反洗钱数据报告

反洗钱数据报告（精选8篇）

反洗钱数据报告 篇1

--XX营业部

根据XX证监局下发的《XXXXX》的要求，我营业部进行反洗钱工作自查，现将有关情况报告如下：

一、按照证监局的规定，依法建立健全反洗钱各项工作制度。实现对反洗钱工作的实时监测分析。建立反洗钱内控制度，设立反洗钱工作领导小组，组长由营业部总经理担任，副组长由营业部财务经理担任，稽核员为监督员。反洗钱领导小组统一部署营业部反洗钱工作，及反洗钱相关的具体工作。

二，客户尽职调查情况。对于客户开户，营业部各部门按照反洗钱的各项制度能够认真检查客户的开户资料，对于非自然人开户，需具备法人代表身份证，企业营业执照等资料的真实性和有效性，确认无误后才予以开户；对于自然人开户，坚持查验身份证等有效证件的原件，确认无误后才予以开立账户。柜台作为一线岗位，营业部配备了一兼职合规管理人员进行岗位的监督和审核工作，严格审查开户、第三方存管、资料变更、清密等业务的流程。经自查，没有为不明身份的人受理相关业务。

三，大额和可疑交易报告情况。对于大额的频繁的可疑交易，我营业部能够按照规定及时准确的填制各类报表向上级报告，协同总部的风控审计部对帐户持有人进行调查，必要时对被调查人的资金进行冻结，限制其买卖，待确认后给予解冻。对客户大额的转账进行预约确认，在此次自查期间，并未发现有可疑交易。

四，建立反洗钱保密制度和查阅、复制涉密档案书面登记制度，完善账户资料保存情况。对于客户实行一人一档管理，客户所填单据都留底保存，确保档案的完整和真实。在自查期间，经自查，未曾发现开立有匿名账户或假名账户，没有为身份不明确的客户提供开户、结算等服务。

五、对我营业部员工尤其一线员工进行反洗钱的宣传与培训，认识反洗钱的重要性和必要性。在此次自查期间，在晨会和例会上，通过宣读公司反洗钱的文件，对员工进行宣传和培训，让员工认识洗钱的社会危害性和反洗钱的必要性，并对员工的不解之处进行一一解答。

开展对客户的反洗钱宣传工作，并将反洗钱培训摆上工作日程，采用以会代训的形式，让客户尽量了解有关反洗钱的法律、行政法规及规章制度的规定，提高可疑支付交易资金的识别和分析能力，增强反洗钱的意识。

五、检查中发现的不足之处：

1、我营业部反洗钱的各项制度还不够健全和完善。

2、反洗钱有关的资料及相关信息基本上都是以电子信息形式存储，纸质材料不够齐全。

3、由于反洗钱还是一项较为陌生的工作，基层从业人员对反洗钱缺乏系统的理论知识和足够的实践经验，有待进一步提高辨别可疑支付交易的判断能力。

通过反洗钱的思想教育，我营业部员工对反洗钱的各项制度比较熟悉，能够较清楚的鉴别洗钱非洗钱的区别界限，对可疑交易的识别能力正在逐步提高，同时能在日常工作中保持较高的警惕性。

XX营业部

反洗钱数据报告 篇2

关键词：计算机应用技术,反洗钱,大数据,商业银行

0 引言

洗钱行为给国家和社会带来了巨大损失, 我国从上世纪末就开始从国家层面实施反洗钱建设, 并且参考国际经验总结了诸多反洗钱策略。但是随着金融业的快速发展和金融领域信息化的不断深入, 数据量的增长和新兴金融产品的不断推出, 传统的反洗钱方式在处理能力和处理精度上越来越不能满足需求, 所以商业银行需要使用新技术来提升自己的反洗钱能力。本文介绍了反洗钱现状和大数据相关技术及其优势, 分析对比了当前大数据领域的一些适用技术, 并且结合商业银行的业务情况提出了一套实用的大数据反洗钱架构, 最后总结了大数据反洗钱的一些发展方向。

1 反洗钱现状

在21 世纪初, 为了适应国际反洗钱形势, 我国反洗钱工作逐步开展, 反洗钱监管体系从无到有, 逐步建立起来。但是, 当前反洗钱的形势依然很严峻。根据中国人民银行发布的《中国反洗钱报告2013》的统计, 2013 年人民银行共发现和接收4854 份洗钱案件线索, 中国反洗钱监测分析中心全年向公安部等部门主动移送和协查反馈数量超过前两年总和。最近几年, 随着走私、毒品、贪污贿赂等犯罪不断曝光, 非法转移资金活动大量存在, 对洗钱行为的预防监控愈发显得重要。

由于洗钱行为大多以商业银行作为操作平台, 因而商业银行在反洗钱方面具有重要的基础性作用, 商业银行有能力也有义务对客户身份、客户交易行为进行识别, 完成反洗钱工作的初筛工作。如果银行在反洗钱方面工作不利, 不仅会对银行造成经济还有声誉的损失, 更会影响反洗钱当局的对于洗钱行为识别, 造成国家层面的经济损失, 影响国家的声誉。

同时, 随着数字化信息时代的来临, 网络交易和移动支付的数量不断上升, 越来越多、越来越详细的交易数据对传统的反洗钱处理方式构成了挑战, 单纯的升级硬件或软件已经无法应对可预期的数据量的疯狂增长, 因而商业银行需要新技术来确保未来的反洗钱工作能准确高效地进行。大数据处理技术的发展为商业银行提供一个可靠的解决方案。

2 大数据简介

大数据 (big data) , 是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合, 是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中, 大数据是指不用随机分析法 (抽样调查) 这样的捷径, 而采用所有数据进行分析处理[1]。大数据的5V特点:Volume (大量) 、Velocity (高速) 、Variety (多样) 、Value (价值) 和Veracity (准确性) 。

随着移动互联网、物联网、社交网络和云计算等领域的发展, 大数据技术在众多的领域得到了应用并推动了这些领域的发展。比如, 在商业领域, 沃尔玛公司通过分析销售数据, 了解顾客购物习惯, 得出适合搭配在一起出售的商品;在公共卫生领域, 谷歌通过对最频繁检索的词条和美国疾控中心在2003 年至2008 年间季节性流感传播时期的数据进行了比较, 预测了2009 年冬季流感的传播;在社会安全管理领域, 美国麻省理工学院通过对某地区十万多人的SNS等信息进行处理, 提取人们行为的时空规律性, 进行犯罪预测。大数据技术的运用, 给人类带来了更多的想象。

虽然有些数据处理技术已经出现, 然而在一段时间内它们只为调查局、研究所和世界上的一些巨头公司所掌握, 但随着开源软件的发展, 以Hadoop为代表的数据处理技术和系统得以不断的发展和完善, 并且在诸多领域中得以运用, 极大地推动了各个产业的发展。众多大公司和研究所都在研究和使用Hadoop平台, 并且针对各个细分领域贡献了更多实用的组件, 使得Hadoop生态圈更加完善。

商业银行每天都会产生大量的交易数据和客户信息, 使用大数据处理技术来实施反洗钱, 对于商业银行保证反洗钱职能、提升反洗钱效率、降低反洗钱成本等方面有着重大的意义。

3 大数据反洗钱的优势

使用大数据技术实现反洗钱, 将大大提升商业银行的反洗钱处理能力, 跳过计算能力的瓶颈。当前, 商业银行传统的反洗钱方式是依据《金融机构大额交易和可疑交易报告管理办法》, 对交易数据进行计算, 若交易数据符合大额交易或者可疑交易标准, 就将该数据报送反洗钱监管机构。商业银行一般使用Oracle等传统的关系型数据库进行数据的计算分析, 由于传统关系型数据库的扩展能力有限, 数据处理能力只能通过提升硬件性能来实现有限提升, 无法应对越来越大量的交易数据。大数据处理技术能实现横向扩充计算能力, 在处理能力、扩充能力、成本等方面有巨大优势。当前, 基于关系型数据库的反洗钱操作都是通过SQL来实现的, 大数据平台有Hive、Spark SQL、Dremel等实现SQL接口的大数据处理工具, 对于技术方案切换成本和技术学习成本都能有很好的控制。

大数据技术也让反洗钱有更多的提升空间。传统的关系型数据库需要满足范式等约束, 一般只能处理结构化的数据。大数据技术支持非结构化的数据, 同时配合强大的存储能力能收集记录更多维度的数据, 在对交易数据计算的时候可以避免样本计算带来的缺陷, 使用完整的数据进行计算分析提升反洗钱的效果。由于拥有强大的计算能力和存储能力, 反洗钱的识别可以突破《金融机构大额交易和可疑交易报告管理办法》中相关规则的限制, 提供更加细致的识别方案, 比如可以针对每个客户的历史数据, 对比每笔交易, 统筹考虑时间、地点、金额、流向、频繁程度等要素, 理解相关交易行为的特点, 配合离群值分析等机器学习算法, 进而提升可疑交易的识别准确率。

4 大数据反洗钱的设计

4.1 反洗钱业务需求

中国反洗钱工作具有多部门协作的特点, 商业银行反洗钱工作只是其中一部分。完整的反洗钱工作流程包括:客户和交易信息收集及筛选、大额和可疑交易分析及甄别、大额和可疑报告报送、数据汇总检查及预处理、可疑交易甄别及行政调查、移交司法立案侦查等环节 (见图1) , 并由各商业银行、人民银行反洗钱机构和司法机构分别承担, 形成反洗钱工作的完整闭环[2]。

当前大多数商业银行都是采用Oracle、My SQL等传统的关系型数据库作为数据处理的主要工具, 然而随着信息数据的增长和数据分析的需求的转变, 传统数据库遭遇诸多瓶颈, 比如数据量增长过快, 导致运算效率下降;数据抽取处理的代价过高, 无法在统一的视图下处理;无法处理多种类型的数据;不具备进行搜索或关联分析以发现隐藏关系的能力;不具备数据挖掘等高级分析的能力等等。大数据相关技术的发展为商业银行快速精准分析数据提供了解决方向。

目前, 商业银行的数据分析一般是基于传统的数据仓库, 考虑到技术演进的渐进性, 需要对反洗钱处理的前后端兼容, 同时兼顾使用的便捷性和稳定性, 所以使用大数据数据仓库来实现;考虑到今后反洗钱策略的升级, 新系统也需要为策略升级留下扩展接口。

《金融机构大额交易和可疑交易报告管理办法》规定, 金融机构应当在大额交易发生后的5 个工作日内, 在可疑交易发生后的10 个工作日内以电子方式报送相关报告到中国反洗钱监测分析中心。上报的时间比较宽裕, 在线处理和离线处理都可满足需求。

4.2 技术方案比较

4.2.1 数据采集技术

机构信息、员工信息、客户信息、账户信息、牌价汇率信息、本外币交易信息等数据的采集是由商业银行的业务柜台等直接和用户交互的机构录入到系统的, 是典型的联机事务处理 (OLTP) , 传统的关系型数据库和新兴的No SQL都是备用方案。下表对关系型数据库和No SQL数据库做了对比:

从上表可以看出, 关系型数据库和No SQL具有不同的适用场景。商业银行的交易数据相对来说模式比较固定, 没有大量的非结构化数据, 单纯OLTP场景下处理能力也完全能满足需求, 同时, 银行现有的业务系统也是基于传统关系型数据库, 所以数据采集主要还是依靠传统的数据库来完成。客户数据是非常冗杂的数据, 当前商业银行记录的数据主要是交易相关的固定模式的数据, 但是用户数据是非常具有挖掘价值的, 随着用户数据分析策略的升级, 会有很多非结构化的数据作为补充, 所以客户数据可以逐步采用Apache HBase等No SQL数据库, 增加对非结构化数据的支持, 为在大数据平台上实施客户评级、风险监控等策略的升级提供接口。

4.2.2 数据分析技术

实现大数据反洗钱, 最主要的就是在交易数据中识别洗钱行为。中国人民银行对商业银行的反洗钱的要求就是识别和报送大额交易和可疑交易, 使用SQL的方式进行反洗钱数据处理, 是便捷有效的方式。反洗钱相关需求的实施是典型的联机分析处理 (OLAP) , 当前基于大数据平台的OLAP方案主要有Apache Hive、Dremel clones、Spark SQL三种。在技术方案选型时, 当前技术的成熟程度、开源分支的活力和技术演进的方向都需要考虑, 需要从趋势上避开一些不具发展潜力的技术, 比如之前的Shark。

Apache Hive最初由Facebool公司创建, 是第一个基于Hadoop之上的SQL引擎, 且至今仍是最成熟的。Hive主要解决的问题就是为开发人员提供SQL方言来存储和处理Hadoop集群中的数据, 封装了复杂的编程任务, 方便在海量静态数据上做离线分析处理。到目前为止, Hive拥有最完整的SQL功能支持、最为稳定, 并且也是拥有最多贡献者的项目, 事实上大多数SQL引擎都以这种或那种方式依赖于Hive[3]。Hive最初是构建在Map Reduce之上的, 运行稳定但是耗时较多。Hortonworks于2013 年提出Apache Tez引擎以提高Hive性能, Tez使用数据流 (Dataflow) 的方式避免了Map Reduce中间结果的写磁盘读磁盘的性能瓶颈, 提高数据分析的效率。Hive社区于2014年推出了Hive on Spark项目 (HIVE-7292) , 并且在Hive 1.1 版本中正式推出。Hive on Spark在设计时尽可能重用Hive逻辑层面的功能, 从生成物理计划开始, 提供一整套针对Spark的实现。在Hive 1.1 及以后的版本, Map Reduce、Tez、Spark三个引擎可以自由切换。

2010 年, Google公开了《 Dremel : Interactive Analysis of Web Scale Datasets》一文, 提出了PB级数据规模上的“交互式”数据分析系统。在PB级数据规模上, Hive使用Map Reduce作为引擎执行数据处理需要分钟级时间, Dremel只需要秒级。Dremel论文公开后, 外部有很多克隆版本, 比如Facebook Presto、Cloudera Impala和Apache Drill。Dremel Clones没有再使用缓慢的Hive+Map Reduce批处理方式, 而是通过使用与商用并行关系数据库 (Parallel Database System) 中类似的分布式查询引擎, 可以直接从HDFS或HBase中用SELECT、JOIN和统计函数查询数据, 从而大大降低了延迟。然而, 由于流式传输过程中, 中间数据都保存在内存中, 当数据量过大内存无法容纳时, 查询就会失败。Dremel Clones适用于原型阶段的快速数据分析和模型建立, 不适合有复杂处理逻辑的计算, 不适合大数据量的计算。

Spark是一个通用的大规模快速处理引擎, Spark完全跳出Map Reduce的处理模型, 将数据集缓存在内存中, 并用Lineage机制容错, 其弹性分布式数据集 (Resilient Distributed Datasets) 也提供更丰富的编程接口。总体而言, Spark为我们提供了一个全面、统一的框架用于管理各种有着不同性质 (文本数据、图表数据等) 的数据集和数据源 (批量数据或实时的流数据) 的大数据处理的需求。Spark在SQL方面的发展最早是基于Hive的Shark, 由于Shark对于Hive有太多依赖 (查询优化、语法解析等) , 性能提升遭遇瓶颈, 2014 年Spark Submit上Databricks宣布放弃了的Shark的开发, 从此Spark上的SQL就分成两个路线:Spark SQL和Hive on Spark。Hive on Spark可以认为是前端Hive后端Spark, 基于MR或Tez的Hive既有用户可以在原系统与Hive on Spark系统之间轻松切换, 切换工作仅仅只需要简单地修改下配置参数。Spark SQL是一个完整的新引擎, Spark SQL团队吸收Shark的优点重新开发了Spark SQL代码, 使得Spark SQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的提升。Spark SQL在2015 年5 月的1.3 的版本中才走出“Alpha”状态, 是全新的平台, 相对于Hive在功能丰富性和稳定性上还有很多不足。

综合分析各个数据处理平台, 结合商业银行高稳定性、高可用性需求以及大量交易数据和充足的离线运行时间的实际情况, 选用至今最成熟的Apache Hive是商业银行的最佳选择。Hive支持Map Reduce、Tez、Spark三大引擎, 在运行效率和运行稳定性之间有比较大的选择空间。Dremel Clones可以作为辅助分析工具, 帮助调研调试新的反洗钱规则。同时, Spark SQL发展迅速, 也可能成为今后的最佳选择。

4.2.3 数据存储技术

大数据平台的数据存储主要是HDFS和HBase两种。虽然HBase的底层也是基于HDFS, 但是在许多特性上和HDFS是有明显的区别的。

由于HBase是基于HDFS的, 所以HBase也拥有HDFS的高吞吐量、高可伸缩性等特点。实质上, HBase就是在HDFS的基础上增加了基于内存的缓冲区并调整数据查找方式。HBase适用于数据存储和搜索, 但是对于数据分析, 性能会比HDFS差一些, 因为HDFS上典型的访问是顺序I/O, 而HBase上的访问有服务器的socket连接资源消耗和对底层多个文件的合并过程[4]。当前, 有Apache Kudu这样的项目来兼顾数据扫描、随机访问和数据分析的高性能, 避免额外的数据移动, 但是该项目正在处于孵化阶段, 暂时无法在项目中运用。

商业银行反洗钱的主要数据源是交易数据, 辅助数据源为客户、账户信息;同时在数据的ETL处理阶段, 有码值映射表等辅助数据。银行每天业务结束后, 会将数据导入到HDFS中, 以供分析。交易数据是确定不变的数据, 可以使用HDFS来存储;对于客户数据等可变数据, 可以使用HBase存储, 在运行时加载到HDFS中以提高分析速度。如果不考虑非结构化和半结构化的数据, 可以不用HBase直接将所有原始数据存入关系数据库然后统一导入HDFS。

文件存储格式对于数据分析的效率也有很大影响。目前, Hive支持的几种主要的数据格式如下:

相对于纯文本格式和面向行的二进制格式, 面向列的二进制格式性能消耗较大, 但是具有较好的压缩比和查询响应;同时ORC和Parquet还增加了数据的块统计, 能有效减少数据分析的时间。反洗钱业务需要大量的数据分析, 所以分析时采用ORC格式具有比较好的效果。在数据仓库中, 数据会进行分层, 不同的数据层应该根据实际采用不同的数据格式。

数据存储文件也需要配合文件压缩来减少占用的磁盘空间并加速数据在网络间的传输。在反洗钱处理情景中, 主要数据都是交易记录, 使用压缩比和压缩效率比较均衡的LZO或者Snappy皆可。

4.3 大数据反洗钱的应用

4.3.1 大数据反洗钱的架构设计

通过对反洗钱的业务研究和各个数据处理阶段相关技术的对比研究, 确定使用My SQL+HBase的方式来进行数据采集 (不考虑非结构化数据可以全部使用My SQL) ;使用HDFS+HBase的方式实现数据存储。结合反洗钱的实际业务, 对反洗钱整体的架构设计如下:

My SQL集群中存储每天的交易数据和客户数据, 同时维护着一份反洗钱的配置文件。每天业务结束后, 将My SQL中的数据导入到Hadoop处理平台中。Hadoop环境中主要是使用Apache Hive作为数据仓库, 在Hive中进行ETL操作, 将数据整理转换为反洗钱计算的输入, 然后进行反洗钱的数据计算。最后将计算得出的预警结果导出到My SQL中。

就具体的数据分布而言, My SQL主要用于当前操作型事务和少量在线数据应用, 其主要存储系统基础数据、元数据、当前处理数据 (补录数据、案例处理、报告信息等) 等数据。Hadoop是作为数据处理平台 (Hive) 和数据归档平台 (HBase) , 主要存储海量指标数据和历史数据 (交易、报告、客户/账户、评级历史、日志等) 。Hive作为基于Hadoop的数据仓库, 具有天然的易于扩充的海量数据存储能力, 所以存储了所有历史数据, 但是基于Hive的查询操作会很慢, 所以使用HBase来辅助查询。具体的数据流如下:

Hive相关的部分, 是整个系统的数据处理中心, 包括ETL和规则计算。数据源是银行的业务系统每天产生的基础数据, 导出到Hadoop文件系统上;Hive通过Load命令将数据文件加载进入到贴源层, 贴源层与源系统结构一致。数据加载到HDFS后, 需要进行ETL转化, 主要使用HQL语言进行数据整理, 最终在Hive中生成标准数据接口, 然后将数据导入HBase, 以供应用访问。标准数据接口中的数据是全部数据, 使用合适的过滤规则将当日规则计算需要的数据从标准数据模型中取出来, 以缩小需要访问的数据范围。然后就可以进行反洗钱核心环节的处理, 进行大额和可疑规则的计算, 并且生成预警结果, 最后将预警中间结果写到My SQL。

每天的预警结果生成以后, 需要在Mysql中对生成的预警结果进行案例生成, 数据校验等操作, 其中并对部分数据进行补录。对经过在My SQL中补录的业务数据, 如客户信息、账户、交易信息, 归档到Hive中的标准数据接口中, 再同步到HBase中。对经过在My SQL中补录、认定、报送已经接收过回执的数据, 同步到Hive的历史库中, 再同步到HBase中的历史库中。

前台访问主要涉及下面三个操作, 日常的补录、案例分析、报告及报送工作在My SQL中操作;对于查询交易、账户、客户等大数据量数据访问HBase, 通过服务接口;对于归档的历史数据, 通过服务接口访问HBase。

4.3.2 大数据反洗钱计算实现

具体的反洗钱计算如3 所示, 涉及的过程是从“标准数据接口”开始, 到生成“预警结果中间表”结束。主要的计算逻辑就是《金融机构大额交易和可疑交易报告管理办法》中规定的4条大额规则和18条可疑规则, 使用Hive QL根据客户数据和交易数据的特征来识别可疑数据。

在计算过程中, 由于数据量巨大, 全部计算会浪费过多资源, 所以需要根据反洗钱的计算规则提炼出一些过滤规则以减少待计算的数据量。当前使用的是以客户为中心的筛选过滤规则, 具体的过滤逻辑如下:

首先根据当天的交易流水过滤出所有出现过的客户ID (包括对方客户) , 然后计算回顾周期, 最后根据回顾周期从历史数据中筛选出回顾周期内需要计算的数据。以客户为基准过滤非计算数据, 可以有效的避免计算资源的浪费。

反洗钱的计算过程中, 描述性的规则在实施过程中需要量化。一条规则在量化后, 会划分成对公规则/对私规则、本币规则/外币规则等多种不同的子规则。大多数描述可以通过简单的属性划分来完成, 但是有些描述无法通过简单的划分来实现。以中国人民银行的可疑规则第五条为例:与来自于贩毒、走私、恐怖活动、赌博严重地区或者避税型离岸金融中心的客户之间的资金往来活动在短期内明显增多, 或者频繁发生大量资金收付。“短期内资金往次数明显增多”这种行为的识别需要和前期的数据比较得到, 然而每次计算时都统计历史上的交易次数明显是很低效的。为此, 设计了资金收付偏移比这一指标:

其中, “短期”和“长期”都是可调控参数, 针对对公用户和对私用户等不同用户有不同的时间设置。由于分母是日平均交易次数, 可能是远小于1 的值, 这样的值会将偶尔出现的交易放大而出现失真, 所以添加了基数1 来控制敏感度。实际的资金收付偏移比的阈值和上面所列出的指标一样, 也是在参数表中动态配置的, 默认的偏移比阈值是3。长期参数可以定期计算保存, 这样每次计算短期的日平均交易次数既可以获得资金收付偏移比, “短期内资金往次数明显增多”可表示为资金收付偏移比大于阈值, 大大减少计算量。在实际的反洗钱计算中, 还有新账户指标、账户活跃度指标等, 都是为了降低计算复杂度而设立的, 在此就不全部列举。

5 反洗钱发展展望

随着信息科技的发展, 互联网金融等众多新兴的交易模式逐渐增多, 这些新技术在方便普通用户的同时, 也给不法分子提供了新的洗钱手段。因此, 作为反洗钱前沿阵地的商业银行更需要提升反洗钱的能力, 保证金融市场的有序稳定。商业银行提高反洗钱能力, 一方面是反洗钱平台技术的提升, 提高数据处理能力;另一方面就是反洗钱识别策略的提升, 提高数据处理的效率。

在平台技术方面, 通过上文的对比分析, 可以看出当前大数据技术已经从具有处理能力向具有快速处理能力发展, 越来越多的考虑使用内存、固态硬盘等硬件来加速执行过程。Map Reduce、类分布式搜索引擎、Spark等诸多技术的发展, 提供越来越高效的数据分析手段[8]。当前, 类似Kudu、Spark SQL等部分新的技术尚处在初期发展阶段, 暂时不能在商业银行这种对稳定性要求比较高的情况下使用, 但是将来肯定会是数据处理的有力扩充。本文采用的是离线的处理方式, 针对反洗钱的部分规则, 可以采用Storm等流式计算引擎来完成在线实时分析计算, 如果能在秒级别识别洗钱行为, 那么对于整个反洗钱生态都是颠覆性的。

在反洗钱识别策略方面, 商业银行传统的反洗钱监控上报都是基于《金融机构大额交易和可疑交易报告管理办法》, 这一套方式是对过去反洗钱手段的总结, 在应对众多新型交易方式, 难免有疏漏之处。升级反洗钱识别策略, 主要就是引入分类、估计、预测、关联规则、聚类、描述和可视化等数据挖掘技术, 从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息。增强对客户的风险控制, 避免显性检测规则的弊端, 降低反洗钱的识别成本, 提升反洗钱执行效率[9]。本文的反洗钱架构给反洗钱识别策略的升级预留了接口, 可以使用机器学习组件Apache Mahout在HDFS上直接调试部署;也可以使用Hivemall直接基于Hive进行算法的训练部署;也可以使用基于Spark的机器学习系统MLbase及底层的分布式机器学习库MLlib来进行反洗钱新策略的训练升级。尽管近年来在反洗钱识别策略方面的研究取得不少进展, 但总体来讲“框架研究多, 具体方法研究少;理论研究多, 结合具体场景研究少”, 目前并没有切合实际的方案, 但这是反洗钱的必然发展方向。

6 结语

随着全球经济信息化不断加快, 洗钱犯罪也呈现出更加多变、隐蔽的特点。商业银行作为反洗钱的前锋, 承担着反洗钱工作的重要职责。大数据时代的海量数据不仅给商业银行的反洗钱带来巨大压力, 同时也给整个金融市场带来了全面提升反洗钱效率的契机。

本文从当前商业银行的反洗钱技术在数据处理能力不足的角度出发, 分析了商业银行的反洗钱业务需求, 并对比总结了当前大数据相关技术在反洗钱场景下的优缺点和适用情况, 根据实际的业务情况提出一套实用的可扩展的大数据的反洗钱处理框架, 并且在反洗钱计算部分提出了优化意见, 最后讨论了反洗钱发展的两个方向。相信在不久的将来, 大数据技术将和反洗钱碰撞出更多的火花。

参考文献

[1]维克托, 迈尔.舍恩伯格 (Viktor Mayer-Schonberger) , 肯尼思库克耶 (Kenneth Cukier) .大数据时代[M].2013.

[2]毛宇星, 张成洪, 凌鸿.商业银行反洗钱信息系统现状及研究进展[J].金融论坛, 2014, 11:012.

[3]王正也, 李书芳.一种基于Hive日志分析的大数据存储优化方法[J].软件, 2014, 35 (11) :94-100.

[4]Capriolo E, Wampler D, Rutherglen J.Programming hive[M]."O'Reilly Media, Inc.", 2012.

[5]欧阳卫民.我国反洗钱若干重大问题 (下) [J].财经理论与实践, 2006, 27 (4) :2-9.

[6]Dimiduk N, Khurana A, Ryan M H, et al.HBase in action[M].Shelter Island:Manning, 2013.

[7]White T.Hadoop:The definitive guide[M]."O'Reilly Media, Inc.", 2012.

[8]杨剑宁, 蔺坤, 王翊新, 等.大数据项目的部署分析[J].软件, 2013, 34 (12) :247-248.

反洗钱数据报告 篇3

2008年，反洗钱风暴愈演愈烈。在破获了一连串地下钱庄大案之外，6起案件以“洗钱罪”定罪。而从1997年《刑法》规定洗钱罪到2007年上半年，全中国一共只有4个判例。

中国人民银行反洗钱局的官员并不愿意用“进入新阶段”来形容2008年的反洗钱工作，但他们承认，这一年有了新的工作重点。

2003年，国务院明确由中国人民银行负责组织协调全国的反洗钱工作，反洗钱局应运而生。近日，央行反洗钱局局长唐旭接受了本刊记者的专访，详述2008年的反洗钱风暴。

今年反洗钱案涉及近1500亿

《盼望东方周刊》：与前几年不同，今年以来的反洗钱工作好像突出了严厉打击的特征。

唐旭：2008年前9个月，中国人民银行共协助破获各类案件、包括积极推动起诉审判进程的172起，涉及金额折合人民币约1496.1亿元。破案数量是以往同期的2倍。

在两次大的反洗钱行动中，“天网行动”以“洗钱罪”宣判的案件有6起，以“掩饰、隐瞒犯罪所得、犯罪所得收益罪”宣判的案件有4起，洗钱罪的判例数量超过了此前所有同类判例的总和。

在“雷霆行动”中，各地人民银行、外汇管理部门协助公安机关破获地下钱庄案件45起，涉及金额折合人民币约1053.1亿元。这是人民银行参与的历次打击地下钱庄专项行动中破获数量最多、涉及金额最大的一次行动。

而2007年，央行协助调查洗钱案件328起，破获89起，涉及金额分别是537.2亿元和288亿元。

2083年以来，反洗钱工作的重点是构建法律体系和监管体系。2007年以来特别到2008年，严厉打击洗钱犯罪成为新重点。

《瞭望东方周刊》：目前我国反洗钱工作的推进情况如何?

唐旭：反洗钱的监管范围在扩大，在加强证券、保险行业的反洗钱监管以外，将对一些特定非金融领域进行反洗钱监管。

在推动洗钱罪的定罪方面也取得突破。

特别是对洗钱活动新动向予以了特殊关注。这包括恐怖融资行为，要弄清楚恐怖分子的资金来源。另外包括国际汇款洗钱、地下钱庄新的运作模式和所谓“热钱”的渠道问题。还有就是现代金融工县越来越多，洗钱分子经常利用新的金融工具洗钱。同时，非金融行业的洗钱问题也值得关注。

在国际方面，我们积极参与金融行动特别工作组、欧亚反洗钱及反恐融资小组工作，与多个国家和地区签订了反洗钱合作备忘录，共同打击跨国洗钱犯罪。

上游犯罪主体也应判处洗钱罪

《盼望东方周刊》：法律体系是反洗钱工作的重要基础，在《反洗钱法》实施以后，在推动相关法律条款的修改方面，有什么具体内容?

唐旭：这个工作刻不容缓。目前《刑法》规定，洗钱犯罪的上游犯罪仅限于毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪、金融诈骗犯罪七类，同时需要主观方面具备“明知”要件，客观方面具备法定的五种掩饰、隐瞒其来源和性质的行为。这样在实践中，就出现了三个主要表现。

一是只有对所列七类犯罪的所得及其产生的收益进行掩饰、隐瞒，才构成洗钱罪。对其他犯罪所得不构成洗钱罪，而是依照《刑法》第312条以“掩饰、隐瞒犯罪所得、犯罪所得收益罪”进行处理，尽管这也是对洗钱行为的惩处，但罪名不同。

二是构成洗钱罪的主观要件必须是“明知”，行为人不知道所清洗黑钱的来源的，也不能认定为洗钱罪。这就使很多地下钱庄经营者逃脱了洗钱罪的制裁。

另一个就是构成洗钱罪的主体必须是“协助”犯，即只有是提供资金账户或以其他形式协助上游犯罪主体的帮凶，才会被判洗钱罪。而毒贩、走私犯、贪污受贿者等上游犯罪主体，即使亲自对相关财物进行掩饰、隐瞒、清洗，也不再认定洗钱罪。

上述三个问题的存在，使得洗钱罪的认定难度较大，因而实践中的洗钱罪判例少之又少。

反洗钱工作帮助重庆巨贪案定罪

《盼望东方周刊》：如何发现官员的腐败洗钱行为?

唐旭：反洗钱部门要想及时发现，在工作中一是要加强与部际联席会成员单位的业务联系，互通情报，及时从一些待办案件中发现、甄别有价值的案件线索，或者注意从新闻媒体报道的一些腐败案件中发现线索。

二是及时与办案的公检法单位沟通。

三是在反洗钱现场检查或从各金融机构上报的可疑交易报告中发现线索。比如《金融机构大额交易和可疑交易报告管理办法》就规定，单笔或者当日累计人民币交易20万元以上或者外币交易等值1万美元以上的现金交易等都需要报告。各地上报的信息汇集到反洗钱监测中心，集中进行分析处理。另一个就是重视群众来信中反映的情况，因为这些写检举信的人大多数是知情者，一般掌握第一手材料。

当然，我们的调查在程序上是很严格的，不能想调查谁的账户就查谁的账户，要严格遵守有关法律法规。

《盼望东方周刊》：一些重大腐败洗钱案件是如何发现和调查的?

唐旭：比如重庆巫山县交通局原局长晏大彬受贿、其妻傅尚芳洗钱一案，最后认定晏大彬犯受贿罪，判处死刑，剥夺政治权利终身，并处没收个人全部财产；认定傅尚芳犯洗钱罪，判处有期徒刑3年，缓刑5年，并处罚金50万元。

这一案件案发很偶然：重庆一个小区的保安在检查房屋漏水时发现一套空房里有纸箱装着巨额现金。经过公安部门调查发现，房主是晏大彬的妻弟，于是当地纪委对晏大彬进行“双规”。当时他藏匿的现金有人民币1192万元，美元3.15万元。这个案件因此非常轰动。

人民银行重庆营管部在总行反洗钱局的指导下，主动帮助警方调查取证。最后又调查发现，傅尚芳将934万元以本人或他人名义购置房产、存入银行和购买理财产品，其中分红型保险就有近50万元。

从这个案件可以看到，被告藏匿的受贿所得与其进行洗钱的受贿所得金额不相上下。如果没有反洗钱工作的配合，很难认定其全部2226万元受贿事实。

此案是我国首例腐败洗钱案，也是人民银行反洗钱部门和公安机关经侦部门大力配合国家反腐败工作的典型案例，同时还是洗钱罪设立以来第一例上游犯罪是贪污贿赂罪的洗钱案。

但我们也可以看到，最后晏大彬并没有被判处洗钱罪。

特大地下钱庄案涉及230多家企业

《盼望东方周刊》：最近全国范围内的打击地下钱庄行动，特别是广东破获了大量地下钱庄案件，引起了社会的关注。

唐旭：自从2007年9月开展“雷霆行动”以来，中国人民银行广州分行先后协助当地警方破获了“珠海万胜友地下钱庄案”、“东莞叶某地下钱庄案”等案件。2008年6月，广东警方在当地人民银行配合下破获了涉案金额28亿元的大型地下钱庄案：广东陈裕潮特大地下钱庄案。此案是人民银行与警方通力合作破获的又一起大型地下钱庄案。

《盼望东方周刊》：这一案件是如何破获的?

唐旭：最初是我们从一份重点可疑交易报告中发现了线索。2008年5月，人民银行某市中心支行接到当地一家商业银行的可疑交易报告：深圳市福田金博电子商行存在巨额可疑交易。经过进一步调查，发现这家公司和关联公司在4个月内累计交易超过6030笔，金额超过28亿元，且资金快进快出，交易对手涉及深圳、北京、武汉、重庆、海南等地的230多家企业。根据调查结果，人民银行立即与当地警方进行了情报会商，警方当天就成立了专案组。

经过1个多月的艰苦工作，调查发现这是一个有组织的大型地下钱庄犯罪团伙，幕后老板叫陈裕潮，是广东普宁人。这个团伙通过金博电子商行等没有经营实体的空壳公司以及陈裕潮掌握的数百个个人账户，大肆进行非法经营活动。陈裕潮地下钱庄的操作极为复杂。一是通过网上银行进行资金划转，快速隐蔽，追查难度大。资金划入金博电子商行再到个人账户，最快一笔只用了4秒。一般划转都在1分钟内。

反洗钱自查报告 篇4

根据县联社2011年9月4日的会议精神，我社对反洗钱工作情况进行了一次自查，现将自查情况汇报如下：

首先，我社成立了以社主任111为组长、储蓄所负责人、内勤主任以及各柜员为成员的反洗钱工作领导小组，完善了反洗钱工作领导机构。其中222为社内反洗钱报告员，333为汪各储蓄所反洗钱报告员，确保反洗钱工作的顺利开展。

我社个人结算账户16850户，储蓄户98850户，单位账户240户

根据要求，我社社内及网点基本能够建立客户身份登记制度，按照“了解客户”制度原则，在客户办理开户时，我社严格按照存款实名制的原则办理，要求客户提供身份证，柜员认真按照客户身份证认真填写个人结算开户申请书，不足之处是不能全部进行公民联网核查。审查客户提供的材料、证明文件和资料时力求真实、完整和有效，对于单位和个体工商户到我社进行开户时我社要求其提供营业执照，税务登记证，法人身份证，组织机构代码证，并且要求客户填写开户申请书，和开户客户签订开户协议书，然后报当地人行报批。在对客户的经营范围、经营规模、经营特点及资金流向方面进行仔细分析，对其账户的现金交易以及账户交易及时进行监控。在按规定期限保存客户账户资料和交易记录方面，我社做的不是太好，在个人结算户开户时没有留下客户的身份证复印件，只是在开户申请书上面登记客户的身份证号码。

落实大额和可疑交易报告制度方面。我社每天有专人负责进行反洗钱系统中的信息查询和补录上报人行。在个人存取款方面，我社严格按照要求，凡是取款超过5万元的我社要求客户提供身份证。经过主任何部门负责人审批，柜员填写大额提现登记簿，按规定每月报送大额交易的相关资料及报表。

我社在反洗钱工作存在不足之处还有我社没有建立台账，我社职工对反洗钱缺乏系统的理论知识和足够的实践经验，有待进一步提高辨别可疑支付交易的判断能力等。今后，我们将严格按照反洗钱的要求和制度继续深入开展反洗钱工作，加大反洗钱工作力度，确保反洗钱工作的深入开展，不断完善反洗钱制度，继续加强现金支付交易监测和转帐支付交易监测，特别是加强对大额资金支付交易和可疑资金支付交易的有效监测，防止和打击非法洗钱活动；加强反洗钱的社会宣传力度，严格保密制度，确保反洗钱工作的顺利开展。

信用社

反洗钱分析报告 篇5

根据部门工作安排，总结反洗钱岗位2011年上半年工作实际，对反洗钱工作中存在的、或潜在的风险进行浅析，具体内容如下：

一、制度建设与组织建设情况

(一)制度建设方面

自2006年以来，反洗“钱一法四规”先后发布，根据中国人民银行的监管规定，公司对各分支机构提出了关于健全反洗钱内部规章的要求，但一些单位对反洗钱工作仍不够重视，存在未建立健全制度或者简单照搬照国家法规和公司制度的情况，没有操作性，报备不及时；同时存在职责不落实、工作流于非形式的情况，没有真正理解反洗钱工作的重要性和危害性。

(二)组织建设方面

随着公司的发展与壮大，每年都会有部分分支机构负责人调整、轮换，按照反洗钱法规要求，应负责人调整后应及时向所在地人民银行报备反洗负责人、领导小组、部门职责变更情况，经了解，仍有部分分支机构存在不及时调整领导小组成员、部门职责、报备不及时等情况。

二、反洗钱制度执行情况

(一)身份识别与客户身份资料及交易资料保存

个别营业部在客户身份识别工作上，工作简单机械，依赖于系统对身份证件的验证，对其他信息的要求存在不实情况，复核流于形式，缺少分析的过程。

案例：2011年调取某营业部客户档案，发现客户身份信息健全、身份证无不确定情形，客户职业为“事业单位工作”，工资是月1万元以上，分析客户所在地收入分配水平，存在收入与职业不相匹配的疑点，但柜员在复核时没有进行分析、提出质疑，工作存在不认真、不负责。

(二)大额交易与可疑交易报告方面

各单位对大额交易和可疑交易报告完全依赖于公司反洗钱监测系统的监测，对于系统外、工作中的一些潜在风险不够重视。

案例分析：2010年某营业部某客户开户后频繁大量转入大额资金，资金交易明显符合反洗钱报告特征，调取该客户交易数据，发现多次当日大额转入当日转出情形，该营业部在执行大额报备规定的过程中，了解客户存在该类情况，但并未对该客户进行高风险关注，缺少基本的反洗钱意识和警惕性。

三、培训与宣传

按照人民银行和公司的要求，各分支机构于年初应制定反洗钱宣传和培训计划，并按公司下发通知开展宣传与培训工作，公司2011年5月下发通知要求，自5月17日至6月

10日为反洗钱宣传期，宣传结束后各单位应天6月10日上报宝剑、培训工作总结，但截止6月末仍有个别单位未上报总结材料。

反洗钱工作自查报告 篇6

我公司根据中国人民银行克拉玛依市中心支行关于《开展2010年反洗钱现场检查工作的通知》克银办[2010]51号文件要求中心及各支公司开展反洗钱自查工作。按照自查要求我中心对2009年1月1日---2009年12月31日的理赔案卷进行了自查，每月抽查50件已决赔案，共计600件，现将自查情况汇报如下：

一、车险

1、个别案件中的一次性赔款协议无签订日期；2、6051、8518夜间拍摄的照片由于反光，看不清楚车

牌号码；3、3134、7220、9897、10929等个别案件修车发票未

盖章或发票无日期或发票车主名字错误；或发票大写金额和小写金额不符；4、3037、3079、6063照片粘贴单上的车号无或拍照人

处为空白；

二、非车险

1、家财险172、178一次性赔款协议无被保险人签字；

2、根据农险理赔业务要求，农险案件中定损单需加盖

单位印章，还需政府财政补贴发票，现正在补入未补齐全；

三、客户身份识别情况

1、对私人客户领取赔款时都核对有效身份证明原件，如是客户指定领款人时，同时也核对领款人有效身份证明原件，财务并留存复印件，要求领款人在赔款收据上签字确认领取赔款；

2、单位客户要求将赔偿金划入被保险人、受益人以外的第三方时，需要客户填写领取赔款授权。

理赔中心

反洗钱数据报告 篇7

一、反洗钱大额和可疑交易报告中存在的主要问题

自《金融机构反洗钱规定》、《金融机构大额交易和可疑交易报告管理办法》等法律规章制度实施以来, 可疑交易的报告、分析工作在防范和打击洗钱犯罪方面发挥了积极的作用。但是在数量庞大、可利用率不高、关联性不强的可疑交易数据中进行主观的人工筛选分析判断, 存在分析技术单薄与交易数据庞大之间的强烈反差, 使得可疑交易分析识别工作量和难度加大, 可疑交易数据分析识别不能很好适应反洗钱工作形式变化的要求, 存在以下几个方面问题:

(一) 数据报送量大, 可利用价值低

由于金融交易日常数据量庞大, 加之金融机构防卫型报送, 每天接受大额和可疑交易报送数据数以亿计, 需要监测分析系统和工作人员进行数据处理, 但是大量无价值数据、重复报送甚至虚报的数据造成对系统资源和人力的低效运作。

(二) 系统依赖性强, 人工分析技术水平低

金融机构将大额和可疑交易报告法规中客观标准设为反洗钱系统中的提取要件, 由系统自动提取符合条件的交易数据。由于金融机构对可疑交易报告中人工审核数据的重要性认识不足, 普遍依赖系统自动提取, 没有严格按照大额和可疑交易报告的要求进行人工审核, 无法排除系统提取中存在的重复、虚报交易。进行人工审核的金融机构分析技术也比较单一, 不能实现对交易账户、交易行为的动态关联分析。

(三) 客观标准易于规避, 自适应性差

明确的大额和可疑交易报告标准虽然给分析人员识别大额和可疑交易行为提供了有力参考, 但是也容易被洗钱分子所规避, 其监管实效性大打折扣。此外, 洗钱行为会因不同区域、不同金融发展水平而不同, 统一规范标准无法适应洗钱行为多样化的现状。

二、数据挖掘技术在反洗钱工作中的应用现状

20世纪90年代产生和发展的数据挖掘技术又称数据库中的知识发现, 能够从海量数据中发现隐藏的关系和模式, 已在购物栏分析、客户关系管理、产品质量分析、基因工程研究、互联网站点访问模式等许多领域得到成功应用, 作为新兴技术, 其在金融领域中的应用研究也是近几年才开始。由于数据挖掘技术适合对数据类型多、关系复杂、动态性、数据量大等类型信息的分析, 并且其高度程序化的特征决定数据分析具有客观性、可以排除人为干扰因素, 使数据挖掘技术能在反洗钱工作中迅速推广应用。

(一) 国外应用现状

发达国家在数据挖掘技术应用方面已经取得了一定成绩, 不仅建立了专门分析和收集情报的金融情报中心 (FIU) , 而且建立了功能强大的反洗钱系统:美国金融犯罪执法网络的FAIS (Fin CEN Artificial Intelligence System) 系统综合使用了人工智能技术和基于案例的推理、黑板等分析技术, 将数据分析视角从交易导向转为对象 (如人或者组织) 导向, 对每一笔交易、对象、账户都用336条规则逐一进行测试, 相应每条规则给出是否为合法或非法的判定结果, 再用贝叶思推理对每个项目的可疑性进行评定;澳大利亚交易分析和报告中心所开发的Screen IT系统使用数据挖掘技术实现了对可疑交易报告的自动筛选。

(二) 中国应用现状

中国应用数据挖掘进行可疑交易分析还处于起步阶段, 信息技术应用水平还比较低。但是中国反洗钱中的数据挖掘技术应用和研究已经逐渐引起监管部门及理论界的重视, 技术应用层次和认识程度明显提高。目前反洗钱系统中应用的数据挖掘技术主要有:聚类分析、决策树分析、孤立点分析和序列模式分析等以实现对交易数据的分类、关联规则和异常行为等分析。应用手法上主要停留在对各种不同分析技术的简单应用, 缺乏综合系统性地应用。

关于反洗钱工作中数据挖掘技术的应用研究目前理论界的主要趋势包括两个方面:一是基于账户或交易行为的研究, 力求通过采用新的方法提高可疑交易发现的灵敏度和可疑交易判别的可信度;二是基于反洗钱系统总体结构框架和功能的设计构想, 力求通过逐步完善反洗钱分析系统中的指标体系和功能结构, 对反洗钱数据进行收集、加工、整理、分析, 实现数据的动态分析过程。

三、深化数据挖掘技术在反洗钱工作中的应用层面

(一) 提高异常交易行为识别的敏感度

由于金融交易日常数据量庞大, 加之金融机构防卫型报送, 每天接受大额和可疑交易报送数据数以亿计, 需要监测分析系统和工作人员进行数据处理, 但是大量无价值数据、重复报送甚至虚报的数据造成对系统资源和人力的低效运作。数据挖掘技术的广泛应用可有效地帮助监管部门发现可疑交易, 检测异常资金的流动, 挖掘出金融交易中单笔异常交易和密集频繁交易等交易异常情形, 提高异常交易的检测效率。

(二) 扩大交易行为关联分析的覆盖面

大额和可疑交易的发生往往涉及多个账户的资金往来或某个账户的历史交易变动轨迹, 仅仅依靠金融机构对可疑交易的系统提取及单一的人工分析技术难以达到对交易账户、交易行为的动态关联分析。数据挖掘中的关联分析能够实现对大额和可疑交易数据关联规则的分析, 并通过量化的数字描述对象之间的关联规律, 为分析人员提供一系列彼此相互分离的独立路径, 帮助理解洗钱活动的整个过程并了解某一具体的洗钱操作在整个洗钱链中的作用, 直观地呈现出洗钱活动的推理框架。

(三) 提供交易行为预测及线索追踪

在明确重点关注的可疑交易行为的后续分析中, 数据挖掘技术中的预测、估计等功能同样具有适用性。通过建立预测和分类模型, 实现对某项资金流动是否与洗钱活动有关的判断, 自动发现洗钱线索, 同时可以在发现可疑交易行为后沿最优路径追踪洗钱的各步操作, 帮助分析人员挖掘交易数据中的可疑点, 有利于发现洗钱活动的重要线索, 为后续调查工作开展打下基础。

摘要：在分析当前反洗钱资金监测中大额和可疑交易数据分析工作面临数据量大与技术滞后矛盾的基础上, 通过总结概括数据挖掘技术在国内外反洗钱工作的应用现状, 针对可疑交易分析中深化数据挖掘技术应用层面提出参考性建议。

关键词：反洗钱,数据挖掘,可疑交易

参考文献

[1]杨胜刚, 王鹏.基于数据挖掘技术的人民币反洗钱系统设计[J].财经理论与实践, 2005, (6) .

[2]孙莹莹, 姚文辉.数据挖掘技术在反洗钱系统中的应用[J].华南金融电脑, 2006, (4) .

[3]陈凌.浅谈数据挖掘技术在反洗钱系统中的应用[J].华南金融电脑, 2006, (8) .

[4]李志强, 李灵.数据挖掘技术在金融反洗钱中的应用[J].商场现代化, 2007, (3) .

[5]余平.数据挖掘及在金融领域的应用[J].现代计算机, 2007, (2) .

[6]孙景, 李志伟, 刘炜.基于逻辑回归的企业大额可疑外汇资金交易识别模型[J].上海金融, 2008, (6) .

[7]苏辉贵.基于数据挖掘的反洗钱系统应用研究[J].华南金融电脑, 2009, (3) .

中国反洗钱的软肋 篇8

3月27日、28日，在北京王府井大街深处一家僻静的四星级酒店，一个与反洗钱有关的会议正在秘密的召开，全球性反洗钱组织——“金融行动特别工作组（FATF）”与公安部、外交部、财政部、中国人民银行、国家外汇管理局、国务院台办等有关部门一道，围绕反洗钱和反恐融资等工作及相关立法问题进行深入探讨。这是FATF自1989年成立以来，第一次在非成员国召开研讨会。

国际非法洗钱活动的嚣张，使这些不同肤色的专家、官员们抓耳挠腮，聚首同谋。

据国际货币基金组织估计，全球每年非法洗钱的数额约占世界国内生产总值的2%至5%，介于6000亿至1.8万亿美元间，且每年还在以1000亿美元的数额不断增加。而据中国国内有关学者估计，近年来仅国内每年通过地下钱庄洗钱金额就高达2000亿元，大概占GDP的2%左右。

新反洗钱阵线

进入2003年，中国反洗钱力度骤然加大，中国人民银行三天内连续颁布了《金融机构反洗钱规定》、《人民币大额和可疑支付交易报告管理办法》和《金融机构大额和可疑外汇资金交易报告管理办法》等三项法规，目标直指洗钱活动。

去年4月，中国人民银行在内部成立了反洗钱处和支付交易监测处，同年9月成立反洗钱领导小组。而与此同时，中国公安部经济犯罪侦查局也专门设立了洗钱犯罪侦查处。该处的职责很宏观，亦包罗万象：反洗钱的调研、分析、指导、协调、合作、协查，皆囊括其中。重点首先从打击地下钱庄开始。

地下钱庄的功能之一是把黑钱洗白。据公安部经济犯罪侦查局的官员介绍，不久前，我国广东、福建公安部门开展的打击地下钱庄的专项行动中，一举打掉32个地下钱庄，收缴赃款、赃物价值3000多万元，抓获了包括地下钱庄庄主在内的犯罪嫌疑人90多名。这是公安机关近期打击洗钱犯罪取得的成果之一。

除了公安部门和人民银行，根据新颁布的反洗钱法规，从2003年3月1日起，中国政策性银行、商业银行、信用合作社、邮政储汇机构、财务公司、信托投资公司、金融租赁公司和外资金融机构，都将参与到反洗钱行动当中来。

与此同时，FATF第一次在非成员国召开研讨会其用意不言自明，就是要加强与中国政府的内外联动。

公安部外事局国际合作处的杨少文处长坦言，仅2002年4月以来，公安部就收到20余个（国）境外执法部门洗钱案件线索协查函100余件。我国公安机关对于其他国家和地区的协查请求十分重视，及时部署有关调查工作，并尽可能为其调查、取证和抓捕犯罪嫌疑人等提供方便。

如2001年9月，香港特别行政区执法机构请求内地公安机关协助调查一起涉案金额高达数百亿美元的涉嫌洗钱案，在内地机构的大力协助下，涉案的40余名犯罪嫌疑人最终被香港警方成功起诉。另外，仅去年以来，公安部共协助国外执法部门调查的涉恐资金线索就有十多件。

事实上，反洗钱的国际合作在从个案向框架发展。目前，我国已同40多个国家签署了70多个有关警务合作、打击犯罪等方面的合作协议、谅解备忘录和纪要。在接受有关国家向我国派驻警备联络官的同时，我国也向美国、加拿大、泰国等5个国家派驻了7名常驻警务联络官。对于FATF这个最重要的全球性反洗钱组织，我国也在积极加入。

待修补的法律架构

此前，《经济》曾多次向有线索的广东、福建警方求证案例。 “案件正在调查中，还没有定性”是地方公安机关对媒体的惯用辞令。

“《刑法》中对洗钱犯罪上游犯罪目前规定了四种，与实际需要有一定差距。”公安部一位负责人说。

有参与专项斗争的民警后来解释，“不否认在办案中，有些案件的性质发生了悄悄的变化，洗钱罪演变成经济领域里的不正当竞争或者其他罪名。这些人活动的厉害呢。”

“活动”是一方面。公安部的官员认为《刑法》对洗钱证据的要求，为民警办案增添了障碍。比如，《刑法》规定构成洗钱犯罪须以犯罪分子“明知是上述四种犯罪（毒、黑、私、恐）所得”为主观要件，由于公安机关在办案中获取该方面证据确有很大困难，特别是在承办跨境犯罪案件过程中，涉案地有关法律规定与我国法律规定之间存在较大差异，因此取证上更为困难。

公安机关向立法部门提出的立法建议是，应研究扩大洗钱上游犯罪范围、完善洗钱犯罪的认定标准等。

作为审判机关的法官，上海第一中级人民法院的刘鑫深有同感：“所洗的黑钱来源应扩大到所有重大犯罪收益，应包括贪污、受贿、诈骗、偷税等犯罪所得。” 从司法实践来看，近年来贪污贿赂、诈骗等案件不断上升，数额越来越大，其中一个重要原因就是这类犯罪的洗钱行为未得到有效遏制。

刘鑫甚至呼吁：金融机构及其工作人员因过失导致洗钱，情节严重的也应构成洗钱罪；不作为即故意不报告可疑交易，以致造成洗钱结果的，同样构成洗钱罪。

专家认为，中国反洗钱斗争堪忧的法律结构缺陷还远不止《反洗钱规定》存在的功能局限性。我们目前在反洗钱的两大体系建设方面面临的局面是，国内体系急需规范及完善，与国际的合作体系亟待建立。大量的金钱被洗到国外而无法追回，暴露了中国反洗钱国际合作的严重缺位。

《反洗钱法》制定亟须提上日程。

六类洗钱大法

化整为零

把犯罪所得分成若干块，存入银行或通过银行进行交易，或者汇往异地，或者购买其他金融证券；

在金融机构寻求“内线”

买通银行和金融机构内部的职员，使他们在犯罪分子存入银行大批现金时不填写或不如实填写“现金交易报告”，以避开有关部门的检查；

“鱼目混珠”

洗钱者把非法资金与一个企业的合法资金混在一起，作为企业的合法收益；

利用“掩体”

参与或假装参与合法经营的公司，进行洗钱活动；

用非法现金购买资产或有价金融证券；

利用赌场、酒吧、饭店、宾馆、超级市场、夜总会等服务行业和日常大量使用现金的行业，把非法收入混入合法收入来洗钱；

洗钱三步曲

第一步

也是最关键的一步称为存放（placement），即让黑钱进入金融系统。黑钱也常常以艺术品、古玩、珠宝交易为幌子，先进行一次预洗漂白。

第二步

分层（layering），在黑钱进入金融系统网络后，“洗钱”者将资金从一个银行移到另一个银行，从一个地区移到另一个地区，在每一个地区只停留一小段时间。这个过程比较困难，经常要通过空壳公司进行假想的商品和服务交易。今天，大多分层活动都是通过电子资金转移的形式，通过诸如CHIPS、CHAPS和SWIFT等形式。通过资金的反复移动，黑钱便漂成了干净的资金。

第三步