秦学志，李静一

（大连理工大学 管理与经济学部，辽宁 大连 116024）

银行账户资金流动是企业经营活动在财务上的表现，大量的资金流动是满足正常经济活动的客观需要，但也夹杂着一些不正常甚至违规违法的资金流动，这不仅加大了银行的信用风险，对金融监管体系及监管方式也带来了严峻的挑战。

从金融资金流动监测和贷款风险评估角度，目前，国内外的主要研究有：刘璇等[1]通过扫描统计方法，寻找某个客户或账户短期内频繁交易行为，判别账户交易是否异常，但模型参数的设置主观性较强，且模型的准确性受参数变化影响较大。杨玺[2]构建了基于径向基和函数支持向量机的信用卡欺诈监测模型，但模型稳定性不强，模型预测的准确率较低，仅为60.1%。吕林涛等[3]通过RBF（Radial Basis Function）神经网络技术，提出了基于APC-III聚类算法和RLS（Recursive Least Square）算法的反洗钱RBF神经网络模型，但模型准确率对参数变化较敏感。Wang等[4]提出了利用决策树理论识别可疑客户，根据客户信息特征和风险值产生反洗钱规则，但关于决策规则的设置主观性较强。Zhu等[5]提出了基于同组客户历史信息判定资金流动异常的EMD方法，但模型的准确度不够高，置信度描述尚显粗略。Rahman等[6]以马来群岛银行为例，得出完善的可疑交易制度、加强银行与监管机构的合作是风险最小化的根本保证这一结论。Pramod等[7]构建了银行反洗钱的制度框架，认为基于过程控制的信息系统对发现欺诈交易发挥了关键作用。Cao等[8]用最小平方支持向量机方法构建了五级分类风险评估模型，模型的准确率达到82.58%。……