郑迎飞,陶文纳,赵 旭,王生金

(1.上海对外经贸大学 金融管理学院,上海 201620;2.上海交通大学 安泰经济与管理学院创业学院,上海 200240;3.上海城建职业学院,上海 201415)

中国反洗钱监管的核心是可疑交易报告制度,这个制度由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》(中国人民银行令〔2006〕第2号发布)确定下来,要求金融机构向中央银行报告大额交易和可疑交易,然后由中央银行下设的反洗钱监测中心进行分析。近几年,随着电子支付交易数量快速增长,基层金融机构需要从海量交易数据中找出可疑交易,人工筛查数据的工作量非常大,于是有了以结构化查询语言(Structured Query Language,SQL)为主的机器筛查。但是有了机器筛查之后,人工筛查只作为机器筛查结果的一个验证步骤。这样就导致了高度的系统依赖,使得监测系统变得易于被规避,系统识别的准确性和适应性因为规避技术的发展而降低。因此,越来越多业界人士呼吁加强人工筛查。但若不能将人工筛查的经验传递给机器,要靠人工在浩若烟海的数据中去寻找可疑交易,将是十分困难的。与此同时,不能与时俱进、学习新洗钱特征的机器将成为越来越无用的机器。如果将人工筛查发现的异常交易标记为“可疑交易”,然后归入机器学习的数据库,则机器预测能力可以自动升级。人工甚至可以根据最新洗钱趋势,修改机器学习模型的特征变量,完成机器算法的快速升级。因此,构建基于机器学习加上人工反馈形成的人机耦合可疑交易监测系统十分必要。……