在经济全球化和信息技术高速发展的背景之下，与犯罪活动有关的金融问题也因科学技术的日新月异以及金融业的全球化而变得日益复杂。随着我国经济、金融领域的逐步对外开放，高科技金融犯罪的蔓延趋势越来越广泛，这其中尤以洗钱犯罪最为猖獗。由于洗钱犯罪往往与毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪有着密切的联系，它已经和偷税逃税、贪污贿赂、金融诈骗等犯罪活动一道成为严重影响我国经济建设和社会稳定的毒瘤。　　 数据挖掘技术是近年来数据库应用领域中的热点话题。数据挖掘一般是指在数据库或数据仓库中，利用各种分析方法和技术，对过去累积的大量没有规律的数据进行分析、归纳与整合等工作，提取出有用的信息，例如趋势、模式及相关性等，并将其中有价值的信息提供给决策者作为决策参考。目前，数据挖掘已不仅仅局限于数据库技术的范畴，它已经越来越成为数据库系统、人工智能、统计方法等多个学科相互融合的重要领域。而在实际应用中，现代企业常常会搜集大量的数据，这些数据涵盖了市场、客户、以及竞争对手等重要信息，但是由于信息超载与无结构化，企业的决策者无法充分利用这些庞大的数据资源，仅能使用其中很少的一部分，这可能导致决策失误，甚至出现决策错误。因此越来越多的企业开始认识到，实施数据挖掘可以提升企业的综合竞争能力，规避可能遇到的各类风险。　　 通过大量的探访和调研，发现目前我国银行业监管部门越来越强调解决洗钱问题的迫切性和必要性，国内许多大型商业银行也在逐步探索洗钱交易甄别的各种可能手段，但在实际解决时依然停留在“海量数据人工甄别”的阶段，没有很好利用数据挖掘这一有利工具。而在数据挖掘技术中，贝叶斯理论作为数据挖掘领域非常成熟的理论，在处理不确定信息中的所体现出的准确性和高效性，已经早以为学术界所认同，因而可以充分发挥其准确高效的优点运用到洗钱交易记录的甄别中。　　 论文运用贝叶斯理论的基本原理和公式，选择国内某大型商业银行一年内有代表性的反洗钱上报数据为案例研究对象，对影响洗钱交易甄别结果的因素进行估计和评价，并利用数据挖掘方法对其进行量化分析，最后根据分析结果做出较为科学的结果预测，对反洗钱的风险决策提供具有一定参考价值的风险决策方法。　　 经过理论研究以及实证分析，论文主要得出以下结论：　　 (1)深入剖析国内商业银行反洗钱工作的研究现状，发现目前关于反洗钱甄别领域的研究甚少，而金融安全和金融稳定在我国国民经济发展过程中处于极其重要的地位，因此针对反洗钱甄别的影响因素的研究具有十分重要的现实意义；　　 (2)研究分析讨论传统统计方法和常规甄别洗钱行为的手段，发现传统方法难以解决大量待甄别的可疑交易行为，误报率高，易于被规避，因此结合贝叶斯理论并发挥其优势，有效甄别洗钱行为势在必行；　　 (3)对国内大型商业银行可疑交易数据的实证研究表明，贝叶斯理论有助于决策者了解影响洗钱交易甄别的因素，提高甄别效率，降低监测过程中的人力、物力、财力成本，最终达到有效甄别提高绩效的目的。　　 本文的研究结论能够为商业银行的反洗钱工作提供切实可行的决策依据。