企查查专业版：金融机构反洗钱 | 可疑交易模型评估（上）
理财鱼小提示：企查查专业版：金融机构反洗钱 | 可疑交易模型评估（上）
基于业务、技术和数学三重视角下的可疑交易模型评估探讨。
在金融机构的日常反洗钱业务中，可疑交易监测上报是其中一个基础而重要的环节。作为监测的核心—“模型”，不仅对交易监测结果的全面性和准确性有着重要的影响，同样影响着反洗钱人员及各项管理资源在未来的合理化配置。
什么是“模型”，本身就是个较为复杂的问题。业界关于模型的讨论很多，不论从业务人员角度，或者从技术人员角度，对于模型概念及其本质可能存在理解上的模糊和偏差。因此，如果在此模糊和偏差的基础上探讨”模型评估“，则更加是一个难度系数高、充满不确定性和结论未知的工作。模型不仅涉及业务需求的理解，也涉及技术方法的选择，同时还关乎技术背后的数学原理，现实当中兼具这三重背景且达到一定高度的人非常少。因此，不同主体各自学术背景和主观理解上的偏差，也给模型的评估带来了一定的挑战。
本文将从两个部分展开对于模型评估的论述：第一部分尝试厘清现有的各类模型，及其背后的大致原理；第二部分在第一部分的基础之上，结合业务视角和技术视角，探讨模型评估的方法。
同时，本文将摒弃一些所谓流行但模糊不清的概念，力求以简洁和通俗的语言进行描述。不论是技术模型，还是业务经验，在不了解概念本质的前提下，过多的概念只会带来不必要的干扰。
第一部分. 模型
一. 模型的“层次”划分
目前，市面上应用较多的模型有线性模型、树模型、图模型等等。从业务人员角度，可能较为熟知的是机器学习、深度学习（神经网络）、有监督（决策树）/无监督学习、联邦学习、知识图谱等一系列概念，我们试着将这些概念从模型角度，界定为不同的“层次”。
“层次”可以分为哪些？笔者按照个人的理解梳理了一下模型的两个层次，仅供参考。
二. 模型的“类型”划分
从业务场景来看，假设我们将模型按照“用途”来进行分类，大致可以分为“现状描述型”和“未来预测型”两种。“现状描述型”是指模型描述了过往的业务形态或者是现实场景，而“未来预测性”是指模型基于对过往的业务形态等一系列给定条件，生成的对于未来的预测或者判断。
反洗钱可疑交易模型属于后者，通过输入给定的条件，以“预警”或者“案例”的形式最终生成对“可疑”的未来预测。
三. 模型的“内涵”理解
为什么需要理解模型的“内涵”？由于模型本身更倾向于技术语言的表达，对于业务人员而言，在不能完整理解技术语言的前提下，对实际的模型构建过程并不能够完全掌控。而技术人员在构建模型的过程中，由于业务需求理解上的偏差，在底层的代码实现上也不一定能够完全表达业务需求的真实目标。
从没有模型构建经验的业务人员角度，实际最终看到的只是模型输出的结果，但中间的过程是基于什么原理而得出的结论，其实并不清楚。从技术人员角度，需要达成业务人员的最终诉求，对于一些参数、指标和特征维度的创建，在没有原始数据或者足够样本支撑的前提下，也是勉为其难。
因此，模型在现实业务当中，更多体现为一种类似“黑箱”的运作方式，这种黑箱式的运作方式，客观上导致了模型误报率过高或漏报等一系列问题，这也是需要进行后续评估和调整的原因之一。
这里切换下视角尝试理解模型的“内涵”。模型从根本上来说，是用来为人工“服务”的，这里的“服务”也可以体现为上述的两种用途分类。要么是用来刻画现状，要么是用来预测未来。但为什么能够刻画现状或者描述未来呢？需要借用数学当中“概率”这一概念。
概率，是现实世界中解释很多客观现象或者人工主观经验的底层逻辑。为什么？以可疑交易甄别为例，具备一定甄别分析经验的业务人员，基于过往的经验，在面对当下出现的类似可疑交易往来时，往往会形成一定的初步判断。这种判断是基于过去经验所形成的概率推论，“折射”到当下的一种反馈。因为以往见过，当再次见到同类的交易形态时，据此推测是属于“可疑”，还是属于“正常”。
因此，技术模型也好，人工经验也罢，“概率”是作为其底层逻辑而存在。只是“模型”将这种“概率”以图形化或者信息化的形式输出，让人可以通过图形或者信息加以认知。
上述对于模型的层次、类型以及内涵做了简要的分析。如开篇中所述，模型这一概念本身仍在业界存有一定的争议。因此，上文中提出的观点仅作为下文模型评估的基本假设，不代表任何立场或者观点。
四. 现状及问题
金融机构的可疑交易监测模型，传统的方法是基于规则建立的监测模型，进阶版的是以机器学习为基础建立的监测模型。
反洗钱系统中的可疑交易模型，在现实业务场景中的问题，体现为诸如漏预警大额或可疑交易、可疑交易（案例）误报率过高、成案率低等问题。下表列举了《2019年中国反洗钱报告》中与之相关的数据：
业务人员在日常可疑交易处理中，遇到的类似场景如下：ⅰ.存款排名前十的客户由于资金交易量大，经常性触发交易警报，特别是一些单独针对资金交易设计的指标，预警频繁；ⅱ.定期及理财类产品客户由于年龄偏大，触发“年龄与网银渠道不匹配”等指标预警；ⅲ.业务人员较为熟悉身份背景的客户，因为偶发的一次清晨交易，触发系统预警；ⅳ.预警客户占存量客户比例过高，例如10名自然人客户中，近一半曾经触发过系统预警等。
>相关《 企查查专业版：金融机构反洗钱 | 可疑交易模型评估（上）》内容：
1、 京东物流收购德邦66.49%股份，企查查显示当前崔维星持股4.19%
理财鱼小提示：京东物流收购德邦66.49%股份，企查查显示当前崔维星持股4.19% 3月11日，德邦快递发布公告，正式官宣与京东物流战略合作。公告显示：京东物流将收购德邦股份66.49%股份，崔维星将不再是公司实际控制人。双方将在快递快运、跨境、仓储与供应链等领域...【继续阅读】
2、 百度投资十年：企查查数据2021年人工智能、医疗健康赛道成为“心头好”
理财鱼小提示：百度投资十年：企查查数据2021年人工智能、医疗健康赛道成为“心头好” 过去十年，我国数字经济高速发展，诞生了一批优秀的互联网企业，腾讯、阿里、字节、百度就是其中的佼佼者。创而优则投，以百度等为代表的互联网企业逐渐成为资本市场一股不可...【继续阅读】
3、 神州信息携手金融机构信创实践持续落地
理财鱼小提示：神州信息携手金融机构信创实践持续落地 金融安全是国家安全。复杂国际环境下，伴随数字化转型步伐提速，我国金融信创逐步进入全面推广阶段。神州信息作为领先金融科技企业，以一站式金融信创服务能力，帮助金融监管、政策性银行、股份制、城商行、...【继续阅读】