數(shù)據(jù)挖掘在洗錢交易中的識別研究

郝建軍 翟歲兵 甘霖

【摘要】 隨著經(jīng)濟建設(shè)不斷加快，洗錢交易成為世界性的犯罪行為。但是從現(xiàn)狀來看，如何識別洗錢交易難度非常大，選擇科學合理的識別方法非常關(guān)鍵，更是研究反洗錢的重要課題。本文闡述了交易信息的層次分析和數(shù)據(jù)結(jié)構(gòu)，通過真實交易驗證數(shù)據(jù)挖掘方法的有效性和可行性。

【關(guān)鍵詞】 數(shù)據(jù)挖掘 洗錢交易 識別

一、前言

隨著加強打擊洗錢犯罪活動的力度，將金融機構(gòu)推向了反洗錢工作前沿，更是反洗錢的主戰(zhàn)場。而數(shù)據(jù)挖掘能夠從海量信息中獲取有價值線索，把數(shù)據(jù)挖掘和金融領(lǐng)域知識有效結(jié)合，識別洗錢交易是反洗錢研究中重要的基礎(chǔ)性工作。因此，研究數(shù)據(jù)挖掘識別洗錢交易具有重要意義。

二、交易信息的層次分析和數(shù)據(jù)結(jié)構(gòu)

要選擇合理的識別洗錢交易，就必須要深刻理解與準確把握金融領(lǐng)域的背景知識。通過分析大量的交易信息，結(jié)合反洗錢的知識與實踐經(jīng)驗，可疑把金融交易信息劃分成四個層次，即為交易層、客戶層、賬戶層以及機構(gòu)層。交易層就是整個交易信息之基礎(chǔ)，而交易層每一筆交易都包含了交易的主體、時間、賬戶以及交易性質(zhì)等各種豐富信息。將賬戶作為主體，歸并交易層信息，從而形成了賬戶層。各個賬戶中所包含交易層的信息不存在交集，并且每一個賬戶信息都是按照發(fā)生交易時間進行順序排列。假如某個客戶擁有多個賬戶，并且將許多賬戶信息納入該客戶名下，和其他的單一客戶賬戶共同構(gòu)成客戶層；客戶層里的賬戶大多按照交易性質(zhì)進行區(qū)分，比如資本賬戶、結(jié)算賬戶以及經(jīng)常賬戶，成為唯一客戶。

而客戶層中，例如客戶均為一家機構(gòu)，則合并成客戶信息而形成了機構(gòu)層。機構(gòu)層中客戶幾乎都是按照機構(gòu)組成進行區(qū)分，比如集團旗下的銷售、生產(chǎn)、財務(wù)以及物流等各種子公司。機構(gòu)內(nèi)部猶如一棵樹，所有機構(gòu)層中機構(gòu)信息形成了樹林，各種信息加之互相間的交易關(guān)系形成了整個交易整體。

交易信息基本組成單位就是每筆交易記錄，同一個交易賬戶交易記錄就形成交易賬戶信息，同一主體關(guān)聯(lián)賬戶信息組成了信息整體。

在交易中每一筆交易均相當一個數(shù)據(jù)點，基于記錄的賬戶信息就依照時間序列形成一條數(shù)據(jù)鏈，關(guān)聯(lián)賬戶的信息構(gòu)成數(shù)據(jù)層，所有主體的信息就形成一個數(shù)據(jù)立方體。經(jīng)過構(gòu)建多維數(shù)據(jù)的立方體，就能夠從概括層次上分析可疑交易信息。

三、數(shù)據(jù)挖掘識別洗錢交易

為了探究利用數(shù)據(jù)挖掘識別洗錢交易，本文就采用真實的外匯交易數(shù)據(jù)，然后結(jié)合層次分析，選定數(shù)據(jù)挖掘方法識別洗錢交易。

3.1 準備數(shù)據(jù)

本文驗證案例中所用數(shù)據(jù)源是某企業(yè)2011年——2015年外匯賬戶的交易數(shù)據(jù)。針對企業(yè)的原始交易數(shù)據(jù)實施了數(shù)據(jù)預(yù)處理，在操作中就是結(jié)合了可疑交易行為的特征，將企業(yè)的代碼當成ID，檢查了交易數(shù)據(jù)的資金收付標志、企業(yè)代碼以及交易金額等各種重要字段，填充了一些錯誤與缺失值的使用經(jīng)驗值或者背景資料，之后增加了一些分子字段，從而獲取原始特征集。對外匯賬戶的交易數(shù)據(jù)進行預(yù)處理后如表1所示。

3.2 驗證過程

首先要針對檢測孤立點在洗錢交易中的重要性，要發(fā)揮出聚類算法在分析金融交易過程中具有的優(yōu)勢。分析聚類數(shù)據(jù)，將交易數(shù)據(jù)劃分成6類，1，2，3，4類的賬戶主體數(shù)據(jù)上有明顯行業(yè)特征，但是第5類所含企業(yè)具備了交易頻繁、交易金融大以及現(xiàn)金交易少等各種特征，分析此類客戶背景特征，就發(fā)現(xiàn)這一類中的賬戶主體大多規(guī)模大且屬于進出口業(yè)務(wù)。而第6類包含了企業(yè)的資金交易不活躍，交易金額與交易次數(shù)都低于其他積累，通過分析就能夠發(fā)現(xiàn)這類賬戶主體大多是一些經(jīng)營不善的公司，而賬戶基本上都屬于睡眠戶，并且在第6類有53條數(shù)據(jù)是沒有合理解釋，只能夠歸并到異常交易的集合中去，聚類分析的結(jié)果如表2所示。

其次針對賬戶層面可疑特征，采用小波分析技術(shù)處理信息，然后結(jié)合背景信息選擇小波函數(shù)，對交易時間序列實施時域與頻域變換，建立適用在可疑洗錢交易挖掘小波模型，從而實現(xiàn)序列奇異性檢測。對于外匯賬戶的信息，依據(jù)每一個賬戶煤炭交易信息形成的交易時間序列，運用Matlab7.1軟件就能夠?qū)灰讜r間序列進行小波分析。并對交易數(shù)據(jù)的序列進行Haar 與bior3.3小波變換，采用多尺度進行綜合分析判斷，從不同細節(jié)的信號高頻系數(shù)重新構(gòu)建信號突變點位置，就能夠準確定位出交易發(fā)生異常的區(qū)域，從交易賬戶中獲取異常賬戶。

其三利用機構(gòu)層面的交易來源、流向及性質(zhì)或者用途的異常情形，運用數(shù)據(jù)挖掘技術(shù)對路徑異常進行識別。分析交易主體和交易流向、編碼間的鏈接，分析資金流向或者交易性質(zhì)上存在異常現(xiàn)象，屬于一種可疑交易。采用SAS8.0統(tǒng)計軟件作為分析工具，分析數(shù)據(jù)挖掘模塊具（EM）的信息，在SAS/EM 中調(diào)用其他相關(guān)節(jié)點和Link節(jié)點對數(shù)據(jù)進行鏈接分析，獲取到鏈接分析的結(jié)果。

其四；通過多角度挖掘交易數(shù)據(jù)；采取不同的挖掘方法識別某方面特征具有絕對優(yōu)勢，由此獲得多層次可疑的交易特征，將各類的可疑特征設(shè)置為輸入屬性，將各種可疑標識以集合屬性形成新數(shù)據(jù)集，并把新的數(shù)據(jù)集作為判定可疑度的數(shù)據(jù)源，采用貝葉斯準則進行推理判斷。

從而將多種可疑度轉(zhuǎn)化成單一指標，由此可定出最佳洗錢的可疑度指標，得出可疑度的判定閥值，就能夠給判定洗錢交易提供準確的參考。本文經(jīng)過反洗錢的相關(guān)知識，就能夠確定出可疑度的閥值是0.49。

參 考 文 獻

[1]劉芳，伏峰.利用鏈接發(fā)現(xiàn)技術(shù)偵測可疑賬號交易信息[J].計算機工程與科學，2012（6）.

[2]楊勝剛.基于數(shù)據(jù)挖掘技術(shù)的人民幣反洗錢系統(tǒng)設(shè)計[J].財經(jīng)理

論與實踐，2015（11）.

[3]歐陽衛(wèi)民.我國反洗錢若干重大問題[J].財經(jīng)理論與實踐，2016（3）.