交易監測分析是怎麼個監測法

A. 簡單說明可疑交易分析要點有哪幾方面

1、金融機構發現或者有合理理由懷客戶、客戶的資金或者其他資產、客戶的交易或者試圖進行的交易與洗錢、恐怖融資等犯罪活動相關的，不論所涉資金金額或者資產價值大小，應當提交可疑交易報告。

2、金融機構應當定期對交易監測標准進行評估，並根據評估結果完善交易監測標准。如發生突發情況或者應當關注的情況的，金融機構應當及時評估和完善交易監測標准。

3、金融機構應當對通過交易監測標准篩選出的交易進行人工分析、識別，並記錄分析過程；不作為可疑交易報告的，應當記錄分析排除的合理理由；確認為可疑交易的，應當在可疑交易報告理由中完整記錄對客戶身份特徵、交易特徵或行為特徵的分析過程。

4、金融機構應當在按本機構可疑交易報告內部操作規程確認為可疑交易後，及時以電子方式提交可疑交易報告。

(1)交易監測分析是怎麼個監測法擴展閱讀：

反洗錢可疑交易的要點分析：

法律依據：人民銀行《金融機構大額交易和可疑交易報告管理辦法》第十一條： 商業銀行、城市信用合作社、農村信用合作社、郵政儲匯機構、政策性銀行、信託投資公司應當將下列交易或者行為，作為可疑交易進行報告：

（一）短期內資金分散轉入、集中轉出或者集中轉入、分散轉出，與客戶身份、財務狀況、經營業務明顯不符。

解析：資金分散轉入、集中轉出是指10個工作日內從多個賬戶向一個賬戶轉入資金後，又將與所轉入資金累計金額大額相當的資金轉向另一個賬戶；資金集中轉入、分散轉出是指10個工作日內向某一賬戶轉入資金後，又在短期內分多次將與所轉入資金金額大致相當的資金轉往其他多個賬戶。

（二）短期內相同收付款人之間頻繁發生資金收付，且交易金額接近大額交易標准。

解析：10個工作日內相同收付款人之間（不含同名賬戶之間的交易）營業日發生3次以上，或者營業日發生持續3天以上的資金收付，且交易金額接近大額交易標准。

（三）法人、其他組織和個體工商戶短期內頻繁收取與其經營業務明顯無關的匯款，或者自然人客戶短期內頻繁收取法人、其他組織的匯款。

解析：法人、其他組織和個體工商戶10個工作日內營業日發生3次以上，或者營業日發生持續3天以上收取與其經營業務明顯無關的匯款；自然人客戶10個工作日內營業日發生3次以上，或者營業日發生持續3天以上收取法人、其他組織的匯款。

B. 誰有開展可疑交易監測的技術條件說明。謝謝！

可疑金融交易識別是一個比較復雜的過程，能否有效識別業已發生的可疑金融交易，並對未來可能發生的洗錢模式做出預測，在很大程度上取決於所採用的識別方法、技術和手段的有效性。當把數據挖掘技術應用於可疑金融交易識別時，不單要選擇適當的挖掘方法，還要結合相關領域知識對其進行優化和創新。由於金融交易方式的多樣性，交易主體行為的不確定性和交易記錄的時變性，使得在可疑金融交易識別領域，單一檢測方法往往存在適用性、效率和條件約束等問題，難以對金融交易的整體可疑度進行判斷。要達到理想的識別效果，必須在深入分析金融交易信息的基礎上，結合領域知識，選擇科學合理的信息匯總判定方式，綜合各種檢測方法發現的可疑線索，對金融交易記錄的可疑度作出快速准確的整體判定。
作為一種基於概率的不確定性推理方法，貝葉斯法則在處理不確定信息的智能化系統中已得到了廣泛的應用。樸素貝葉斯分類是一種基於統計學的分類方法，用於預測類成員關系的可能性。應用於海量數據分析，貝葉斯分類表現出高准確率和高速度。同時，貝葉斯分類具備自適應功能，通過學習新的洗錢交易及正常交易樣本，貝葉斯分類能反映最新的洗錢交易手法變換，為反洗錢監測提供一種快捷高效的方法。


一、相關研究

國外關於反洗錢信息技術的應用研究起步較早，20世紀70年代就開始了反洗錢立法方面的研究，而將信息技術應用到反洗錢領域的研究也在20世紀90年代就已開始。Senator（1995）較為系統地介紹了FinCEN（FinancialCrimes Enforcement Network，金融犯罪執法網）的FAIS（FinCEN ArtificialIntelligence System，FinCEN人工智慧系統）的系統結構、監測識別關鍵技術及其應用。FAIS綜合採用各種人工智慧技術，通過智能分析被提交的交易報告，發現各類可疑金融交易行為。FinCEN系統中的交易可疑度評價模塊，採用貝葉斯模型判斷可疑度，然後再對高可疑度的交易數據進行進一步的分析調查。Stofella（1997）介紹了義大利中央銀行監管部f-j（UIC）如何運用高性能資料庫和數據可視化技術構建數據挖掘環境，對義大利整個金融系統的交易信息進行監測。Petrus C Van Duyne（1999）通過分析荷蘭1994—1996年的可疑金融交易數據，指出可疑金融交易監測系統和反洗錢策略方面存在的問題，並提出改進建議。Kingdon J和Feldman K S（2002）設計了銀行交易數據監測和分析系統，通過該系統可以自動檢測到支付欺詐和金融經濟領域的洗錢活動。Kingdon J（2004）設計出一套可自動識別客戶行為模式的人工智慧系統，應用該系統可以高效識別出客戶的異常交易行為（unusual behavior）。針對傳統的基於規則的洗錢監測系統不能適應洗錢手法的快速多變，誤報率高，對海量交易數據健壯性差等局限性，國外學者展開了基於智能代理的反洗錢監測系統研究，指出該方法可以提高反洗錢監測效率，實現系統整合，增強適應性，同時還能降低監測成本。
我國對反洗錢的研究於20世紀90年代後逐漸增多，目前對於人工智慧技術、數據倉庫技術、數據挖掘技術等技術在反洗錢中應用的研究僅僅處於起步階段。徐志春、肖偉平、何宏（2003）提出了基於數據開采技術的反洗錢系統的實現框架，介紹了反洗錢系統中用到的幾個關鍵數據開采技術，包括數據集成、數據分類、關聯分析、聚類分析和可視化技術。湯俊（2005）分析了我國現行交易報告制度存在的問題，指出國內對於金融交易客戶行為模式識別的技術研究處於空白狀態，並提出了相應的框架體系。楊勝剛、王鵬（2005）在探討數據挖掘技術在大額和可疑交易報告制度中應用的必要性與可行性，在全面把握數據挖掘技術的各種主要演算法及其在大額和可疑金融交易數據分析中的應用前景的基礎上，針對我國反洗錢工作的實際，設計了一套人民幣大額和可疑支付交易數據挖掘系統。陳雲開（2006）提出分布式異構計算環境下基於數據挖掘技術的洗錢偵測系統體系結構，並從邏輯層次結構、系統基本框架和系統基本流程三方面對洗錢偵測系統的體系結構進行了闡述。孫景等（2008）根據邏輯回歸原理與數據挖掘技術，建立了企業大額可疑外匯資金交易識別模型，用於分析銀行的企業客戶洗錢概率及洗錢事件發生的可能性，並通過對具有洗錢嫌疑的銀行企業客戶進行識別和預測，為銀行反洗錢提供參考。
從國外相關研究來看，由於洗錢與反洗錢間存在的博弈關系，各國洗錢監測手段具有一定的保密性，各類研究主要側重於數據挖掘技術應用等方面，與反洗錢領域知識相結合的研究細節很少公開。同時國外的反洗錢實際上與我國的洗錢活動特徵和反洗錢管理方式存在較大的差異，國外的研究成果無法為我國可疑金融交易識別提供一個有效的策略及方法。從國內相關研究來看，由於受我國反洗錢實踐經驗的限制，國內在可疑金融交易識別方面的研究成果相對較少。很少有基於反洗錢實踐的、應用真實交易報告數據進行驗證的數據挖掘演算法研究，同時，針對單一檢測方法可能具有片面性，綜合各類檢測結果的可疑金融交易識別研究還很少見，可疑金融交易的自動識別研究則更為少見。
本研究以數據挖掘技術為手段，應用金融領域知識和反洗錢領域知識，通過對真實交易報告數據的層次分析，選擇合適的數據挖掘方法對可疑金融交易進行多層次識別，同時針對單一識別方法在可疑金融交易識別中的片面性，建立一套可疑金融交易線索整體判定方法，得出交易記錄的整體可疑度，不僅在更大程度上發揮了各種識別方法的優勢，而且可以為可疑金融交易的識別提供一種新的思路和方法，目的在於提高反洗錢監測的效率和水平。相關閱讀：金融危機下的就業觀


二、可疑金融交易特徵與識別方法

可疑金融交易藏匿於金融機構成千上萬的海量交易數據中，對其甄別的難度很大。數據挖掘技術能夠根據分析人員的需要，從海量數據中提取有價值的模式和規律，它的發展和廣泛應用為其在識別可疑金融交易和挖掘洗錢線索方面的應用奠定了基礎。同時，數據挖掘技術在可疑金融交易識別中的應用離不開交易信息的深入分析和演算法的合理選擇。

1.可疑金融交易特徵分析。
可疑金融交易是指金融交易的金額、頻率、來源、流向和用途等有異常特徵的交易行為。從反洗錢監測實踐來看，可疑金融交易行為經常表現為以下幾類特徵：（1）交易金額、交易頻率異常。例如短期內頻繁發生資金收付，但與客戶身份、財務狀況、經營業務明顯不符；長期閑置的賬戶原因不明地突然啟用或者平常資金流量小的賬戶突然有異常資金流入，且短期內出現大量資金收付等。（2）交易流向或交易來源異常。例如與來自販毒、走私、恐怖活動、賭博嚴重地區或者避稅型離岸金融中心客戶之間的資金往來活動在短期內明顯增多，或者頻繁發生大量資金收付；多個境內居民接受一個離岸賬戶匯款，其資金的劃轉和結匯均由一人或者少數人操作等。（3）交易用途或交易性質異常。例如沒有正常原因的多頭開戶、銷戶，且銷戶前發生大量資金收付；證券經營機構指令銀行劃出與證券交易、清算無關的資金，與其實際經營情況不符；保險機構通過銀行頻繁大量對同一家投保人發生賠付或者辦理退保等。
以上是從交易行為的角度對可疑金融交易特徵進行剖析，藉助反洗錢領域知識，從金融交易記錄的角度分析，交易金額的異常通常體現在單筆或相關交易記錄中，交易頻率的異常通常體現在基於時間序列的交易記錄中，而交易用途或交易性質的異常則通常體現在交易主體間的交易往來中。

2.可疑金融交易識別方法。
基於交易記錄層面的交易金額異常，通常與交易數據異常點對應，可選擇聚類演算法加以識別。聚類作為一種重要的數據挖掘技術，通過無指導學習將數據劃分成多個簇，聚類結果表現為簇內成員的相似和不同簇中成員的差異。對金融交易數據進行聚類分析，聚類結果中的孤立點多為交易金額異常記錄。在可疑金融交易識別中孤立點的檢測成為發現和識別可疑金融交易的重點。基於聚類分析的這一特點，它在可疑金融交易識別中被廣泛應用於交易金額異常的監測。
針對交易賬戶層面的交易金額、頻率異常情形，可選擇時間序列分析方法加以識別。交易賬戶信息中所反映出的交易金額、頻率異常，通常表現為交易記錄時間序列的信號突變。小波分析是發現時間序列信號異常的有效方法。由Morlet提出的小波分析（wavelet analysis）是一種具有時頻多分辨功能的調和分析方法，將小波分析引入可疑金融交易識別研究中，與可疑金融交易特徵相結合，選擇合適的小波函數，不依賴於經驗模型，對金融序列進行小波變換，可多尺度揭示交易序列的變化規律，挖掘出隱藏於交易時間序列中的單筆異常交易和密集頻繁交易，為反洗錢監測提供一種快捷高效的方法。
針對關聯賬戶層面的交易流向、來源以及用途或性質異常情形，可選擇鏈接分析方法加以識別。交易變數之間的相關性是知識發現的重要方面，鏈接分析可用於識別不同交易主體間交易活動的聯系，而交易流向及用途等的異常通常表現為交易變數之間的異常關聯。通過約束性鏈接分析，可以更好地發現可疑金融交易信息的內在聯系。由於鏈接分析不用構造頻繁項目集，不用設置最小支持度和置信度閾值，同時具備可視化特點，因此在挖掘交易信息內在相關性方面獨具優勢。在反洗錢中，通過對交易主體與交易流向、交易編碼之間的鏈接分析，可發現資金流向或交易性質異常的可疑金融交易。需要指出的是，鏈接分析的結果不代表交易信息中內在的因果關系，但從洗錢偵測角度來看，這種相關性能為可疑金融交易識別提供有潛在價值的線索。
運用離群點聚類、小波分析和鏈接挖掘技術識別可疑金融交易，這三種方法識別出的可疑結果不盡相同且相互獨立，依據每種識別方法所得的結果對交易信息予以可疑度標識，設定三種可疑參數，分別為「Suspicious—Cluster」、「Suspicious—Wavelet」和「Suspicious～Link」，將每種檢測方法認定的可疑金融交易參數值標識為「1」，其餘標識為「0」，在此基礎上建立以各可疑參數作為屙f生的新的數據集，作為下一步運用貝葉斯准則進行可疑度整體判定的數據源。


三、貝葉斯分類與交易可疑度整體判定

面對金融交易的復雜性和不確定性，每一類識別方法都有其應用的約束條件，有其優點和缺陷。為了反映真實交易變化趨勢，發揮各種數據挖掘方法在可疑金融交易識別方面具有的優勢，將各種可疑線索應用於反洗錢實踐，需對交易記錄的整體可疑度做出科學的判斷。作為一種基於概率的不確定性推理方法，貝葉斯判定具備整體判定優勢，可從總體和細節兩方面把握可疑金融交易特徵，將各類識別方法所採集的可疑金融交易線索進行綜合分析，得出交易可疑度的整體判定結果，同時該方法可操作性強，能夠為反洗錢決策較好的參考。

1.貝葉斯分類與交易可疑度參數設定。
貝葉斯分類有樸素貝葉斯分類和貝葉斯信念網路兩種。前者是一種簡單而高效的分類方法。由此，本文將利用樸素貝葉斯分類方法實現金融交易可疑度整體判定。
運用整體判定準則進行交易可疑度判定，判定準則的選擇至為重要，直接影響可疑金融交易識別的有效性。本文選用貝葉斯判定準則作為整體判定準則，一方面在理論上是科學的，因為基於貝葉斯分類判定準則的分類方法有嚴謹的理論基礎，已被廣泛應用於各類科學研究；另一方面，採用可疑度參數作為貝葉斯分類判定的源數據，完全滿足樸素貝葉斯定理的「類條件獨立假設」和「概率分布可知」的要求，在應用實踐中也是可行的。如果在以後研究中發現有更佳的可疑金融交易整體判定準則，可進一步優化可疑金融交易整體判定模式。

2.交易可疑度整體判定流程。
針對金融交易數據，基於三類可疑金融交易特徵，分別利用基於CURE聚類的交易數據離群點分析、基於小波分析的交易序列突變點檢測和基於鏈接挖掘的交易路徑異常識別方法進行處理，得到金融交易記錄的三項可疑屬性數據集，然後利用貝葉斯准則進行判斷。


四、實驗驗證

「可疑金融交易整體判定方法」對金融交易信息的處理分為兩個步驟：第一步針對不同的可疑金融交易特徵，利用適合的數據挖掘方法，識別出各類可疑金融交易，標識可疑金融交易記錄；第二步將交易可疑標識量化成交易可疑參數，利用整體判定準則對交易可疑度進行整體判定，得到最終的判定結果。
通過這兩個步驟，達到更好綜合不同的檢測方法對可疑金融交易進行識別的目的。本文運用真實的金融交易數據對整體判定模式進行實驗分析。實驗通過SAS 8.0工具軟體編程和調用SAS EM（企業數據挖掘）模塊來完成，最後對實驗結果進行了評估。

1.數據准備。
本實驗所採用的源數據是選取某省企業2003--2007年外匯賬戶交易數據，共計11939條記錄，1274個賬戶，其中包括業已確認的犯罪線索記錄210條。③從企業外匯賬戶交易數據中抽取交易序號、交易幣種、交易發生日、企業代碼、資金收付標志、交易編碼、交易對象、交易對象所屬國家或地區等信息形成客戶原始交易數據，對客戶原始交易數據進行數據預處理操作，將交易金額摺合為美元，對當日沒有交易發生的情形，設定交易金額為零。對每筆外匯資金交易數據的客戶代碼、交易金額、資金收付標志、交易發生日、交易編碼、交易對象等重要欄位做逐一檢查，對一些錯誤和缺失值（missing value）使用經驗值或背景資料進行補充，經數據預處理後的企業外匯交易數據集屬性如表1所示。隨機抽取70％數據進行綜合識別方法訓練學習，30％留作驗證使用。

2.實驗過程。
整體判定方法包括基於各種檢測方法的可疑參數獲取和基於貝葉斯准則的判定兩個過程。
（1）基於各種檢測方法的可疑參數獲取。運用基於CURE聚類的金融交易數據離群點分析方法對交易數據中資金轉移異常進行檢測。8357條觀測數據中的8304條數據被聚為6類，另外有183條觀測數據被歸到可疑金融交易集合當中，對該集合中客戶的身份特徵進行分析，發現客戶背景資料與交易特徵差異較大，進行與其身份不相符合的大額頻繁外匯交易，該集合被列為可疑外匯交易的重點監控對象，在相應交易記錄中標記為可疑，即「Suspicious—Cluster」屬性值為「1」。④運用基於小波技術的交易序列突變點檢測方法對交易賬戶層面的交易金額、頻率異常情形進行識別。針對915戶賬戶信息，⑤根據每一個賬戶每天的交易信息構建金融交易時間序列，實現對金融交易時間序列的小波分析。從915個賬戶中提取出交易信號異常賬戶23個。由於交易主體的不同，針對篩選出的23個賬戶，結合企業的背景信息對小波分析結果進一步篩選，對帶有普遍行業特徵的屬於正常交易的小波分解細節信號異常應予以排除，同時排除企業經營狀況好轉出現的資金往來突然活躍情況，認定交易可疑度較大，需進一步調查審核的賬戶11個，將其包含的216條異常交易記錄標記為可疑，即「Suspicious Wavelet」屬性值為「1」。@運用基於鏈接挖掘對關聯賬戶層面的交易流向、來源以及用途或性質異常情形進行檢測。由於可疑金融交易相對較少，運用鏈接挖掘處理大量金融交易信息時，必須根據掌握的異常特徵，給出約束性規則，對屬性值進行篩選，從中挑選出感興趣的交易主體加以分析。通過交易關系挖掘共發現可疑金融交易記錄209條，其「Suspicious—Link」屬性值為「1」。⑦
（2）基於貝葉斯准則的整體判定。利用數據挖掘方法對訓練樣本數據在不同交易層面的可疑情況予以識別，以各可疑標識作為集合屬性得到新的數據集，將新數據集作為交易記錄可疑度整體判定的數據源，運用貝葉斯准則予以推理判定。
經過訓練學習，結合反洗錢領域知識，選定可疑度判定閾值K為0.49。K值為可疑度判定的下限值，K值的最終確定是挖掘方法和交易信息兩方面綜合的經驗值。K值的選取猶如選擇不同尺寸的濾網，K值越大，網眼越大，識別結果的可疑度越高，但同時可疑交易線索相對較少，遺漏率較高。K值越小，網眼越小，可疑交易線索較多，遺漏率較低，但同時識別結果的可疑度相對較低。因此，K值的選擇需要在訓練數據可疑與否的判斷正確率與挖掘效率間做出權衡，在保證較高的挖掘效率的前提下，促使正確率盡可能高、遺漏率盡可能低。在實際運用過程中，可以選擇不同的閾值對交易記錄進行處理，一方面可以從中確定合理的K值，另一方面也便於從不同粒度對交易數據進行分析，深刻理解和把握源數據特徵。
實驗分別計算出訓練數據和驗證數據的正確率和遺漏率作為結果進行比較。實驗結果顯示，在總共11939條金融交易記錄中（包括1274個賬戶，其中業已確認的犯罪線索記錄210條），選擇源數據的70％記錄作為訓練數據（包括8357條金融交易記錄，915個賬戶，其中業已確認的犯罪線索記錄153條），通過貝葉斯分析確定的可疑金融交易記錄為141條，相對於業已確認的153條犯罪線索記錄，准確率為92.16％，遺漏率為7.84％；將源數據的30％作為驗證數據（包括3582條金融交易記錄，359個賬戶，其中業已確認的犯罪線索記錄57條），通過貝葉斯分析和可疑度判定值驗證，確定可疑金融交易記錄為51條，相對於業已確認的57條犯罪線索記錄，准確率達89.47％，遺漏率為10.53％。與之相比而言，僅用離群點聚類分析、序列突變點檢測或交易路徑異常識別所得結果的准確率分別為88.0282％、82.3944％、73.9437％。這說明利用貝葉斯分類方法，能有針對性地綜合單一數據挖掘方法的分析結果，提高可疑金融交易識別的准確率。


五、研究結論

研究結果證明整體判定方法在綜合三種可疑金融交易檢測方法的基礎上運用貝葉斯准則進行整體判定是有效的，比單獨應用一類檢測方法的效果相對更好。這是因為貝葉斯分類通過計算完整的後驗概率分布，充分匯總了可疑金融交易識別中涉及的各類可疑特徵的全部信息，相對於單一可疑金融交易檢測方法，在推理預測的准確性上有明顯提高。
基於貝葉斯分類的可疑金融交易整體判定具有以下幾方面的優勢：一是有效利用各類識別結果，整合技術資源，形成優勢互補，充分發揮基於數據挖掘的可疑金融交易識別能力。二是藉助概率模型，很好地處理了不確定性，具備整體判定優勢，能為反洗錢監測提供快速准確的參考。三是通過自適應性的監督學習，充分借鑒既往經驗，與相關領域知識融合陛好。四是對最新洗錢手法的變化反應靈敏，變被動識別為主動發現，在洗錢與反洗錢的博弈中爭取先機。五是在大型資料庫應用方面能達到高速度和高准確性較好的統一。基於以上五個特點，建立一種交易可疑度貝葉斯整體判定模式，能明顯提高反洗錢監測的科學性和有效性。
由於洗錢交易與反洗錢監測存在博弈關系，識別方法必須能跟蹤反映洗錢手法的最新動態。數據挖掘技術在可疑金融交易識別中的成功應用離不開交易數據的深入分析和演算法的合理選擇，更離不開反洗錢領域知識的熟習和理解。只有將豐富的反洗錢實踐經驗、權威的專家知識和數據挖掘技術優勢相結合，才能建立一套基於數據挖掘的適合我國洗錢交易特徵的可疑金融交易綜合識別方法，基於貝葉斯分類的交易可疑度整體判定模式正是這方面研究的有益嘗試。