統(tǒng)計方法在我國證券公司反洗錢應(yīng)用中的合理性探討

[摘 要]本文分析了我國證券公司反洗錢管理的操作流程，針對統(tǒng)計方法在其識別機(jī)制中應(yīng)用的不足之處，提出并分析了影響其合理性的因素，以改進(jìn)識別機(jī)制的適用性。

[關(guān)鍵詞] 反洗錢;統(tǒng)計方法;識別機(jī)制

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2010. 05 . 026

[中圖分類號]F830.91 [文獻(xiàn)標(biāo)識碼]A [文章編號]1673 - 0194(2010)05- 0059- 04

自從《反洗錢法》將證券業(yè)金融機(jī)構(gòu)納入反洗錢監(jiān)管體系后，證券業(yè)成為當(dāng)前我國反洗錢工作的一個全新領(lǐng)域，在實踐操作方面也給監(jiān)管當(dāng)局帶來了全新的課題。目前在證券市場金融機(jī)構(gòu)中，證券市場洗錢犯罪分子要進(jìn)行洗錢歸根結(jié)底是要通過證券公司進(jìn)行，我國證券市場實行的是集中制的管理服務(wù)模式，所有的證券業(yè)務(wù)都不能由投資者直接進(jìn)行，而要委托證券公司代理進(jìn)行，因此證券公司與證券市場的洗錢犯罪的距離是最近的，證券公司的可疑交易風(fēng)險識別問題也受到了極大的關(guān)注。

1 我國證券公司反洗錢管理的業(yè)務(wù)處理流程

目前，大多數(shù)證券公司都啟動了非現(xiàn)場稽核系統(tǒng)(IT系統(tǒng))來監(jiān)控公司的風(fēng)險。稽核系統(tǒng)依據(jù)風(fēng)險指標(biāo)系統(tǒng)來設(shè)置具體的風(fēng)險監(jiān)控功能點，證券公司通過稽核系統(tǒng)對下屬營業(yè)部或總部業(yè)務(wù)與人員操作數(shù)據(jù)進(jìn)行實時或盤后監(jiān)控，發(fā)現(xiàn)問題及時反饋處理。

目前國內(nèi)證券公司典型的風(fēng)險監(jiān)控處理流程:首先是數(shù)據(jù)入庫工作。從柜臺、交易公司等處取得原始數(shù)據(jù)，并做相關(guān)處理(如代碼轉(zhuǎn)換、舍棄非必要字段等)，再導(dǎo)入業(yè)務(wù)數(shù)據(jù)庫，為后續(xù)處理做好數(shù)據(jù)準(zhǔn)備工作。接下來對歷史數(shù)據(jù)進(jìn)行處理與分析，按照風(fēng)險識別機(jī)制得到系統(tǒng)監(jiān)控閾值。以此閾值對交易數(shù)據(jù)進(jìn)行監(jiān)控，超過該閾值的交易即認(rèn)為是異常交易。對異常交易數(shù)據(jù)進(jìn)行分析并依據(jù)風(fēng)險管理指標(biāo)體系，確定風(fēng)險事件的風(fēng)險等級，以確定風(fēng)險跟蹤策略，對風(fēng)險事件進(jìn)行跟蹤處理。跟蹤結(jié)果反饋給系統(tǒng)，以評估系統(tǒng)風(fēng)險識別的有效性，針對不足對系統(tǒng)做出改進(jìn)(參見圖1)。

通過對交易、操作數(shù)據(jù)的實時或盤后監(jiān)控，可以及時發(fā)現(xiàn)異常并進(jìn)行處理。風(fēng)險事件和風(fēng)險點的發(fā)現(xiàn)與目前證券公司的風(fēng)險識別機(jī)制有關(guān)系。證券公司內(nèi)部的稽核監(jiān)控人員多是老資格業(yè)務(wù)人員，他們多是憑借自己多年的經(jīng)驗，通過以前發(fā)生的風(fēng)險事件來確定系統(tǒng)的具體風(fēng)險監(jiān)控點，事后監(jiān)控型風(fēng)險功能點多，理論依據(jù)少，風(fēng)險控制模型少，管理技術(shù)也比較簡單。

2基于統(tǒng)計的反洗錢識別機(jī)制及其存在的問題

目前我國實行的大額和可疑支付交易報告制度，其主要意義和價值在于對洗錢分子起到有效的震懾作用，但對反洗錢的情報收集和分析工作，就目前的實踐來看，尚未能夠起到顯著的指導(dǎo)作用。其存在的問題主要體現(xiàn)在巨量數(shù)據(jù)報表與高誤報率、預(yù)設(shè)標(biāo)準(zhǔn)易于為洗錢分子規(guī)避、無法自動適應(yīng)洗錢形勢變化等[1]。針對大額和可疑支付交易報告制度存在的問題，很多學(xué)者和國內(nèi)機(jī)構(gòu)提出采用統(tǒng)計的方法來發(fā)現(xiàn)異常點。

在大額可疑識別中，假設(shè)第i個客戶的交易金額為隨機(jī)變量xi，并且相互獨立。由于在每個證券公司交易的客戶數(shù)量極大，因此可以根據(jù)大數(shù)定理，假設(shè)賬戶的平均交易金額近似服從正態(tài)分布，即x～N(μ，σ2)。對于正態(tài)分布中的參數(shù) μ和σ2，利用樣本均值和樣本方差進(jìn)行無偏估計。現(xiàn)在，假設(shè)第i個客戶的交易額為xi，樣本容量為n，則:

其中，U1-α為標(biāo)準(zhǔn)正態(tài)分布的1-α下分位數(shù)。在這里，用單側(cè)置信區(qū)間的原因在于，只有大額交易才是關(guān)注的對象。若賬戶的交易金額落在置信區(qū)間之外，那么這個賬戶為異常賬戶。

本文選取了國內(nèi)某著名券商A的一個營業(yè)部的數(shù)據(jù)，對模型進(jìn)行檢驗。這部分?jǐn)?shù)據(jù)共含有6 698個資金賬戶交易金額記錄，時間采集區(qū)間為2008年8月1日至2008年8月31日。計算得資金賬戶的平均交易金額為83 636，標(biāo)準(zhǔn)差為360 513。計算得置信上限為92 269(給定置信度 )。其中大約有15%的資金賬戶落在了置信區(qū)間的外面。簡單的統(tǒng)計方法雖然改善了其自動適應(yīng)形勢的變化等，但其提交的報告數(shù)量依然很高。

同時在某個特定賬戶歷史交易中，也常使用統(tǒng)計方法，發(fā)現(xiàn)超出異常的交易金額就表明該次的交易行為可疑，但客戶產(chǎn)生某次大額交易的原因會有很多，因此造成上報數(shù)據(jù)的數(shù)量巨大。

由于不同的賬戶之間存在很多差異性，因此，落在置信區(qū)間之外的所謂異常賬戶的數(shù)量很多，而且其中大多數(shù)資金賬戶并非是可疑賬戶，給情報分析人員造成很大的工作負(fù)擔(dān)和壓力。

3影響基于統(tǒng)計方法識別機(jī)制合理性的因素分析

由于未考慮到客戶的差異性，而大多數(shù)資金賬戶并非所需要的可疑賬戶，因此，需要對前面假設(shè)的合理性做進(jìn)一步的考量。

由于客戶具有不同的類別，不同類別的客戶之間的性質(zhì)相差甚大。客戶資產(chǎn)區(qū)間不同、交易量不同等應(yīng)該有所區(qū)別。下面用方差分析和相關(guān)性分析來分析資產(chǎn)區(qū)間、交易量、交易方式等對交易數(shù)據(jù)的影響。

3.1 樣本數(shù)據(jù)選擇和處理

本文選取了國內(nèi)某著名券商A的兩個營業(yè)部的數(shù)據(jù)，采集了3296990條交易數(shù)據(jù)記錄，采集區(qū)間為2006年1月2日至2008年11月10日。本文對原始數(shù)據(jù)進(jìn)行了處理，剔出了一些非交易數(shù)據(jù)以及交易異常的數(shù)據(jù)，如保證金一直為零的未成交的委托記錄等數(shù)據(jù)。經(jīng)過處理，共整理出了1 917 981條數(shù)據(jù)記錄。

根據(jù)客戶資產(chǎn)和交易量的分布情況，在此將客戶資產(chǎn)區(qū)間劃分小客戶[0，100 000]、中客戶(100 000，500 000]、大客戶(500 000，+∞);交易量區(qū)間劃分小交易量[0，50000]、中交易量(50 000，500 000]、大交易量(500 000，+∞)。

3.2交易數(shù)據(jù)的方差分析

(1)營業(yè)部對交易的影響見表1。

3.4結(jié)果分析

從方差分析的結(jié)果可以看出，在0.05的顯著水平下，營業(yè)部、客戶資產(chǎn)區(qū)間、交易量區(qū)間和交易方式對客戶交易數(shù)據(jù)都有顯著影響，其顯著系數(shù)都小于0.05。這說明不同營業(yè)部、不同客戶資產(chǎn)區(qū)間、不同交易量區(qū)間、不同的交易方式，對交易數(shù)據(jù)都有顯著影響，因而分析風(fēng)險異常時應(yīng)該區(qū)別對待。

可以從業(yè)務(wù)層面上對此進(jìn)行分析:

(1) 營業(yè)部由于所處的地理位置不同、營業(yè)條件不同等因素，致使各個營業(yè)部所吸引的客戶無論是類型還是數(shù)量都有所不同，因而客戶的交易量、交易次數(shù)和交易頻率等都有所不同;而且各個營業(yè)部的自營業(yè)務(wù)、投行業(yè)務(wù)等的規(guī)模和交易量也都有所不同。綜合而言，沿海經(jīng)濟(jì)發(fā)達(dá)城市的營業(yè)部無論是營業(yè)部自有資金還是客戶資金，實力普遍比中西部不發(fā)達(dá)城市的營業(yè)部更加雄厚，而同一城市市區(qū)的營業(yè)部又比郊區(qū)的營業(yè)部實力更強，市區(qū)不同路段的營業(yè)部也有很大不同。因而不同的營業(yè)部的系統(tǒng)監(jiān)控功能點、監(jiān)控參數(shù)(如報警閾值等)等也應(yīng)有所不同，需依據(jù)營業(yè)部的具體情況而定。

(2) 客戶資產(chǎn)區(qū)間不同，交易表現(xiàn)有較大的差異。客戶資產(chǎn)不同，不同的業(yè)務(wù)操作意義有很大不同。同是100萬元的資金操作，對大客戶而言是正常的資金操作，只是其資金的一部分的正常運作;而對于中小客戶而言則是非正常的，可能是客戶銷戶從而一次性取走全部資金，更可能是營業(yè)部在非法違規(guī)操作，如違規(guī)為客戶融資、利用客戶賬戶進(jìn)行自營業(yè)務(wù)操作等。可見不同的客戶資產(chǎn)區(qū)間意味著系統(tǒng)參數(shù)的不同，需要區(qū)別對待。與此相類似的是交易量區(qū)間，

(3) 與客戶資產(chǎn)區(qū)間影響相類似的是交易量區(qū)間，不同交易量區(qū)間內(nèi)的客戶，一旦交易量超過了該正常區(qū)間就有可能是異常的非法違規(guī)業(yè)務(wù)操作，有可能是營業(yè)部在違規(guī)向其融資或者做內(nèi)幕或關(guān)聯(lián)交易等。當(dāng)然不排除有可能是正常的追加投資資金的情況。因此系統(tǒng)也應(yīng)區(qū)別對待。

(4)交易方式不同，也對客戶交易有較大的影響。不同委托方式，發(fā)生風(fēng)險的概率和類型也有所不同。

可見，在風(fēng)險監(jiān)控系統(tǒng)中，需要對交易數(shù)據(jù)區(qū)別對待，不應(yīng)該設(shè)一個統(tǒng)一的閾值來監(jiān)控全部的交易，需要對交易數(shù)據(jù)分類進(jìn)行分析，如可以從客戶資產(chǎn)、交易量區(qū)間、交易方式等角度出發(fā)分類，對不同的類別數(shù)據(jù)分別進(jìn)行監(jiān)控跟蹤。

不同的分類方法，其效果也有所不同。從上面的相關(guān)性分析的結(jié)果可見，營業(yè)部、客戶資產(chǎn)區(qū)間、客戶交易量區(qū)間、交易方式與交易數(shù)據(jù)的相關(guān)性分別為-0.041，0.263，0.313，-0.017，可見客戶資產(chǎn)區(qū)間和客戶交易量區(qū)間的分類方法效果較好，能更好地反映交易數(shù)據(jù)之間的差異。

4 結(jié) 論

從分析結(jié)果可見，按客戶資產(chǎn)區(qū)間或客戶交易量區(qū)間進(jìn)行分類，能較好地反映數(shù)據(jù)的差異。在風(fēng)險監(jiān)控中，對風(fēng)險識別時可以先對客戶進(jìn)行分類，可以按客戶資產(chǎn)區(qū)間或客戶交易量區(qū)間或者兩者結(jié)合來對客戶分類。再對不同的類別客戶群設(shè)置不同的監(jiān)控標(biāo)準(zhǔn)，如設(shè)置不同的閾值等，這樣可以更好地區(qū)別不同類別客戶的異常數(shù)據(jù)，更好地監(jiān)控風(fēng)險。

文中在分析影響因素時對不同客戶僅是按照其常規(guī)的交易分布情況進(jìn)行分類，在實際的操作中，應(yīng)該使用更科學(xué)的方法，如數(shù)據(jù)挖掘技術(shù)對其進(jìn)行聚類分析和分類分析，提高風(fēng)險識別的準(zhǔn)確性和科學(xué)性。基于客戶分類的統(tǒng)計方法識別出的可疑交易可以作為進(jìn)一步分析的基礎(chǔ)數(shù)據(jù)，在實踐操作中可進(jìn)一步對其進(jìn)行挖掘，從而提高上報數(shù)據(jù)的質(zhì)量，減輕上層情報人員的工作負(fù)擔(dān)。

主要參考文獻(xiàn)

[1]湯俊.基于客戶行為模式識別的反洗錢數(shù)據(jù)監(jiān)測與分析體系[J] .中南財經(jīng)政法大學(xué)學(xué)報，2005(4):1-4.

[2]王雪娟，薛耀文，張朋翥.大額洗錢模式及其防范分析[J].金融理論與實踐，2007(11):1-2.

[3]余建英，何旭宏.數(shù)據(jù)統(tǒng)計分析與SPSS應(yīng)用[M].北京:人民郵電出版社，2003.