高赫

（北京金融安全產(chǎn)業(yè)園，北京 100005）

0.引言

經(jīng)濟全球化不斷深入，為各參與方帶來顯著收益，中國近幾十年的發(fā)展成就便是極好例證。但與此同時，洗錢犯罪等負面效應也日漸顯現(xiàn)，不僅影響到金融業(yè)健康發(fā)展，也嚴重破壞經(jīng)濟秩序。銀行體系作為洗錢犯罪的常見領域，應得到尤其重視。當前，常見的反洗錢手段仍是依據(jù)既有案例，手動篩查疑似交易，耗時耗力。

隨著大數(shù)據(jù)和AI技術的發(fā)展，銀行數(shù)據(jù)資產(chǎn)價值日益凸顯，將大數(shù)據(jù)和AI相結合，完善補充現(xiàn)有反洗錢規(guī)則，縮小審查范圍，降低審查成本，是極為有益的嘗試。本次研究致力于探索在構造關聯(lián)網(wǎng)絡的基礎上，應用圖卷積神經(jīng)網(wǎng)絡（Graph Convolutional Network，GCN），建立反洗錢模型。

1.洗錢犯罪的概念與反洗錢工作的現(xiàn)狀

洗錢是通過隱瞞、掩飾非法資金的來源和性質，通過某種手法把它變成看似合法資金的行為和過程?！吨腥A人民共和國反洗錢法》第二條規(guī)定：反洗錢是指為了預防通過各種方式掩飾、隱瞞毒品犯罪、黑社會性質的組織犯罪、恐怖活動犯罪、走私犯罪、貪污賄賂犯罪、破壞金融管理秩序犯罪、金融詐騙犯罪所得及其收益的來源和性質的洗錢活動，依法采取相關措施的行為。

反洗錢風險監(jiān)測方法的演進大致經(jīng)歷了四個階段，即純人工判斷、規(guī)則策略引擎、量化指標引擎，以及本文討論的人工智能引擎。當前，傳統(tǒng)金融機構大多處于量化指標引擎向人工智能引擎過渡階段，仍有較為明顯的局限性，無法覆蓋全部業(yè)務場景和各類洗錢手段。而洗錢團伙通過有針對性地偽裝，可有效規(guī)避既有規(guī)則，甚至人為操控關鍵量化指標，對金融機構造成誤導，成為反洗錢工作的一大挑戰(zhàn)。

2.工作目標設定及技術路徑選擇

本次研究基于賬戶歷史交易數(shù)據(jù)，構建洗錢行為識別模型，對疑似案件及時預警。

在反洗錢應用領域，KNN、SVM、RF、GBDT、XgBoost等有監(jiān)督機器學習模型，是以專家打好標簽的歷史樣本為基礎進行學習，包括客戶的年齡、性別、交易方式、交易額等，最終得到一個分類器，將嫌疑交易和正常交易分離。而K-means、Apriori、FP-Growth、DBSCAN等無監(jiān)督模型，則不依賴任何標簽信息，而是根據(jù)數(shù)據(jù)點特征，歸納關聯(lián)關系，或尋找異常點。半監(jiān)督學習綜合上述兩類模型的優(yōu)勢，將少量專家標注樣本與大量無標簽數(shù)據(jù)結合，訓練出更具強泛化能力的模型，GCN則是近期較為流行的一種基于圖數(shù)據(jù)結構的半監(jiān)督學習方法。

洗錢通常依賴團伙協(xié)作，樣本之間關聯(lián)度高，且樣本間的關聯(lián)又含有重要風險信息。針對此類場景，可將樣本間關聯(lián)信息組成復雜網(wǎng)絡，再使用GCN模型處理。

主要技術實現(xiàn)步驟如下：

（1）數(shù)據(jù)處理：數(shù)據(jù)樣本大小為7185萬，來自合作金融機構近18個月發(fā)生的交易，訓練集為前15個月，測試集為后3個月。通過數(shù)據(jù)預處理將多源異構數(shù)據(jù)轉為模型可識別的數(shù)據(jù)結構。

（2）特征工程：將原始數(shù)據(jù)轉為可更好表示業(yè)務邏輯的特征，便于算法模型直接使用，以提高機器學習性能。

（3）模型構建：基于上述數(shù)據(jù)源，綜合運用關聯(lián)網(wǎng)絡和GCN模型進行學習建模，最終訓練出穩(wěn)定且符合預期的識別模型。

3.數(shù)據(jù)處理

原始數(shù)據(jù)包含經(jīng)脫敏的賬戶基礎信息、交易信息、主案例表、可疑案例表等。

數(shù)據(jù)處理主要包括數(shù)據(jù)的提取、轉換及加載（Extract-Transform-Load，ETL），清除重復部分，修正/移除錯誤數(shù)據(jù)，補充缺失數(shù)據(jù)，為后續(xù)建模環(huán)節(jié)做準備。本次處理工作主要涉及3部分：缺失值、異常值和噪音[1]。

3.1 缺失值處理

缺失值主要包含兩類：數(shù)值型和字符型。數(shù)值型變量缺失值可以通過總體均值填充、類均值填充、回歸預測填充等方法實現(xiàn)。本次研究采用總體均值結合業(yè)務實際進行填充。字符型變量缺失值則一律設為空值。

3.2 異常值處理

異常值即取值較極端或出現(xiàn)頻率極低的變量點。處理方法如下：

（1）統(tǒng)計量計算：通過計算樣本數(shù)據(jù)的統(tǒng)計量，判斷異常值的取值是否超出了合理的取值范圍，如客戶年齡為負值，或超出常見平均壽命等。

（2）業(yè)務邏輯判定：對于具有業(yè)務實際意義的數(shù)值變量，根據(jù)業(yè)務邏輯處理；字符型變量則基于樣本分布，結合業(yè)務邏輯處理。

3.3 噪音處理

噪音指樣本中的錯誤或異常數(shù)據(jù)，無實際意義，且會對數(shù)據(jù)分析造成干擾。有2種處理方法：

（1）分箱法：考察噪音數(shù)據(jù)的臨近值來排除干擾。按照屬性值劃分子區(qū)間，將相同屬性值放入對應子區(qū)間（“箱子”）內，并考察每個箱子中的數(shù)據(jù)，分別對各箱中數(shù)據(jù)進行局部光滑。常見的有均值光滑、中位數(shù)光滑或邊界值光滑。

（2）回歸法：用函數(shù)擬合數(shù)據(jù)實現(xiàn)噪聲點光滑，即通過回歸得到合適的表達式，從而消除噪聲。

4.特征工程

特征工程主要從客戶畫像、賬戶狀態(tài)、交易動態(tài)三大維度進行分析。

4.1 客戶

主要考察：賬戶類型（個人、公司）、個人賬戶是否“三地一致”（開戶地、身份證歸屬地、手機號碼歸屬地），對公賬戶注冊資金額度，是否外籍開戶人姓名異常，開戶人年齡，是否為離岸賬戶，是否外籍客戶來自高風險國家，外籍個人客戶英文名稱類似公司名稱，開戶日期距離案例天數(shù)以及洗錢風險等級等。

4.2 賬戶

主要考察：交易量是否存在激增，是否涉及多類幣種，是否存在外幣大額高頻提現(xiàn)（如頻率大于5次/周且額度大于等值10000美元），是否存在大額轉入分次轉出（如小額POS消費），是否余額頻繁降至10元以下等。

4.3 交易

4.3.1 交易金額

主要考察：是否交易金額有特殊性（如為千元或萬元整數(shù)倍、折合美元為千元或萬元整數(shù)倍、特定金額的整數(shù)倍或接近倍數(shù)、個人賬戶貸方特定金額占比高、個人賬戶借方特定金額占比高等），特殊金額段轉入、轉出金額及在總額中占比多少，小額試探的筆數(shù)及占比多少，轉入、轉出金額的統(tǒng)計特征，相鄰交易額差值、絕對差值的統(tǒng)計特征等。

4.3.2 交易筆數(shù)

主要考察：轉入、轉出筆數(shù)及在總筆數(shù)中的占比，是否存在單日等額特定金額存取各1筆，是否存在同網(wǎng)點單日多賬戶存取各一筆，跨境交易筆數(shù)及占比，跨境交易金額及占比，是否存在個人客戶外幣多筆大額交易，是否存在公職人員多筆大額交易，是否存在個人貸方多筆大額交易等。

4.3.3 交易時間差

主要考察：相鄰交易時間間隔的統(tǒng)計特征。

4.3.4 交易對手

主要考察：是否交易對手眾多且涉及多省，單個賬戶的對手個數(shù)，與特定對手連續(xù)及分散交易的次數(shù)，對手中公司和個人的數(shù)量及比例等。

常見的數(shù)據(jù)特征及對應的處理方法如表1所示。

表1 常見的數(shù)據(jù)特征及對應的處理方法

5.模型構建

5.1 賬戶關聯(lián)網(wǎng)絡構建

針對個人和公司賬戶，借助格蘭杰因果關系（Granger causality test）方法[2]構建關聯(lián)網(wǎng)絡[3]。

采用非參數(shù)格蘭杰因關系檢驗方法，采用有向二值方式定義賬戶間連接數(shù)，并進行關聯(lián)檢驗。即：

通過循環(huán)測算連結數(shù)可判斷在不同時段各賬戶間關聯(lián)程度，并構建下述網(wǎng)絡中心性度量和關聯(lián)網(wǎng)絡度量，以測度各賬戶間關聯(lián)水平。

5.1.1 網(wǎng)絡中心性

將每一賬戶視作一個節(jié)點，從關系角度給出衡量單一賬戶網(wǎng)絡中心性的量化指標：度數(shù)中心度和中介中心度。

前者衡量的是與單一節(jié)點直接相連的節(jié)點數(shù)，賬戶的度數(shù)中心度越高，則與其直接相關聯(lián)的賬戶越多，該賬戶在網(wǎng)絡中更接近中心位置，對其余賬戶影響范圍更大。

后者是單一節(jié)點在其他兩相關節(jié)點關聯(lián)路徑內作為中介節(jié)點的個數(shù)，如果某節(jié)點經(jīng)常出現(xiàn)在其他節(jié)點關聯(lián)路徑中，則中介中心度越高，該賬戶在系統(tǒng)內更能推動信息向其他節(jié)點傳播。

5.1.2 關聯(lián)網(wǎng)絡

根據(jù)非參數(shù)格蘭杰因果關系檢驗，可判斷非參數(shù)格蘭杰因果關聯(lián)水平（Degree of Nonparametric Granger Causality，DGC），即賬戶關聯(lián)關系緊密度，其數(shù)值越大，則關系越密切。對于N個賬戶間可能存在的最大關聯(lián)數(shù)目為N(N-1)，計算公式：

為測度單個賬戶與系統(tǒng)的連結度情況，特定義以下3個指標：

其中，j表示第j個賬戶，s表示賬戶系統(tǒng)。Out表示系統(tǒng)中賬戶j是其他賬戶非線性格蘭杰影響原因的個數(shù)，In表示其他賬戶是賬戶j的非線性格蘭杰影響原因的個數(shù)。In+Out為2個指標之和的均值。

為測度不同賬戶間的連結情況，特定義以下3個指標：

其中，α，β分別代表不同類型的賬戶。Out-to-other表示由賬戶j非線性格蘭杰影響非本類型賬戶i的個數(shù)；In-from-other表示賬戶j被非本類型賬戶i非線性格蘭杰影響的個數(shù)；In+Out-other為前2個指標之和的均值。

5.2 模型構建

在賬戶關聯(lián)網(wǎng)絡的基礎上應用圖卷積神經(jīng)網(wǎng)絡算法訓練模型[4]，基本原理為：

假設有N層網(wǎng)絡，每層輸出記為H(1)，H(2)，…，H(N)。令A為圖的鄰接矩陣，H(0)=X，X為圖上節(jié)點的特征，則計算過程如下：

其中，W為每層網(wǎng)絡權重，P為計算出的樣本標簽分布（預測分布）。在反洗錢模型中，對P取交叉熵作為上述GCN的Loss函數(shù)。

采用反向傳播算法對該網(wǎng)絡參數(shù)進行學習，設GCN深度為1，學習率為0.001，正則化系數(shù)為10，對關聯(lián)網(wǎng)絡中的賬戶進行識別。

在測試集上的部分測試結果如表2所示。

表2 測試結果

重復30次測試，F(xiàn)1均值為0.952，表明模型對疑似洗錢行為有較好識別力。

6.結語

本次研究采用關聯(lián)網(wǎng)絡及GCN模型，可較準確識別疑似洗錢行為，有助于提升金融機構服務能力和監(jiān)管效率。隨著更多的專家指標和交易信息納入數(shù)據(jù)集，全面綜合人、交易、行為等數(shù)據(jù)，持續(xù)優(yōu)化賬戶洗錢風險評估方式及可疑交易認定方法，可進一步提高洗錢識別的有效性，建立完善的反洗錢風控體系，提升對監(jiān)管要求和風險監(jiān)測的精準把控。