CN115936848A - 一种在客户洗钱风险评估中生成组合指标的方法 - Google Patents
一种在客户洗钱风险评估中生成组合指标的方法 Download PDFInfo
- Publication number
- CN115936848A CN115936848A CN202211635855.2A CN202211635855A CN115936848A CN 115936848 A CN115936848 A CN 115936848A CN 202211635855 A CN202211635855 A CN 202211635855A CN 115936848 A CN115936848 A CN 115936848A
- Authority
- CN
- China
- Prior art keywords
- index
- transaction
- basic
- risk
- dimensionality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种在客户洗钱风险评估中生成组合指标的方法,基础指标包括交易总金额(指标a)、交易笔数(指标b)、交易对象(指标c)、交易天数(指标d)等用于客户风险评估的基础指标;统计维度包括时间周期(维度1)、渠道(维度2)、数量(维度3)、地区(维度4)、是否跨行(维度5)、对公对私(维度6)等六个维度;利用计算机直接获得组合指标,过程中避免采用枚举的方法,节省人力、算力和时间,避免了无效组合指标的产生,为金融机构对客户洗钱风险评估业务提供有效的支持;通过该获取组合指标的方式,可以丰富指标库,帮助银行更好的从更多维度对客户洗钱风险进行评估。
Description
技术领域
本发明涉及反洗钱甄别技术,具体涉及一种在客户洗钱风险评估中生成组合指标的方法。
背景技术
在金融反洗钱领域中,银行等金融机构需要对客户的洗钱风险进行评估。
该评估过程,需要涉及各类指标,例如交易金额、交易笔数、交易对象等。目前主流方法仅根据单指标进行,当涉及多指标综合评估时,通常采用人工设计或矩阵交叉两种方法。人工设计方法费时费力;矩阵交叉采用枚举遍历方式,其将每一种组合都尝试一遍,使得大部分组合都是不需要的或者是没有业务意义的,从而造成算力资源和时间效率上的浪费,因此亟需一种在客户洗钱风险评估中生成组合指标的方法来解决上述问题。
发明内容
本发明的目的是提供一种在客户洗钱风险评估中生成组合指标的方法,以解决现有技术中的上述不足之处。
为了实现上述目的,本发明提供如下技术方案:
一种在客户洗钱风险评估中生成组合指标的方法,包括以下步骤:
S1,获取基础指标
基础指标包括交易总金额(指标a)、交易笔数(指标b)、交易对象(指标c)、交易天数(指标d)等用于客户风险评估的基础指标;
S2,分类基础指标,明确运算方式
将基础指标按照一定的规则进行分类;
S3,获取基础指标统计维度
在上一步分类的基础上,再将基础指标进行多维化,不同基础指标的统计维度会有不同;
S4,构建基础指标集合
根据金融机构所需要的维度,筛选出具有所需维度的基础指标,组成可进行运算的基础指标集合。其中,基础指标的维度分为单个维度和多个维度;
S5,生成新组合指标
根据构建的基础指标集合以及集合中指标分类计算规则,进行指标组合运算,得出组合指标结果;
S6,组合指标应用
新的组合指标生成后,应用特定的算法计算得出该组合指标在评估过程中所占的权重,银行可以运用该组合指标量化以及权重来对客户进行洗钱风险评估。
进一步地,所述S2中,同一类基础指标仅可以进行加减算法,不同类基础指标之间仅进行乘除算法。
进一步地,所述S5中采用五级分类法设定客户风险等级,客户风险等级为五档,从高到低分别为高风险、较高风险、一般风险、较低风险﹑低风险,赋值9~10分为高风险,赋值7~8分为较高风险,赋值5~6分为一般风险,赋值3~4分为较低风险,赋值0~2分为低风险。
进一步地,所述S1中基础指标一般以单个原始字段形式存在和简单加工即可获取。
进一步地,所述S3中统维度时以总金额为基础,统计总金额下的每笔交易记录,交易时间以及交易金额。
进一步地,所述S4中交易维度包括交易区间,交易地点,交易跨行,交易对公,交易总金额和交易笔数。
在上述技术方案中,本发明提供的一种在客户洗钱风险评估中生成组合指标的方法,(1)利用计算机直接获得组合指标,过程中避免采用枚举的方法,节省人力、算力和时间,避免了无效组合指标的产生,为金融机构对客户洗钱风险评估业务提供有效的支持;通过该获取组合指标的方式,可以丰富指标库,帮助银行更好的从更多维度对客户洗钱风险进行评估。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明一种在客户洗钱风险评估中生成组合指标的方法实施例提供的对指标进行分类示意图。
图2为本发明一种在客户洗钱风险评估中生成组合指标的方法实施例提供的运用算法获得新的组合指标示意图。
图3为本发明一种在客户洗钱风险评估中生成组合指标的方法实施例提供的流程示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍。
如图1~3所示,本发明实施例提供的一种在客户洗钱风险评估中生成组合指标的方法,包括以下步骤:
S1,获取基础指标
基础指标包括交易总金额(指标a)、交易笔数(指标b)、交易对象(指标c)、交易天数(指标d)等用于客户风险评估的基础指标;
S2,分类基础指标,明确运算方式
将基础指标按照一定的规则进行分类;
S3,获取基础指标统计维度
在上一步分类的基础上,再将基础指标进行多维化,不同基础指标的统计维度会有不同;
S4,构建基础指标集合
根据金融机构所需要的维度,筛选出具有所需维度的基础指标,组成可进行运算的基础指标集合。其中,基础指标的维度分为单个维度和多个维度;
S5,生成新组合指标
根据构建的基础指标集合以及集合中指标分类计算规则,进行指标组合运算,得出组合指标结果;
S6,组合指标应用
新的组合指标生成后,应用特定的算法计算得出该组合指标在评估过程中所占的权重,银行可以运用该组合指标量化以及权重来对客户进行洗钱风险评估.
进一步地,所述S2中,同一类基础指标仅可以进行加减算法,不同类基础指标之间仅进行乘除算法。
进一步地,所述S5中采用五级分类法设定客户风险等级,客户风险等级为五档,从高到低分别为高风险、较高风险、一般风险、较低风险﹑低风险,赋值9~10分为高风险,赋值7~8分为较高风险,赋值5~6分为一般风险,赋值3~4分为较低风险,赋值0~2分为低风险。
进一步地,所述S1中基础指标一般以单个原始字段形式存在和简单加工即可获取。
进一步地,所述S3中统维度时以总金额为基础,统计总金额下的每笔交易记录,交易时间以及交易金额。
进一步地,所述S4中交易维度包括交易区间,交易地点,交易跨行,交易对公,交易总金额和交易笔数。
实施例1
分类基础指标,明确运算方式
将基础指标按照一定的规则进行分类,例如交易金额属于金额类,交易笔数属于数量类等。这些基础指标的类别在其定义之前就已经归纳好。
同一类基础指标仅可以进行加减算法,不同类基础指标之间仅可以进行乘除、与或算法。不同类的基础指标进行加减没有业务意义,比如交易总金额和交易笔数的加减是没有业务意义的,而两者进行除法、与或算法是有业务意义的。不同类别之间的算法是固定的,比如金额和笔数两个类别之间仅可以进行除法运算、与或运算。
实施例2
获取基础指标统计维度
在上一步分类的基础上,再将基础指标进行多维化,不同基础指标的统计维度会有不同。
例如,交易总金额的统计维度包括时间周期(维度1)、渠道(维度2)、数量(维度3)、地区(维度4)、是否跨行(维度5)、对公对私(维度6)等六个维度;交易笔数的统计维度包括时间周期(维度1)、渠道(维度2)、数量(维度3)、地区(维度4)、是否跨行(维度5)、对公对私(维度6)等六个维度;交易对手的统计维度包括时间周期(维度1)、地区(维度4)、公私(维度6)等三个维度。
实施例3
构建基础指标集合
根据金融机构所需要的维度,筛选出具有所需维度的基础指标,组成可进行运算的基础指标集合。其中,基础指标的维度可以是单个维度,也可以是多个维度。
例如,银行需要知道某家公司在12个月内(维度1)江苏地区(维度4)跨行(维度5)对公(维度6)交易的情况,同时包括维度1,4,5,6的指标有交易总金额(指标a)和交易笔数(指标b)。以上两个基础指标即组成所需的指标集合。
实施例4
生成新组合指标
根据构建的基础指标集合以及集合中指标分类计算规则,进行指标组合运算,得出组合指标结果。
例如,交易总金额和交易笔数属于不同类别的指标,根据运算规则这两个指标只能进行乘除、与或的算法来获得组合指标。如交易总金额除以交易笔数可以得到平均交易金额这一组合指标。
实施例5
组合指标应用
新的组合指标生成后,应用特定的算法计算得出该组合指标在评估过程中所占的权重,银行可以运用该组合指标以及权重来对客户进行洗钱风险评估。
例如,某一时间交易金额超过特定值得到评分L,某一时间得到评分M,某一周期交易次数超过特定值得到评分N
L+M+N得到数值Q,以从高到低分别为高风险、较高风险、一般风险、较低风险﹑低风险,赋值9~10分为高风险,赋值7~8分为较高风险,赋值5~6分为一般风险,赋值3~4分为较低风险,赋值0~2分为低风险,观测Q在哪一个赋值区间进行判断;
当Q为9~10分为高风险;
当Q为7~8分为较高风险;
当Q为5~6分为一般风险;
当Q为3~4分为较低风险;
当Q为0~2分为低风险。
综上所述,需要注意的是,由于客户的风险评估指标状态总在不断变化,因此客户的洗钱风险量化值也是动态变化和更新的。对于低风险客户,应关注其是否有转变为高风险客户的可能;对高风险客户,应持续监测,观察其是否有趋势降为低风险客户或者上升为极其可能发生洗钱的客户。定期进行数据的采集,及时更新数据库和评估结果,并与客户以及外部监管做好沟通,才能最大限度地防范洗钱风险。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (6)
1.一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,包括以下步骤:
S1,获取基础指标
基础指标包括交易总金额(指标a)、交易笔数(指标b)、交易对象(指标c)、交易天数(指标d)等用于客户风险评估的基础指标;
S2,分类基础指标,明确运算方式
将基础指标按照一定的规则进行分类;
S3,获取基础指标统计维度
在上一步分类的基础上,再将基础指标进行多维化,不同基础指标的统计维度会有不同;
S4,构建基础指标集合
根据金融机构所需要的维度,筛选出具有所需维度的基础指标,组成可进行运算的基础指标集合。其中,基础指标的维度分为单个维度和多个维度;
S5,生成新组合指标
根据构建的基础指标集合以及集合中指标分类计算规则,进行指标组合运算,得出组合指标结果;
S6,组合指标应用
新的组合指标生成后,应用特定的算法计算得出该组合指标在评估过程中所占的权重,银行可以运用该组合指标量化以及权重来对客户进行洗钱风险评估。
2.根据权利要求1所述的一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,所述S2中,同一类基础指标仅可以进行加减算法,不同类基础指标之间仅进行乘除算法。
3.根据权利要求1所述的一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,所述S5中采用五级分类法设定客户风险等级,客户风险等级为五档,从高到低分别为高风险、较高风险、一般风险、较低风险﹑低风险,赋值9~10分为高风险,赋值7~8分为较高风险,赋值5~6分为一般风险,赋值3~4分为较低风险,赋值0~2分为低风险。
4.根据权利要求1所述的一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,所述S1中基础指标一般以单个原始字段形式存在和简单加工即可获取。
5.根据权利要求1所述的一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,所述S3中统维度时以总金额为基础,统计总金额下的每笔交易记录,交易时间以及交易金额。
6.根据权利要求1所述的一种在客户洗钱风险评估中生成组合指标的方法,其特征在于,所述S4中交易维度包括交易区间,交易地点,交易跨行,交易对公,交易总金额和交易笔数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635855.2A CN115936848A (zh) | 2022-12-20 | 2022-12-20 | 一种在客户洗钱风险评估中生成组合指标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635855.2A CN115936848A (zh) | 2022-12-20 | 2022-12-20 | 一种在客户洗钱风险评估中生成组合指标的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936848A true CN115936848A (zh) | 2023-04-07 |
Family
ID=86655686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211635855.2A Pending CN115936848A (zh) | 2022-12-20 | 2022-12-20 | 一种在客户洗钱风险评估中生成组合指标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936848A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983636A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市中政汇智管理咨询有限公司 | 风险评估方法、装置、设备及存储介质 |
-
2022
- 2022-12-20 CN CN202211635855.2A patent/CN115936848A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983636A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市中政汇智管理咨询有限公司 | 风险评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109461078B (zh) | 一种基于资金交易网络的异常交易识别方法及系统 | |
CN111784508A (zh) | 企业风险评估方法、装置及电子设备 | |
CN112700319A (zh) | 基于政务数据的企业授信额度确定方法及装置 | |
CN111738843B (zh) | 一种使用流水数据的量化风险评价系统和方法 | |
CN111583033A (zh) | 基于上市公司和股东之间联系的关联分析方法及装置 | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
CN113342939B (zh) | 数据质量监控方法、装置及相关设备 | |
CN106407305A (zh) | 一种数据挖掘系统和方法 | |
CN115936848A (zh) | 一种在客户洗钱风险评估中生成组合指标的方法 | |
Van Thiel et al. | Artificial intelligent credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era | |
CN112419030A (zh) | 财务舞弊风险评估的方法、系统及设备 | |
US7979366B2 (en) | System and method for coarse-classing variables in a propensity model | |
CN117217634B (zh) | 一种基于复杂网络的企业合作社区发现方法 | |
CN110618925A (zh) | 数据处理方法及系统 | |
CN113610323A (zh) | 银行自助设备的现金需求量预测方法及装置 | |
CN113642672A (zh) | 医保数据的特征加工方法、装置、计算机设备及存储介质 | |
CN113835947A (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN116012152A (zh) | 异常交易实体的识别方法、装置、设备及可读存储介质 | |
CN115271907A (zh) | 基于公开数据对中小微企业评价的方法及相关设备 | |
CN113435748A (zh) | 网点状态确定方法、装置、电子设备以及存储介质 | |
CN114254857A (zh) | 电力设备库存情况评价方法及服务器 | |
CN114663102A (zh) | 基于半监督模型预测发债主体违约的方法、设备及存储介质 | |
CN112633660A (zh) | 一种多角度的失业风险预警装置及方法 | |
CN117745080B (zh) | 基于多因素认证的数据访问控制和安全监管方法和系统 | |
CN112733897B (zh) | 确定多维样本数据的异常原因的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |