可疑交易报告是《反洗钱法》规定的金融机构必须履行的法定义务，“金融机构发现或者有合理理由怀疑客户、客户的资金或者其他资产、客户的交易或者试图进行的交易与洗钱、恐怖融资等犯罪活动相关的，不论所涉资金金额或者资产价值大小，应当提交可疑交易报告”。

金融机构应建立健全交易监测系统，通过分析客户信息和交易信息，识别出可能涉及洗钱或其他上游金融犯罪的交易，并进一步的调查，怀疑可疑或者不能排除可疑时，将可疑交易报告给中国反洗钱监测分析中心及相关部门。通过可疑交易监测，有效地发现和阻止非法资金的流动，起到保护金融系统安全和稳定、打击犯罪活动、维护社会公平和正义的作用。

本文将从如何提高交易监测的有效性出发，结合实际案例，讨论如何提升监测报告的及时性和完整性，以及优化资源分配。

目前，大多数金融机构采用基于专家规则的可疑交易识别方法：通过人工制定可疑监测标准，以规则或模型的形式，利用反洗钱系统进行可疑交易监测，一旦触发规则/模型后生成可疑案例预警，通过人工分析和尽调核实，判断可疑，并最终生成可疑交易报告上报监管机构。这种方法的优点是简单易行，央行也在发布可疑交易类型分析、风险提示等，可直接采用，但是这种可疑交易监测所使用的方法和技术有一定的局限性，基于规则模型和统计的指标方法，在模型运行预警并人工分析的过程中容易产生误报、漏报、阈值权重优化调整低效等问题。

1.误报率高：由于规则模型或统计方法过于简单或刚性，不易充分捕捉交易数据的复杂性和多样性，容易导致大量无关或低风险的交易被误判为可疑交易，增加了处理人员的工作量和压力，降低了分析调查的效率和质量。

2.全面性低：由于规则模型的阈值、权重缺乏合理性或业务系统推送交易信息不及时不全面，为减少处理人员的工作压力，设置偏高的阈值，导致交易监测的覆盖度不足，增加了漏报风险和不及时报告风险。

3.调整效率低：由于规则模型和统计方法缺乏动态调整和优化的能力，无法适应金融犯罪手法随时翻新的时代挑战，金融机构需要花大量的精力、甚至外聘行业专家进行基于专家规则的监测模型评估和优化，调整优化不及时不到位时有发生，导致交易监测的准确性和有效性有所下降。

(一)通过数据治理提升反洗钱数据质量

数据是反洗钱工作的基础，数据质量直接影响交易监测的有效性和准确性。如果数据不完整、不准确、不及时，例如很多客户数据缺少职业属性，就会直接导致反洗钱监测分析的误判或漏判，增加人工判断的难度和成本，降低反洗钱工作的效率和效果。

为了提升反洗钱数据质量，建议金融机构根据《银行业金融机构反洗钱现场检查数据接口规范》（银发〔2017〕300号）、《非银行支付机构反洗钱现场检查数据接口规范（试行）》（银发〔2017〕301号）、《证券机构反洗钱执法检查数据提取接口规范（试行）》、《期货机构反洗钱执法检查数据提取接口规范（试行）》、《保险机构反洗钱执法检查数据提取接口规范（试行）》（银发〔2019〕63号）、《关于加强反洗钱客户身份识别有关工作的通知》（银发〔2017〕235号）等监管文件的要求，综合考虑以下几个方面：

1. 提高数据的完整性，即确保业务数据没有缺失或遗漏，涵盖了所有需要监测的信息。金融机构可以通过建立数据标准和规范，明确数据采集、存储、传输、使用等各个环节的要求，规范数据源头的录入和管理，避免数据丢失或缺失。对业务数据进行定期梳理，做到反洗钱基础信息的完整、可靠。

   
   

2. 提高数据的准确性，即确保数据没有错误或偏差，反映了真实的情况。可以通过建立数据校验和核对机制，与来源业务系统或客户本人，对数据进行定期或不定期的检查和比对，发现并纠正数据错误或偏差，以保障数据与事实相符。

   
   

   案例1：客户信息中其职业为学生、年龄偏小等特征，但其年收入字段有值、交易金额较大，说明客户信息间可能存在不一致，需排查告警原因进行整改。

   
   

3. 提高数据的一致性，即确保数据没有冲突或矛盾，符合统一的标准和定义。可以通过建立数据整合和清洗机制，对来自不同业务系统的数据进行整合。

   
   

   案例2：部分保险机构仍以传统的以保单为核心进行客户信息及交易信息管理，在反洗钱层面需建立以客户为单位的尽调、监测体系，将不同系统、不同分支机构的客户信息整合为一个反洗钱客户号进行统一管理。参考【捷软反洗钱】-《保险业客户信息整合困境与解决思路的探讨》一文。

(二)识别洗钱风险场景，设立合理的交易监测模型

对于交易监测模型的设立，金融机构应该详细研究风险案例，识别具体的洗钱风险场景，总结形成合理的可疑交易监测模型，选择合适的特征指标应该能够反映洗钱行为的一些典型特征，比如交易金额、交易频率、交易对象、交易地点、交易方式等。同时特征变量应该尽量减少冗余和无关的信息，提高特征指标的重要性和相关性。

案例3：涉罪可疑交易代码为0101的涉嫌毒品犯罪相关的可疑交易行为，考虑涉罪的场景包括：①账户较长时期接收多人分散转入的毒资后，集中全额或接近全额转出至“上线”的多个账户，自身账户不留余额或余额较少；②涉毒交易时间可能会在半夜凌晨多次发生交易，与普通交易特点不同；③交易上下游人员户籍地、交易对手地址、交易发生地址等地址信息可能多在毒品案件高发地区，如广东、广西、云南、贵州、四川等省份或更具体的城市。根据这些场景信息可以设置相应的监测规则模型，使用反洗钱系统来预警涉毒犯罪的可疑交易信息。

同时，除了交易行为、交易时间、交易地这些直接可以被使用在监测模型中的交易信息之外。涉毒的客户信息也有相关的风险场景映射，比如涉毒人员以年轻人员居多，职业为无业或者存在化学专业背景。交易信息备注存在特定关键字等。这些特征单独使用时，无法独立用于识别涉毒犯罪洗钱行为，但是在模型计算的过程中，可以作为涉毒洗钱交易的加分项，提高可疑交易监测模型的有效性和准确度。

(三)通过科技手段持续进行可疑交易监测模型的阈值优化

在拥有了高质量的反洗钱数据、合理的交易监测模型之后，金融机构利用机器学习、大数据甚至现在很热门的Chat GPT技术，通过对于可疑交易人工确认结果识别、报告率、成案率等指标的追踪，周期性持续对模型的参数、指标、权重等进行调整和优化，从而提高模型的精确度和灵活性，达到可疑交易监测预警的准确度和工作量之间的平衡。

案例4：在财险行业，同样的投保行为，个人和机构两个客户群体在车险和非车险业务中的投保金额特征就完全不同。即使在同样客户群体的非车险业务内部，不同险种之间的风险阈值也有明显差别。如果单纯依靠人工调整工作量大，准确度和时效性也不高。但是利用机器学习对于交易监测模型进行自动调参，可以有效缓解金融机构在交易监测模型的准确度、合理性和工作效率之间的平衡的压力。

(四)持续开展交易监测模型的有效性评估

“金融机构应当制定本机构的交易监测标准，并对其有效性负责”，“义务机构应当至少每年对监测标准及其运行效果进行一次全面评估，并根据评估结果完善监测标准。”金融机构在制定本机构自定义的交易监测标准后，需要定期评估系统中的交易监测模型运行有效性，是否自定义合理、是否存在漏报、误报的情况，历来也是监管检查的重点。

案例5：根据评估基准不同，从历史预警评估，涉案样本评估，人工探查评估三个方面对可疑交易监测模型的有效性进行评估。

1. 历史预警评估，是对已有的规则模型历史预警主体集合和处理结果进行评估和优化调整。——老业务设立新规则时，也可以利用历史数据进行试验，评估其预警有效性。新产品新业务则无法采用历史报告评估的方式（但可对相同相似类型业务的监测规则进行参考评估）。

   
   

2. 涉案样本评估，是根据本机构各类协查案件的主体集合，对已有规则进行评估，是否能筛选预警出来，或者需新增规则。

   
   

3. 人工探查评估，是反洗钱专家根据业务情况、行业洗钱案例、监管风险提示等经验，对本机构主体进行人工探查，发现可能异常主体集合，再对已有规则进行评估，是否能筛选预警出来，或者需新增规则。

(五)积极拓展机器学习的AI监测模型

通过已有案例特征，构建专家规则模型，存在一定的主观性和滞后性，对尚未发现的洗钱犯罪可疑行为监测存在空缺，虽然可以通过统计异常的场景来覆盖，但其针对性不强，误报率较高，也不容易通过系统标识客户的可疑交易特征。而具备机器学习的人工智能AI模型，已经开始在各个领域自动建模，对海量关联数据高维度的精准分析出异常行为，可以有效弥补专家规则模型的不足。目前在反洗钱交易监测也有一些尝试和效果，相对传统的专家规则模型，虽然存在投入较大、AI监测的异常行为主体存在可解释性不足等问题，但随着未来的科技发展，必然会逐步解决。

总之，金融机构应理顺可疑交易监测及报告制度流程，优化系统功能设计及模型规则，积极进行反洗钱数据治理，利用已有专家经验，加上大数据AI建模，构建完善的可疑交易管理机制以实现“风险为本”的洗钱风险管理总体要求。

关注公众号获取更多优质内容