王巍栋 王彦博 邓昌智 马羚

在当前科技与金融深度融合的时代背景下，我国反洗钱监管体系不断完善，惩罚力度不断加强，各金融机构的反洗钱监测系统亟须借助大数据、数据挖掘、机器学习、图计算等智能技术进行迭代升级。本文从商业银行反洗钱业务实际出发，对构建反洗钱智能识别模型存在的难点进行归纳，并创新提出商业银行构建反洗钱智能识别模型的“GREAT框架”。而后，针对反洗钱样本数据量大但正负样本极度不平衡的特点，运用仿真模拟方法对数据进行样本衍生，再运用有监督学习中解释性较强的逻辑回归模型实现对反洗钱可疑模型的构建，同时借鉴金融风控场景中经常使用的评分卡模型对逻辑回归模型结果进行从评分向用户得分的转换，并将优化后的模型在商业银行反洗钱领域尝试应用。相较于传统的规则模型，优化后的模型在保证覆盖率的前提下，筛查效率大幅提高，能够有效提升反洗钱业务的报送效率。

我国商业银行反洗钱业务现状

反洗钱、反恐怖融资工作是推进国家治理体系和治理能力现代化、维护经济社会安全稳定的重要保障。当前，我国对反洗钱的监管和惩罚力度日渐增强。2021年4月16日，央行发布了《金融机构反洗钱和反恐怖融资监督管理办法》，进一步明确并完善了我国的反洗钱监管措施。

洗钱活动主要发生在金融领域，处于反洗钱核心地位的商业银行等金融机构均已依据中国人民银行发布的《金融机构大额交易和可疑交易报告管理办法》等相关要求，建立了一套完整的反洗钱监测报送系统。……