论文部分内容阅读
可疑交易报告是打击洗钱活动的一项基本机制,如何有效地甄别发现可疑交易是金融机构和金融情报中心面临的一个技术难点。虽然可疑交易的判别需要经过人工分析进行确认,但通过有效的计算机软件系统和数学模型方法识别异常交易可以帮助反洗钱分析人员提高工作效率。为辅助反洗钱分析人员从海量复杂金融交易信息中甄别客户异常交易,本文提出一种基于客户交易行为建模的预测误差和统计处理综合法(Composition of Predictive Error andStatistic Treatment,简称CPEST),通过分析选定客户前后行为的一致性来发现异常。主要研究内容包括:
⑴CPEST由两部分组成:第一部分是针对客户行为特征的建模;第二部分是基于预测误差的异常交易统计假设检验。CPEST为依据客户自身行为一致性识别反洗钱异常行为提供了一个量化分析框架,在该框架下非线性时序分析和统计假设检验的相关理论和方法可以有机结合起来,有效地应用于客户行为的异常甄别。
⑵在客户行为建模方面,研究了客户交易时序特点,分析了CPEST方法所针对的常见典型洗钱模式,提出了面向异常交易检测的非线性时序建模流程。分别研究了非线性时序确定性输入模型和非线性时序随机输入模型。使用基于支持向量回归的非线性时序确定性输入模型对金融交易时序进行建模拟合,并讨论了降噪对预测结果的影响。在基于马尔科夫过程和相空间重构的非线性时序随机输入模型的研究中,引入隐马尔科夫模型,提出一种新的建模方法。
⑶在异常交易的统计假设检验方面,研究了如何把异常交易检测问题转化为统计假设检验问题,构造了时点异常检验,提出使用核密度估计解决预测误差的概率分布问题。为进一步完善方法,CPEST在时点异常检验的基础上构造窗口异常检验,将考察对象行为的时间单位由时点扩大到时段。为了说明如何将CPEST应用于实际反洗钱监测分析,并验证该方法的可行性和有效性,本文基于真实交易数据对部分洗钱案例进行了实验分析,相关结果证实了该方法的应用推广价值。
⑷在总结已有研究成果的基础上,建议在我国的反洗钱监测分析系统中增加CPEST子系统,将CPEST方法实现为计算机软件系统,在金融机构和金融情报中心两个层面上应用CPEST。