基于聚类方法的客户交易行为模式识别.doc

 recognition is proposed to identify the suspicious client who has the abnormal transaction behavior through judging whether the client transaction behavior pattern is normal.The experimental results verify the feasibility and validity of the method. Key wor ds: anti- money laundering; pattern recognition; behavior character; clustering method 摘 要: 针对利用金融机构进行洗钱的犯罪行为, 为了提高可疑行为客户的识别效率, 智能信息技术与 KYC 标准的结合为反洗钱 工作提供了新的思路。论文将模式识别技术应用于反洗钱领域, 提出基于聚类方法的客户交易行为模式识别, 通过判断客户交易 行为模式, 识别具有异常交易行为的可疑客户。实验结果验证了该方法的可行性与有效性。 关键词: 反洗钱; 模式识别; 行为特征; 聚类方法 文章编号: 1002- 8331( 2007) 10- 0195- 04 文献标识码: A 中图分类号: TP391 1 引言 随着经济全球化步伐的不断加快, 洗钱活动日益猖獗, 并 引起国际社会的普遍关注。反洗钱已成为金融机构的重要工作 内容之一, 数据挖掘技术与智能信息技术被越来越广泛地应用 于反洗钱领域。但由于洗钱行为的不确定性与多变性, 异常金 融交易行为识别技术的有效性一直是人们所关注的问题。我国 对金融交易数据的监测和报告制度采用大额和可疑交易报告 制度, 即在人民币和外汇交易的报告制度中规定, 当交易数额、 交易频率或其他指标超过预定限额时, 金融机构必须加以记录 并向上级主管部门报告。根据这种“一刀切式”的交易报告制 度, 真正涉及洗钱行为的交易数据迅速被淹没在海量的正常大 额交易数据之中。此外, 由于洗钱与反洗钱是一个反复博弈的 过程, 预设报告标准阈值的方式有利于洗钱者对该制度进行规 避, 导致上报数据的无效性增加。因此, 需要从根本上改变反洗 钱工作中客户识别的思路。 巴塞尔委员会于 2004 年 10 月提出的“了解你的客户”( Know Your Customer, KYC) 标准, 要求金融机构在与客户进行金融交 易时应明确客户的身份。KYC 标准不仅是银行风险管理的一 该模式与客户自身的背景信息应基本符合。在金融机构切实贯 彻执行 KYC 标准的基础上, 通过运用模式识别技术对客户的 交易行为模式进行识别、分析与监控, 可以有效发现具有偏离 正常模式的异常交易行为的可疑客户。以判断“客户交易行为 是否正常”为研究思路的客户交易行为模式识别技术目前已成 为国际反洗钱信息系统的主要研究方向之一[2]。 2 相关研究 模式识别是一门研究对象描述和分类方法的学科, 它诞生 于 20 世纪 20 年代, 在 20 世纪 60 年代初迅速发展成一门学 科。几十年来, 模式识别研究取得了大量的成果, 但将模式识别 技术应用于异常金融交易行为识别领域还是一个比较新的研 究课题。 国内关于金融客户交易行为模式识别技术的研究还处于 起始阶段, 相关文献检索结果几乎为空白。国外有关组织和机 构从 20 世纪 90 年代末开始了基于客户交易行为模式识别技 术进行反洗钱数据分析的研究, 取得了一定的成绩[3]。SAS 和 Mantas 等反洗钱系统将模式识别技术与银行智能监控系统有 记录进行多层次的分析, 并由软件为客户建立个性化的档案, 当客户交易不符合通常的模式时系统就会发出警报。Mantas 反 洗钱系统则采用与 SAS“个性化匹配”方法不同的技术, 通过运 用数学运算规则从企业的海量数据中发现通用的模型。但无论 如何, 基于数据挖掘技术的模型匹配在所有的反洗钱平台中都 起到了关键的作用。有关文献的数据说明这种系统的监测精度 己经具备非常高的实际应用价值。 记录与背景信息作为研究数据。原始数据必须通过预处理操作 对数据类型进行必要的转换, 填充空缺值, 并纠正数据不一致 等问题。由于数据中的孤立点很有可能预示着异常交易行为, 在洗钱行为识别过程中具有重要价值, 所以进行预处理时应当 保留孤立点。 依据专家知识与领域经验对处理过的数据进行统计分析, 产生一组可以描述模式的原始特征。由于所供选择的原始特征 可能很多, 使得模式处于一个高维空间中, 从而造成维度爆炸, 因此, 必须根据分类贡献度对特征进行满