[发明专利]基于组合构建实现可疑交易场景模型识别处理的系统、方法、装置、处理器及其存储介质

说明书

本发明涉及一种基于组合构建实现证券业反洗钱可疑交易场景模型识别处理的系统，其中，该系统包括数据特征采集模块，用于采集可疑交易场景模型进行行为识别处理所需的各项数据；监控场景构建模块，用于将采集到的各项数据按照系统预设规则构建监控场景模型；可疑交易行为识别模块，用于根据监控场景模型的组合触发结果，进行可疑交易行为的识别处理。本发明还涉及一种相应的方法、装置、处理器及其存储介质。采用了本发明的该系统、方法、装置、处理器及其存储介质，全方位的拓宽监测数据的多样性，不断添加新的监控规则，且不断优化修正组合构建的阈值，多视角的筛选反洗钱可疑交易客户，对实际反洗钱可疑模型的识别工作具有重要意义。

技术领域

本发明涉及金融数据监管技术领域，尤其涉及可疑交易场景识别技术领域，具体是指一种基于组合构建实现证券业反洗钱可疑交易场景模型识别处理的系统、方法、装置、处理器及其计算机可读存储介质。

背景技术

金融机构作为资金交易的载体，是洗钱行为的一个关键环节和主要场所。银行作为资金转移的重要途径，犯罪份子常通过银行渠道来洗钱，境内外金融机构和监管部门都极为关注此现象。近些年，犯罪分子洗钱手段的频繁更新，开始利用证券业渠道洗钱。

随着人们对于证券投资的热情提升，也带来了证券行业海量数据的增长。证券行业，传统的经验规则模型一是无法从海量数据中，更好的匹配筛查洗钱行为，无法排除很多干扰数据。二是不足以支撑新形势下新的洗钱手段。

反洗钱的监测中，会有各种各样的洗钱行为情况。传统的证券业可疑交易模型是依靠单一的经验规则模型通过系统监测识别，提供给业务人员进行人工识别，有效性和准确性都较低。证券业目前常见的做法是，根据客户的身份特性、交易特性、行为特性，分别从单一维度或单一规则对客户进行可疑交易的监测识别。针对某种可能的洗钱行为，提炼出监控逻辑，将其作为一个独立的模型。而人工专家在判断客户是否洗钱时，也大多基于一个模型的预警，再人工的结合交易信息、客户信息、持仓信息等进行识别。

但是这样会导致分析的内容较少，不够全面，且人工收集信息容易造成较大的操作风险，人力成本过大，且识别效率低。

其次，由于符合单模型的监测行为就命中，会导致预警数量过大，但最后上报给监管机构的客户并不多，也会导致目前系统对于模型监控的可疑识别准确性低。

最后，由于受限于单模型，如果对于此模型的规则和参数进行改进后，如果调整模型不及时，则可能会造成短期内该模型无法预警。也可能会遗漏掉很多潜在洗钱客户，风险较大。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种多视角精准识别的基于组合构建实现证券业反洗钱可疑交易场景模型识别处理的系统、方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于组合构建实现证券业反洗钱可疑交易场景模型识别处理的系统、方法、装置、处理器及其计算机可读存储介质如下：

该基于组合构建实现证券业反洗钱可疑交易场景模型识别处理的系统，其主要特点是，所述的系统包括：

数据特征采集模块，用于根据不同特征属性采集可疑交易场景模型进行行为识别处理所需的各项数据；

监控场景构建模块，与所述的数据特征采集模块相连接，用于将采集到的各项数据按照系统预设规则构建监控场景模型；以及

可疑交易行为识别模块，与所述的监控场景构建模块相连接，用于根据所述的监控场景模型的组合触发结果，进行可疑交易行为的识别处理。

较佳地，所述的数据特征采集模块具体包括以下不同属性：

客户交易特征信息数据、客户转账特征信息数据、客户身份特征信息数据、客户行为特征信息数据以及股票特征信息数据。

尤佳地，所述的监控场景构建模块具体包括：