商业银行跨境汇款反洗钱名单监控智能化探究

商业银行跨境汇款反洗钱名单监控智能化探究

张媛媛

中国建设银行业务处理中心 430000

摘要：随着国内外反洗钱和制裁合规形势日益严峻，建立和完善反洗钱名单监控系统成为商业银行反洗钱工作的重中之重。为适应跨境业务发展和海量交易数据处理要求，解决当前商业银行反洗钱名单监控工作面临的痛点、难点问题，本文拟通过挖掘内部和外部信息价值，运用自然语言处理、知识图谱、大数据等新技术构建一体化智能引擎，突破业务瓶颈，助力商业银行打造更加完善、更具效能的反洗钱名单监控系统。

关键字：反洗钱；金融制裁；跨境汇款；名单监控

一、商业银行反洗钱和制裁合规形势

受国际政治、经济等多重因素影响，近年来国内外反洗钱和金融制裁形势发生了深刻而复杂的变化。国际反洗钱金融行动特别工作组（FATF）、主要发达国家颁布了一系列行政法规和操作规范，明确反洗钱行动标准和处罚规定；国内反洗钱法律法规日趋完善，跨境业务反洗钱和反恐怖融资工作指引、反外国制裁法等陆续颁布实施；商业银行不断加大反洗钱、金融制裁合规管理力度，改变过去单纯依靠人工识别的跨境汇款反洗钱名单监控方式，引进名单监测和查询系统，以应对日益严峻的国际制裁形势，规避因违反制裁而导致的声誉风险、经营风险、法律风险、监管风险等。

二、跨境汇款反洗钱名单监控现状

随着跨境汇款业务规模持续增长，洗钱和恐怖融资风险不断放大，构建风险为本的反洗钱工作体系和稳定运行的跨境汇款反洗钱名单监控系统，定期评估监控系统有效性，并根据管理需要持续优化升级系统，提升名单监控精准度和效率，已成为商业银行持续提升反洗钱和制裁合规管理工作、筑牢跨境业务“防火墙”的重要基石。但现阶段商业银行跨境汇款反洗钱名单监控系统仍存在一些问题：

（一）误命中率高，影响资金汇划效率

目前，商业银行反洗钱名单监控系统多采用模糊匹配的策略，但由于制裁名单主体遍布不同国家、涉及多个语种，其翻译后的名称可能存在若干别名、变体，模糊匹配机制会导致大量的误告警，不仅人工审核工作量大，而且直接影响外汇资金汇划效率和客户体验。

（二）智能化程度低，难以满足风控需要

传统基于规则、量化指标的名单监控方式，无法精准识别报文高亮含义，并结合上下文语境、不同语言习惯等甄别具有实质高风险特征的业务，智能化程度较低，难以适应业务发展和海量数据的处理要求，导致商业银行的人力成本和操作风险持续增加。同时，随着国内、国际反洗钱制裁合规的监管政策和行动标准日趋严格，跨境交易者规避制裁合规监控手段不断升级，仅依靠单一的报文筛查和人工识别，既耗时费力，也已经难以满足反洗钱风险防控的需要。

（三）各环节相互隔离，信息利用率低

现阶段商业银行名单监控所利用数据比较单一，未实现信息联动。例如，客户准入和名单变动监控结果，尚未实现跨境交易监控信息共享；再如，客户和历史命中业务中高风险交易对手信息、历史尽职调查回复信息，难以有效复用至跨境交易监控中，导致业务尽职调查占比较高，延长资金汇划处理时间，不便于提升名单监控工作质效，影响客户体验。

三、跨境汇款反洗钱名单监控智能化提升构想

鉴于当前基于规则、量化指标的名单监控方式仍有较大提升空间，结合现状，本文提出构想，拟在自然语言处理技术识别业务信息的基础上，商业银行整合内外部资源，构建跨境汇款反洗钱名单监控知识图谱，由机器模拟人工判断，自动过滤无效告警，持续提升跨境汇款反洗钱名单监控工作质效和合规水平。

图1 跨境汇款反洗钱名单监控智能化提升流程图

（一）利用自然语言处理技术，智能识别业务信息

跨境汇款反洗钱名单监控，需比对报文信息和制裁名单信息，判断报文主体和制裁名单主体是否匹配，再出具是否放行业务的处理结论。考虑到跨境汇款报文和制裁名单是由自然语言组成的结构化或非结构化的文本数据，需借助自然语言处理和深度学习技术，引入词袋模型、词向量模型、BERT语言模型等，对跨境汇款报文和制裁名单信息进行词法、句法和语义分析，将结构化和非结构化的信息自动拆解为计算机可识别的信息，如要素名称、要素类别及其表达的内在含义。

（二）立足数字化转型发展，构建知识图谱体系

商业银行全面整合内外部信息，搭建跨境汇款反洗钱名单监控知识图谱。一是打破不同信息组件、业务属性、时间节点间的信息壁垒，实现信息共享、互通，并推动外部信息接入、直连，将客户制裁名单识别结果、高风险交易对手信息、历史交易和尽职调查信息、监管部门信息和行业数据库等纳入知识图谱。二是把汇款报文和制裁名单、以及内外部跨领域、多模态的信息层层分解，通过明晰主体、属性、内容间的关联关系和业务规律，丰富知识图谱，为跨境交易自动分析、甄别幌子公司及嵌套交易等高风险特征业务等提供信息支撑。

（三）机器模拟人工判断，自动过滤无效告警

结合自然语言处理和知识图谱技术，将业务信息、主体、属性和关系进行梳理并建立逻辑关联后，采用机器学习来最大限度地模拟人工判断过程。在理论上，在持续对机器学习算法模型实施训练和调优的基础上，机器识别预测和分析的准确性将不断提高，可实现比人工更加精准的判断。通过对告警进行预分析，自动过滤无效告警，如已废弃名单告警、不同类别主体比对产生的误告警等，减少人工判断和干预，商业银行可集中优质审核资源，重点关注和防范关键环节、关键类型的制裁合规风险，提高甄别审查效率。

四、跨境汇款反洗钱名单监控智能化提升预计成效

未来，随着人工智能、区块链、云计算、大数据等核心技术在金融领域的应用逐步拓展，若将大数据、机器学习、知识图谱等技术应用于跨境汇款名单监控，商业银行反洗钱工作的风控效果、服务能力、管理效率和智能化水平将显著提升。

（一）提升系统提词精准度

采用基于深度学习的自然语言处理技术，可有效解决传统语法规则驱动、或以数学和概率统计数值作为可信度确认分析结果造成的识别偏差，进一步提升系统提词和匹配的精准度。

（二）体现客户为本理念

通过内外部信息整合，降低系统误告警业务占比，减少高频、重复业务的尽职调查比例，体现以客户为中心的服务理念，提升服务能力。

（三）提高甄别审查效率

由机器学习模拟人工审核经验，综合不同信息组件、业务属性、时间节点的内外部信息，对告警进行预分析，提高审查效率，降低操作风险。

（四）优化审核资源配置

自动过滤无效告警，减少人工判断和干预，优化审核资源配置，集中力量重点关注和防范关键环节、关键类型的制裁合规风险，提升告警智能化处理水平。

（五）提升风险防控效能

利用人工智能和大数据分析技术，实现对海量跨境交易的自动分析，及时甄别幌子公司、嵌套交易等高风险特征的业务，提升风险防控效能。

参考文献：

[1]吕香亭.金融机构反洗钱监控名单应用问题探究[J],现代金融导刊,2021(4).

[2]赵明杰 田雨鑫.金融科技对反洗钱工作的影响及建议[J],农银学刊,2021(1).

[3]陶士贵 相瑞.基于大数据技术的商业银行反洗钱风险识别“穿透”研究[J],金融发展研究,2020(7).

[4]高云端 徐珊珊 邱虹 李佳.基于风险为本的反洗钱监测体系行业比较研究——以陕西省金融机构为例[J],西南金融,2020(12).

[5]刘传会 汪小亚 郭增辉.机器学习在反洗钱领域的应用与发展[J],清华金融评论,2019(4).

[6]唐宏飞.国外反洗钱监管变革及启示[J],西部金融,2018(6).

2