数据挖掘技术在金融反洗钱中应用.docVIP

数据挖掘技术在金融反洗钱中应用 　　[摘要] 我国反洗钱金融监管面临的突出问题反映在，现行反洗钱数据报告制度的海量数据、高误报率、缺乏自适应性和易于被规避等问题。针对这些问题，本文提出需运用数据挖掘技术来构建金融机构中可疑交易行为的识别方法。本文回顾了几种常见的数据挖掘技术在反洗钱领域中的应用，并从两个维度提出了基于金融账户的反洗钱可疑交易的识别方法的理论框架。 　　[关键词] 数据挖掘反洗钱 　　反洗钱的情报收集和分析工作，就目前的实践来看，尚未能够起到显著的指导作用。20 世纪90 年代数据挖掘技术的产生和发展, 为可疑交易数据分析工作提供了崭新的思路,极大地促进了反洗钱信息情报部门对报告数据的使用,数据挖掘技术必将在反洗钱实践中发挥重要作用。 　　 　　一、洗钱的概念及我国反洗钱工作中的不足 　　 　　目前关于洗钱的定义有很多种，国际上并没有一个统一的定义。《中华人民共和国反洗钱法》中第二条中关于的洗钱定义是：通过各种方式掩饰、隐瞒毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪、金融诈骗犯罪等犯罪所得及其收益的来源和性质的洗钱活动，依照本法规定采取相关措施的行为。 　　我国反洗钱工作主要是通过可疑交易报告制度完成的，而金融机构的反洗钱的情报收集和分析工作中目前存在主要问题为:(1）工作量大，误报率高;(2）预设标准易于为洗钱分子所规避;(3）无法自动适应洗钱形式的变化等。这就使得洗钱可疑交易行为的识别存在巨大的困难。 　　 　　二、数据挖掘技术在反洗钱中的应用 　　 　　数据挖掘是指从大量数据中提取或“挖掘”有趣的知识。目前，发达国家的反洗钱系统都充分利用了数据挖掘工具。在反洗钱领域中,人工智能、聚类分析、归纳算法、神经网络等都具有较强的适应性,具有广阔的应用前景。 　　1．人工智能在反洗钱调查中得到了快速发展。美国的FAIS系统综合使用了人工智能技术和基于案例的推理、黑板（blackboard）等人工智能技术，其独特的分析能力主要得益于其数据视角的转变：从交易导向转为对象（如人或者组织）导向。每一笔交易、对象、账户都要用336条规则去测试，每条规则都给出是否为非法或合法的判定证据，最后用贝叶思推理对每一个项目的可疑性进行评定。 　　2.聚类分析是一种非监督的数据挖掘技术。在反洗钱领域，聚类分析技术特别适用于从大量的交易数据中产生及时、准确的线索。由于洗钱方式多种多样，数据对象表现出来的分布也就各式各样，并不是所有的可疑账户都可以聚成一类。因此，在洗钱行为识别中，簇的数量是未知的，因洗钱方式的不同而不同。聚类分析中“簇的数量未知”这个特点刚好满足洗钱行为识别的这个要求。而且，由于其聚类分析的自动处理、非监督学习等特性使得其可以动态地适应洗钱手段的变化，也可以在一定程度上规避洗钱犯罪活动的自适应问题。 　　3.神经元网络是一种从人工智能领域发展起来的，模仿人脑神经元结构，用神经网络连接的权值表示知识,，过反复学习训练数据集，建立预测和分类模型的技术。神经网络方法可以用于加强反洗钱的调查工作，节省跟踪洗钱活动的时间。并能通过自动学习制定出最为有利的反洗钱整体分析方案，提高数据分析效率。特别是调查人员可以学习相关的策略，这对于分析将来的案例是十分有益的。 　　4.归纳算法，此方法可以用来产生决策树，树的每个分支都是一个分类问题。这种方法提供给反洗钱调查人员一系列彼此相互分离的独特路径，这些路径为分析者提供一个推理框架，帮助理解洗钱过程以及解决金融洗钱犯罪。反洗钱调查人员可据此总结出洗钱活动的共性和模式，然后通过对老的规则集进行改进建立起新的规则集,。并也可提供与反洗钱调查紧密相关的框架、结构。 　　 　　三、基于数据挖掘技术的金融账户洗钱调查方法 　　 　　金融机构在洗钱活动中处于极其重要的地位，常常被洗钱犯罪分子所利用。笔者认为要想判别一个金融账户交易行为是否正常，应从两个维度上来判断，一是纵向上，与自身过往历史行为模式比较；二是，横向上，与其他账户之间做比较分析，从而发现此账户是否存在洗钱活动。 　　在横向上，本文认为，横向上应该采取聚类分析和孤立点探测相结合的方法。首先，通过采集一些与待识别客户身份与业务特征类似的正常客户的样本信息，建立参照组。然后，对样本数据集进行聚类分析，分析结果中将出现聚类数据和离群数据，删除其中的聚类数据。经过上述数据准备处理后，对于剩下样本，采用局部孤立点算法，对每个样本计算其孤立值。最后，根据孤立值的大小对这些样本进行排序。根据孤立值排序的结果也就是每个账户在相关属性上的可疑程度顺序表，监管中心可以根据自身资源情况和这个顺序表决定深入调查的账户对象。 　　在纵向上，判断账户的即时交易行为是否符合其一惯的