的高效开展势在必行。从反洗钱工作的核心内容即大额和可疑交易的分析识别这一切入点着手，可大大提高反洗钱工作监管实效，如何从海量的混合类型属性甚至半结构化的金融数据中挖掘出与洗钱活动相关的交易数据，为发现可疑交易线索提供数据支持，需要我们在方法上进行探索，在应用上进行实践。 一、反洗钱大额和可疑交易报告中存在的主要问题 自《金融机构反洗钱规定》、《金融机构大额交易和可疑交易报告管理办法》等法律规章制度实施以来，可疑交易的报告、分析工作在防范和打击洗钱犯罪方面发挥了积极的作用。但是在数量庞大、可利用率不高、关联性不强的可疑交易数据中进行主观的人工筛选分析判断，存在分析技术单薄与交易数据庞大之间的强烈反差，使得可疑交易分析识别工作量和难度加大，可疑交易数据分析识别不能很好适应反洗钱工作形式变化的要求，存在以下几个方面问题： （一）数据报送量大，可利用价值低 由于金融交易日常数据量庞大，加之金融机构防卫型报送，每天接受大额和可疑交易报送数据数以亿计，需要监测分析系统和工作人员进行数据处理，但是大量无价值数据、重复报送甚至虚报的数据造成对系统资源和人力的低效运作。 （二）系统依赖性强，人工分析技术水平低 金融机构将大额和可疑交易报告法规中客观标准设为反洗钱系统中的提取要件，由系统自动提取符合条件的交易数据。由于金融机构对可疑交易报告中人工审核数据的重要性认识不足，普遍依赖系统自动提取，没有严格按照大额和可疑交易报告的要求进行人工审核，无法排除系统提取中存在的重复、虚报交易。进行人工审核的金融机构分析技术也比较单一，不能实现对交易账户、交易行为的动态关联分析。 （三）客观标准易于规避，自适应性差 明确的大额和可疑交易报告标准虽然给分析人员识别大额和可疑交易行为提供了有力参考，但是也容易被洗钱分子所规避，其监管实效性大打折扣。此外，洗钱行为会因不同区域、不同金融发展水平而不同，统一规范标准无法适应洗钱行为多样化的现状。 二、数据挖掘技术在反洗钱工作中的应用现状 20世纪90年代产生和发展的数据挖掘技术又称数据库中的知识发现，能够从海量数据中发现隐藏的关系和模式，已在购物栏分析、客户关系管理、产品质量分析、基因工程研究、互联网站点访问模式等许多领域得到成功应用，作为新兴技术，其在金融领域中的应用研究也是近几年才开始。由于数据挖掘技术适合对数据类型多、关系复杂、动态性、数据量大等类型信息的分析，并且其高度程序化的特征决定数据分析具有客观性、可以排除人为干扰因素，使数据挖掘技术能在反洗钱工作中迅速推广应用。 （一）国外应用现状 发达国家在数据挖掘技术应用方面已经取得了一定成绩，不仅建立了专门分析和收集情报的金融情报中心（FIU），而且建立了功能强大的反洗钱系统：美国金融犯罪执法网络的FAIS（FinCEN Artificial Intelligence System）系统综合使用了人工智能技术和基于案例的推理、黑板等分析技术，将数据分析视角从交易导向转为对象（如人或者组织）导向，对每一笔交易、对象、账户都用336条规则逐一进行测试，相应每条规则给出是否为合法或非法的判定结果，再用贝叶思推理对每个项目的可疑性进行评定；澳大利亚交易分析和报告中心所开发的ScreenIT系统使用数据挖掘技术实现了对可疑交易报告的自动筛选。 （二）中国应用现状 中国应用数据挖掘进行可疑交易分析还处于起步阶段，信息技术应用水平还比较低。但是中国反洗钱中的数据挖掘技术应用和研究已经逐渐引起监管部门及理论界的重视，技术应用层次和认识程度明显提高。目前反洗钱系统中应用的数据挖掘技术主要有：聚类分析、决策树分析、孤立点分析和序列模式分析等以实现对交易数据的分类、关联规则和异常行为等分析。应用手法上主要停留在对各种不同分析技术的简单应用，缺乏综合系统性地应用。 关于反洗钱工作中数据挖掘技术的应用研究目前理论界的主要趋势包括两个方面：一是基于账户或交易行为的研究，力求通过采用新的方法提高可疑交易发现的灵敏度和可疑交易判别的可信度；二是基于反洗钱系统总体结构框架和功能的设计构想，力求通过逐步