基于組合構建實現可疑交易場景模型識別處理的系統、方法、裝置、處理器及其存儲介質制造方法及圖紙

本發明專利技術涉及一種基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其中，該系統包括數據特征采集模塊，用于采集可疑交易場景模型進行行為識別處理所需的各項數據；監控場景構建模塊，用于將采集到的各項數據按照系統預設規則構建監控場景模型；可疑交易行為識別模塊，用于根據監控場景模型的組合觸發結果，進行可疑交易行為的識別處理。本發明專利技術還涉及一種相應的方法、裝置、處理器及其存儲介質。采用了本發明專利技術的該系統、方法、裝置、處理器及其存儲介質，全方位的拓寬監測數據的多樣性，不斷添加新的監控規則，且不斷優化修正組合構建的閾值，多視角的篩選反洗錢可疑交易客戶，對實際反洗錢可疑模型的識別工作具有重要意義。重要意義。重要意義。

【技術實現步驟摘要】
基于組合構建實現可疑交易場景模型識別處理的系統、方法、裝置、處理器及其存儲介質


[0001]本專利技術涉及金融數據監管
，尤其涉及可疑交易場景識別
，具體是指一種基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統、方法、裝置、處理器及其計算機可讀存儲介質。

技術介紹

[0002]金融機構作為資金交易的載體，是洗錢行為的一個關鍵環節和主要場所。銀行作為資金轉移的重要途徑，犯罪份子常通過銀行渠道來洗錢，境內外金融機構和監管部門都極為關注此現象。近些年，犯罪分子洗錢手段的頻繁更新，開始利用證券業渠道洗錢。
[0003]隨著人們對于證券投資的熱情提升，也帶來了證券行業海量數據的增長。證券行業，傳統的經驗規則模型一是無法從海量數據中，更好的匹配篩查洗錢行為，無法排除很多干擾數據。二是不足以支撐新形勢下新的洗錢手段。
[0004]反洗錢的監測中，會有各種各樣的洗錢行為情況。傳統的證券業可疑交易模型是依靠單一的經驗規則模型通過系統監測識別，提供給業務人員進行人工識別，有效性和準確性都較低。證券業目前常見的做法是，根據客戶的身份特性、交易特性、行為特性，分別從單一維度或單一規則對客戶進行可疑交易的監測識別。針對某種可能的洗錢行為，提煉出監控邏輯，將其作為一個獨立的模型。而人工專家在判斷客戶是否洗錢時，也大多基于一個模型的預警，再人工的結合交易信息、客戶信息、持倉信息等進行識別。
[0005]但是這樣會導致分析的內容較少，不夠全面，且人工收集信息容易造成較大的操作風險，人力成本過大，且識別效率低。
[0006]其次，由于符合單模型的監測行為就命中，會導致預警數量過大，但最后上報給監管機構的客戶并不多，也會導致目前系統對于模型監控的可疑識別準確性低。
[0007]最后，由于受限于單模型，如果對于此模型的規則和參數進行改進后，如果調整模型不及時，則可能會造成短期內該模型無法預警。也可能會遺漏掉很多潛在洗錢客戶，風險較大。

技術實現思路

[0008]本專利技術的目的是克服了上述現有技術的缺點，提供了一種多視角精準識別的基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統、方法、裝置、處理器及其計算機可讀存儲介質。
[0009]為了實現上述目的，本專利技術的基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統、方法、裝置、處理器及其計算機可讀存儲介質如下：
[0010]該基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其主要特點是，所述的系統包括：
[0011]數據特征采集模塊，用于根據不同特征屬性采集可疑交易場景模型進行行為識別
處理所需的各項數據；
[0012]監控場景構建模塊，與所述的數據特征采集模塊相連接，用于將采集到的各項數據按照系統預設規則構建監控場景模型；以及
[0013]可疑交易行為識別模塊，與所述的監控場景構建模塊相連接，用于根據所述的監控場景模型的組合觸發結果，進行可疑交易行為的識別處理。
[0014]較佳地，所述的數據特征采集模塊具體包括以下不同屬性：
[0015]客戶交易特征信息數據、客戶轉賬特征信息數據、客戶身份特征信息數據、客戶行為特征信息數據以及股票特征信息數據。
[0016]尤佳地，所述的監控場景構建模塊具體包括：
[0017]監控要素獲取單元，與所述的數據特征采集模塊相連接，用于根據所述的數據特征采集模塊獲取的每一份特征信息數據表，采集當前所述的監控場景構建模塊所需的多個必備監控要素；
[0018]監控規則制定單元，與所述的監控要素獲取單元相連接，用于根據當前獲取到的多個必備監控要素制定所述的監控場景構建模塊的監控規則；以及
[0019]監控規則觸發單元，與所述的監控規則制定單元相連接，用于根據所述的多個必備監控要素在所述的監控規則中的觸發情況，判斷當前采集到的各個特征信息數據是否滿足所述的監控場景構建模塊的觸發閾值。
[0020]更佳地，所述的可疑交易行為識別模塊具體為：
[0021]根據多個所述的監控場景構建模塊的觸發結果進行命中模型的組合構建，并根據多個所述的命中模型的組合閾值觸發情況，進行客戶可疑交易行為的識別。
[0022]該基于上述系統實現基于組合構建的證券業反洗錢可疑交易場景模型識別處理的方法，其主要特點是，所述的方法包括以下步驟：
[0023](1)利用不同特征屬性采集所述的可疑交易場景模型進行行為識別處理所需的各項數據；
[0024](2)獲取所述的監控場景構建模塊所需的多個監控要素；
[0025](3)制定當前所述的監控場景構建模塊的監控規則以及命中所述的監控規則所需的閾值；
[0026](4)根據所述的監控場景構建模塊的監控邏輯結果進行命中模型的組合構建；
[0027](5)根據所述的命中模型的組合構建的閾值觸發情況進行可疑交易行為的識別處理，并根據識別處理結果，生成預警事件。
[0028]較佳地，所述的步驟(1)具體包括以下步驟：
[0029](1.1)根據客戶每天或者預設時間段內的證券買賣交易動向行為，獲取包括但不限于：交易幣種、交易金額、交易賬戶、交易渠道以及交易時間的客戶交易特征信息數據；
[0030](1.2)根據客戶每天或者預設時間段內和第三方存管銀行之間的轉賬行為，獲取包括但不限于交易幣種、發生金額、交易賬戶、交易方向以及交易時間的客戶轉賬特征信息數據；
[0031](1.3)獲取用戶包括但不限于：資產情況、負債情況、年齡信息、職業信息、收入信息以及異地開戶的客戶身份特征信息數據；
[0032](1.4)獲取用戶包括但不限于：交易行為使用IP以及休眠賬戶的客戶行為特征信
息數據；
[0033](1.5)獲取包括但不限于：股票代碼、股票開盤價以及股票收盤價的股票特征信息數據；
[0034](1.6)對所述的步驟(1.1)和(1.2)獲取的交易數據進行去除非真實交易數據的數據清洗處理。
[0035]較佳地，所述的步驟(2)具體包括以下步驟：
[0036](2.1)根據所述的步驟(1)獲取到的各項數據生成相應的特征屬性數據表；
[0037](2.2)獲取當前所述的監控場景構建模塊所需的多個監控要素；
[0038](2.3)判斷當前所需的多個監控要素是否在所述的特征屬性數據表中，如果是則進入步驟(2.4)，否則，進入步驟(2.5)；
[0039](2.4)在所述的特征屬性數據表中獲取當前所述的監控場景構建模塊所需的監控要素；
[0040](2.5)根據實際監控需要添加額外所需數據作為后續監控場景構建模塊的監控要素。
[0041]較佳地，所述的步驟(3)具體包括以下步驟：
[0042](3.1)根據當前所述的監控場景構建模塊所包含的監控要素，按照人民銀行的可疑識別點操作指引以及日常的反洗錢可疑監測工作經驗制定當前所述的監控場景構建模塊的監控規則；本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其特征在于，所述的系統包括：數據特征采集模塊，用于根據不同特征屬性采集可疑交易場景模型進行行為識別處理所需的各項數據；監控場景構建模塊，與所述的數據特征采集模塊相連接，用于將采集到的各項數據按照系統預設規則構建監控場景模型；以及可疑交易行為識別模塊，與所述的監控場景構建模塊相連接，用于根據所述的監控場景模型的組合觸發結果，進行可疑交易行為的識別處理。2.根據權利要求1所述的基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其特征在于，所述的數據特征采集模塊具體包括以下不同屬性：客戶交易特征信息數據、客戶轉賬特征信息數據、客戶身份特征信息數據、客戶行為特征信息數據以及股票特征信息數據。3.根據權利要求2所述的基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其特征在于，所述的監控場景構建模塊具體包括：監控要素獲取單元，與所述的數據特征采集模塊相連接，用于根據所述的數據特征采集模塊獲取的每一份特征信息數據表，采集當前所述的監控場景構建模塊所需的多個必備監控要素；監控規則制定單元，與所述的監控要素獲取單元相連接，用于根據當前獲取到的多個必備監控要素制定所述的監控場景構建模塊的監控規則；以及監控規則觸發單元，與所述的監控規則制定單元相連接，用于根據所述的多個必備監控要素在所述的監控規則中的觸發情況，判斷當前采集到的各個特征信息數據是否滿足所述的監控場景構建模塊的觸發閾值。4.根據權利要求3所述的基于組合構建實現證券業反洗錢可疑交易場景模型識別處理的系統，其特征在于，所述的可疑交易行為識別模塊具體為：根據多個所述的監控場景構建模塊的觸發結果進行命中模型的組合構建，并根據多個所述的命中模型的組合閾值觸發情況，進行客戶可疑交易行為的識別。5.一種基于權利要求1所述的系統實現基于組合構建的證券業反洗錢可疑交易場景模型識別處理的方法，其特征在于，所述的方法包括以下步驟：(1)利用不同特征屬性采集所述的可疑交易場景模型進行行為識別處理所需的各項數據；(2)獲取所述的監控場景構建模塊所需的多個監控要素；(3)制定當前所述的監控場景構建模塊的監控規則以及命中所述的監控規則所需的閾值；(4)根據所述的監控場景構建模塊的監控邏輯結果進行命中模型的組合構建；(5)根據所述的命中模型的組合構建的閾值觸發情況進行可疑交易行為的識別處理，并根據識別處理結果，生成預警事件。6.根據權利要求5所述的實現基于組合構建的證券業反洗錢可疑交易場景模型識別處理的方法，其特征在于，所述的步驟(1)具體包括以下步驟：(1.1)根據客戶每天或者預設時間段內的證券買賣交易動向行為，獲取包括但不限于：
交易幣種、交易金額、交易賬戶、交易渠道以及交易時間的客戶交易特征信息數據；(1.2)根據客戶每天或者預設時間段內和第三方存管銀行之間的轉賬行為，獲取包括但不限于交易幣種、發生金額、交易賬戶、交易方向以及交易時間的客戶轉賬特征信息數據；(1.3)獲取用戶包括但不限于：資產情況、負債情況、年齡信息、職業信息、收入信息以及異地開戶的客戶身份特征信息數據；(1.4)獲取用戶包括但不限于：交易行為使用IP以及休眠賬戶的客戶行為特征信息數據；...

【專利技術屬性】
技術研發人員：俞楓，王珣，苑博，黃志昌，孫中宇，
申請(專利權)人：國泰君安證券股份有限公司，
類型：發明
國別省市：