大数据技术在金融行业反洗钱业务的应用分析

【摘要】 ： 我国反洗钱工作是在21世纪初为适应国际反洗钱 （ AML ） 形势发展而逐步开展起来的，反洗钱监管体系从无到有，从初级阶段向成熟阶段迈进。 近年来，随着互联网的蓬勃发展，社会金融活动开始融入各种新型环境，例如移动互联网、物联网、社交网等。随着金融业务载体的不断丰富和发展，数据和业务逻辑都变得纷繁复杂，这给监管的反洗钱业务带来巨大挑战。本文试从金融科技角度阐述大数据技术如何解决反洗钱业务面临的巨大挑战。

【关键字】 ： AML 、 物联网、大数据

1. 引言

反洗钱(AML)是 一个 全球性问题。 近年来 ，我国陆续出台《银行业金融机构反洗钱和反恐怖融资管理办法》等规定，不断提升金融机构的反洗钱和反恐怖融资工作水平。从国内 来 看，金融科技发展方兴未艾，正在逐步重塑现有的金融体系生态。 但是随着互联网的发展，互联网金融业务及加密数字货币等新型金融载体使得洗钱行为更加隐秘，数据量更加纷繁复杂，洗钱环节更加国际化。从国际的视角来看， 2019年以来，中资银行卷入美国对受制裁国家的反洗钱调查。新形势下反洗钱相关的规章制度更加严格，反洗钱已成金融合规中的道德高点，并受监管高度关注。金融机构为符合新规 新标 而付出的 代价 越来越大， 如何 降低 此成本 也成为金融机构关注的焦点问题。

在此背景之下，追求一种新型的技术工具来帮助金融企业从这些海量业务数据当中拨开数据本身的五花八门的表现特性而直接获取其本质信息，能够高效抓取那些高超并隐蔽的洗钱行为，成为业内共识。在这个历史阶段，大数据技术以其优秀的数据处理能力和超强的业务算法融合能力逐渐在这个行业展露头角，并且以其低廉的性价比逐渐代替传统数据仓库模式下的反洗钱工具。但是，目前大数据在反洗钱领域的应用只能称之为初级发展阶段，机遇与挑战并存。

2. 反洗钱业务发展现状及趋势**

2.1 国内反洗钱法规制度发展现状**

2008年以来，中国反洗钱工作参照国际标准，确立了中国反洗钱法律、监管和组织机构的基本框架，建立起了较为完整的反洗钱制度。

（1） 立法方面，全国人大常委会两次修订《刑法》，目前已经形成了反洗钱相关的核心条款，覆盖了主要的洗钱行为。2006年审议通过《中华人民共和国反洗钱法》，从法律上确立了中国反洗钱行政管理体制，明确了金融机构的反洗钱义务。中国人民银行对2003年颁布的三个反洗钱规章进行了修订，相继颁布或会同有关部门颁布了《金融机构反洗钱规定》等反洗钱规章，将反洗钱监管范围由银行业金融机构扩大到证券业、期货业、保险业等金融机构，调整了大额和可疑交易报告的标准、路径、时间等内容。

（2） 制度方面，中国人民银行于2004年专门成立了中国反洗钱监测分析中心，目前已与大多数金融机构实现了数据的联网报送，形成了覆盖全国金融业的反洗钱监测分析网络。中国人民银行颁布了一系列规范性文件，开展反洗钱检查和调查，并与公安部门等在案件协查方面建立了合作机制。2006年，国家外汇管理局反洗钱职能、机构、人员和信息系统向中国人民银行划转，实现了反洗钱本外币的统一管理。现在，中国人民银行36个副省级以上分支机构都设立了反洗钱处，为反洗钱工作的发展提供了组织保障。

2.2 国内反洗钱业务在金融行业应用现状**

从2003年人民银行颁布的相关法规政策之后，我国的反洗钱工作首先在银行业开始，金融反洗钱制度体系初步建立。这一阶段，商业银行大额、可疑交易主要依靠柜面人工识别和报送，柜面反洗钱工作的重点是培育柜员反洗钱意识，实现大额交易如实报送、可疑交易报告“0”的突破。2007年起，《反洗钱法》及配套规章的相继出台实施，为反洗钱监管工作提供了法制化的平台和新的发展机遇。各商业银行逐步建立反洗钱监测系统，实现了系统自动筛选可疑交易数据，柜面人工甄别上报，可疑交易报送量急速增长。这一阶段的反洗钱工作重点主要是对系统自动提取的可疑交易数据，人工进行甄别、判断、报送。经过了前两个阶段的发展，商业银行反洗钱意识已经树立。2012年起，人民银行确立了“风险为本”的反洗钱工作思路。这一阶段要求商业银行反洗钱工作中积极关注“高风险客户和业务”。

2.3 国际反洗钱未来的发展趋势**

据欧洲银行管理局(EBA)称，洗钱是欧盟2020年的首要任务，洗钱和恐怖融资是主要威胁风险。为了解决这一问题，EBA 将成立一个新的委员会，通过对不同政策的可重叠执行来确保对这一问题采取合作的方式。其目的是调查违反“反洗钱”法规的行为并采取必要的行动。以下是 2020年“反洗钱”值得关注的一些趋势:

（1）监管体制改革

洗钱丑闻一直是头条新闻。例如，丹麦银行的丑闻，过去几年，在欧洲各银行间不受约束地流动的嫌疑人数量之多，令人担忧。2020年，欧洲当局在处理金融犯罪时，将不再那么宽容，而是在执法方面更加自信。由于英国致力于成为打击金融犯罪和实施有效金融监管的领导者，今年颁布的《反洗钱法》将赋予英国引入自己的《反洗钱法》的权力。除了英国以外，美国将通过引入新的金融科技监管来保持其金融监管基础。

（2）数字加密业务的标准AML规则

随着全球加密货币的继续采用，加密技术带来了“反洗钱”风险，有关部门为此进行了大量努力。现在是时候让交易所和矿业采取经过深思熟虑的方式，允许在严格限制下进行贸易和投资了。加密货币的不平衡促使了全球监管框架的发展。欧盟于2020年实施的第五项反洗钱指令 AMLD5，将使今年即将编制的加密货币交易所的“反洗钱”义务落空。所有这些都说明，在加密货币的全球监管中，影响重大的举措有望促使该行业采用新的监控工具。因此，这类交易所将不得不遵守“反洗钱”规定。

（3） 金融科技推动智能反洗钱的需求

在2020年，大量公司将转向自动“反洗钱”检查，以便在这个竞争激烈的金融科技环境下，在消费者越来越多的接受和随后的交易量中更快地扩大规模。手动“反洗钱”会产生大量误报，使得机上客户和处理支付变得困难。在这么多的虚假警报中，很有可能漏掉了真正的洗钱者。因此，企业正采用“反洗钱”和“反洗钱”的数字解决方案，以检查其交易对象。这种自动化需要更少的时间和成本效益。

3. 国内金融业反洗钱业务发展遇到的困难**

3.1 面对海量数据压力**

目前，虽然各商业银行均根据监管要求建立了反洗钱监测系统，实现了数据自动监测、采集、筛选等功能，但最核心的数据甄别、分析工作仍需依靠人工完成。商业银行在反洗钱监测系统设计时，为避免模型运行中漏筛数据产生系统性风险，往往仍较为保守和谨慎，系统对照监管部门可疑交易标准筛选出的数据量仍然巨大。以某商业银行为例，2014年系统共自动生成疑似可疑报告约 228 万份，平均每个机构每个月约需处理近 200 份可疑报告，其中每份报告中又包含大量明细数据，这些数据均需要反洗钱信息员人工甄别处理，部分数据还需要补录。通过对约100 家机构的随机调查，反洗钱信息员平均每天反洗钱数据分析处理时间约为1小时，而根据人民银行反洗钱报告统计显示，成功破获的洗钱案例占所有报送的可疑交易报告比例约为 0.04 至0.16反洗钱信息员在茫茫的“数据海”中，很难快速、有效地识别出有价值的数据，极易滋生出“应付”情绪，满足于“完成操作”，从而造成反洗钱工作仍无法适应当前“风险为本”的监管要求 。

3.2 传统挖掘模型识别准确率和效率问题**

在我国反洗钱体系建立之前，对不同客户身份的识别要求已存在一系列制度规范，并已得到商业银行和社会公众的广泛认可。反洗钱相关制度虽然确立了“了解你的客户”原则，但并没有具体“量化”融合到业务操作流程层面，商业银行客户识别工作流程仍基本按照现有账户管理要求在操作。由于账户管理制度制定之初并非针对反洗钱而设立，与反洗钱制度存在一定的差异，反洗钱制度与柜面业务制度的双向渗透不足，常使商业银行操作陷入“两难”境地。如商业银行对客户持续识别的一个重要措施就是账户年检，但近年来人行各地账户管理部门对客户账户年检所需资料有简化趋势，商事制度改革取消营业执照年检后，账户年检更加被弱化。商业银行如仅按业务要求了解客户，则未必达到反洗钱监管要求；反之，商业银行如提出比相关业务规定更高的要求，则一方面由于缺乏权威性，公众配合度不高，另一方面，商 自 2003年人民银行组织反洗钱工作以来，经过十几年的实践，商业银行反洗钱工作渐成体系，水平不断提高。但从商业银行反洗钱实务来看，商业银行反洗钱工作中仍存在一些问题和难点，未能较好适应“风险为本”管理要求、充分实现资源向高风险业务倾斜。

3.3 反洗钱数据存在“信息孤岛”**

商业银行反洗钱各环节工作相孤立现象仍突出。“了解客户”“等级分类”“可疑报告分析”等往往隶属于不同部门、不同层级，自成体系，各环节较为孤立，就像一座座孤岛，缺乏有效的联通、联动机制，对已有识别成果的综合利用不充分。例如，对客户的了解和持续了解往往停留在经办人员对身份证件的形式审核上，客户部门实质性审查不足；而柜面、电子银行部门等也一般会比较关注自身的业务，线上线下的反洗钱融合较少。又如，相关部门或机构在受理司法部门对客户的调查等事项时，未能将其纳入反洗钱流程，在客户风险评定、可疑交易识别等各环节实现信息共享，反洗钱资源利用不足。

4. 大数据技术在反洗钱业务的优势**

4.1 大数据对海量金融数据的处理能力**

所谓海量数据处理，就是数据量太大，无法在较短时间内迅速解决，无法一次性装入内存，这样的话传统的处理数据的算法就无法在单台服务器上或者单套系统上来实现对数据的加工和处理，也就无从谈起反洗钱模型的分析了。而这个正是大数据技术得天独厚的优势，它正是为此场景而诞生，大数据技术对于海量数据处理的基本方法总结起来分为以下几种：

（1）分而治之/hash映射 + hash统计 + 堆/快速/归并排序；

（2）双层桶划分；

（3）Bloom filter/Bitmap；

（4）Trie树/数据库/倒排索引；

（5）外排序；

（6）分布式处理之Map/Reduce；

大数据技术会利用以上的各种算法把海量数据形成的复杂问题简单化，具体处理数据的时候，它总是可以将海量的数据作业拆分成同样的步骤交由多个节点并行完成同类的工作任务，然后将不同节点处理的数据子集再进行汇总分析处理。这样就可以把整个复杂任务的工作压力分散到多个节点，需要最终结果的时候再把分散的半加工数据进行集中处理。

金融机构在面临互联网飞速发展的背景，在金融业务的开展过程中，每天都会产生海量数据。一方面是金融业务行为日益多元化复杂化，不同渠道、不同交易、不同场景、不同三方等都会给企业带来大量的数据，而且数据模式多样化；另外一方面是由于互联网手段的介入，业务范围不再受地域限制，交易数量源源不断，从而产生了数以亿计的交易信息、作业信息、影像视频、客户访问以及客户投诉评价等交互信息。反洗钱业务同样需要进行不同数据的关联分析和系统分析，才能判断准确。在判断客户交易是否可疑时，前提条件是确定客户的真实身份，提高客户身份识别的准确度才能提高可疑报告的质量，这就需要不同数据的关联分析。银行在进行反洗钱报送可疑数据过程中，需要将可疑数据与客户所属地域、行业、经济程度等个人身份特征相联系才能保障反洗钱调查的实效性。而利用大数据技术后，则解决了这些难题。利用大数据技术，整合企业内部甚至相关三方数据资源，构建一个统一的反洗钱数据资源池，然后进行全面分析，这将大大缩短反洗钱报送业务响应时间，提升反洗钱工作的效率。

4.2 大数据平台对反洗钱AI模型的融合能力**

大数据平台只是一个数据处理平台，它不针对任何特定业务模型和算法，相反它可以将所有适合的业务算法和模型融入到平台处理当中。也就是说我们的开发人员可以根据自己的特定业务流程和算法来设计适合自己的大数据模型。那么我们的人工智能算法很多都是要依赖大量的数据处理、机器学习工作才能更智能，比如说神经网络、蚁群算法、分层聚类等都是需要仿真推演一个很长周期的演变过程才能得出最优结论，一方面需要大量的数据支持，另外一方面需要一群而不是一个可以运行AI模型的计算群体，这些特点都与大数据技术有着天然的契合点。

再说我们的反洗钱业务，美国信用评分公司FICO提出应将人工智能技术融入反洗钱中形成智能化的反洗钱框架。智能化反洗钱框架是反洗钱领域应用监管科技的理念框架，实践中是将一系列监管科技工具组合使用，金融机构可使用这些工具提高反洗钱合规效率。这些功能主要包括身份认证与管控(Identity Management & Control)和监管报告(Regulatory Reporting)两大方面。智能化反洗钱框架重新定位了反洗钱合规功能。人工智能在金融机构的应用范围非常广泛，最多的是在风控、合规、监管、内控等领域，具体包括交易反欺诈、反洗钱、内控审计和营销反欺诈，在这些场景中，会应用机器学习算法分析客户基本信息，以识别可疑交易、欺诈账户，甚至风险洗钱的团伙等。此外还有智能运营领域，包括风险定价、信用评估、产品推荐，甚至在公开市场上的投资研究、信号提取和投资组合推荐。

通过上述分析，反洗钱业务场景在大数据平台上去运行自己的AI模型，将会本质上提升业务效率和反洗钱的业务能力。

4.3 大数据对不同金融数据的整合分析能力**

前文我们提及在今天的互联网时代，反洗钱业务所需关联分析的各类数据会存在于不同的渠道、不同的系统、不同的平台，其数据形式表现为各种结构化、非结构化、半结构化模式。也就是说，我们做一个反洗钱的报送业务，需要从不同的地方采集不同类型的数据进行整合分析处理。根据金融行动特别工作组2017年11月发布的《私营部门信息共享指引》建议，公共部门和私营机构在保密可控的前提下，将打破信息孤岛，实现信息的共享。金融机构可考虑利用API技术，打破内外部信息壁垒，串联多方系统，或向第三方借力去调取数据，综合分析客户异常交易行为。这些数据来源不同、差异性大且互相印证，可将客户身份全息图景画像越描越细，分析结果更加真实并具有前瞻性。

我们传统的反洗钱技术处理工具，无论是数仓技术还是其他单一处理手段都无法满足今天的反洗钱对数据采集模式和多元化数据整合处理的要求。只有通过将各种数据采集工具融合到大数据平台上，才能完成对不同数据源采集到的数据进行整合；只有将大数据平台的计算群利用起来才能完成对二维表形式、日志形式、图像形式、文本形式等各类数据进行加工、整合以及分析，最终才能保障反洗钱报送结果或调查报告的真实性、完整性和有效性。

5. 总结与展望

反洗钱是当今世界各个国家都面临的安全问题。洗钱活动对国际安全和世界金融体系都造成了冲击，因此也引起各国的关注和重视。在今天这个信息大爆炸的互联网时代，伴随着金融业务的膨胀式发展，反洗钱业务也面临着巨大的挑战，同样因为有了大数据技术，它也面临着巨大的机遇。如何利用好大数据平台技术来发展和解决反洗钱难题一定是今天和未来的方向。当然也希望看到国内有更多有效的案例和更有细节的技术分析来指导我国的反洗钱业务。

参考文献**

[1] 初本德，杨德骅，师永彦，《国际反洗钱行动与中国外汇领域反洗钱实践》，中国金融出版社，2003.12
[2] 杨东，《监管科技: 金融科技的监管挑战与维度建构》，中国社会科，2018
[3] 孙国峰，《发展监管科技构筑金融新生态》，清华金融评论，2018

...