統計方法在我國證券公司反洗錢應用中的合理性探討

[摘 要]本文分析了我國證券公司反洗錢管理的操作流程，針對統計方法在其識別機制中應用的不足之處，提出并分析了影響其合理性的因素，以改進識別機制的適用性。

[關鍵詞] 反洗錢;統計方法;識別機制

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2010. 05 . 026

[中圖分類號]F830.91 [文獻標識碼]A [文章編號]1673 - 0194(2010)05- 0059- 04

自從《反洗錢法》將證券業金融機構納入反洗錢監管體系后，證券業成為當前我國反洗錢工作的一個全新領域，在實踐操作方面也給監管當局帶來了全新的課題。目前在證券市場金融機構中，證券市場洗錢犯罪分子要進行洗錢歸根結底是要通過證券公司進行，我國證券市場實行的是集中制的管理服務模式，所有的證券業務都不能由投資者直接進行，而要委托證券公司代理進行，因此證券公司與證券市場的洗錢犯罪的距離是最近的，證券公司的可疑交易風險識別問題也受到了極大的關注。

1 我國證券公司反洗錢管理的業務處理流程

目前，大多數證券公司都啟動了非現場稽核系統(IT系統)來監控公司的風險?；讼到y依據風險指標系統來設置具體的風險監控功能點，證券公司通過稽核系統對下屬營業部或總部業務與人員操作數據進行實時或盤后監控，發現問題及時反饋處理。

目前國內證券公司典型的風險監控處理流程:首先是數據入庫工作。從柜臺、交易公司等處取得原始數據，并做相關處理(如代碼轉換、舍棄非必要字段等)，再導入業務數據庫，為后續處理做好數據準備工作。接下來對歷史數據進行處理與分析，按照風險識別機制得到系統監控閾值。以此閾值對交易數據進行監控，超過該閾值的交易即認為是異常交易。對異常交易數據進行分析并依據風險管理指標體系，確定風險事件的風險等級，以確定風險跟蹤策略，對風險事件進行跟蹤處理。跟蹤結果反饋給系統，以評估系統風險識別的有效性，針對不足對系統做出改進(參見圖1)。

通過對交易、操作數據的實時或盤后監控，可以及時發現異常并進行處理。風險事件和風險點的發現與目前證券公司的風險識別機制有關系。證券公司內部的稽核監控人員多是老資格業務人員，他們多是憑借自己多年的經驗，通過以前發生的風險事件來確定系統的具體風險監控點，事后監控型風險功能點多，理論依據少，風險控制模型少，管理技術也比較簡單。

2基于統計的反洗錢識別機制及其存在的問題

目前我國實行的大額和可疑支付交易報告制度，其主要意義和價值在于對洗錢分子起到有效的震懾作用，但對反洗錢的情報收集和分析工作，就目前的實踐來看，尚未能夠起到顯著的指導作用。其存在的問題主要體現在巨量數據報表與高誤報率、預設標準易于為洗錢分子規避、無法自動適應洗錢形勢變化等[1]。針對大額和可疑支付交易報告制度存在的問題，很多學者和國內機構提出采用統計的方法來發現異常點。

在大額可疑識別中，假設第i個客戶的交易金額為隨機變量xi，并且相互獨立。由于在每個證券公司交易的客戶數量極大，因此可以根據大數定理，假設賬戶的平均交易金額近似服從正態分布，即x～N(μ，σ2)。對于正態分布中的參數 μ和σ2，利用樣本均值和樣本方差進行無偏估計?，F在，假設第i個客戶的交易額為xi，樣本容量為n，則:

其中，U1-α為標準正態分布的1-α下分位數。在這里，用單側置信區間的原因在于，只有大額交易才是關注的對象。若賬戶的交易金額落在置信區間之外，那么這個賬戶為異常賬戶。

本文選取了國內某著名券商A的一個營業部的數據，對模型進行檢驗。這部分數據共含有6 698個資金賬戶交易金額記錄，時間采集區間為2008年8月1日至2008年8月31日。計算得資金賬戶的平均交易金額為83 636，標準差為360 513。計算得置信上限為92 269(給定置信度 )。其中大約有15%的資金賬戶落在了置信區間的外面。簡單的統計方法雖然改善了其自動適應形勢的變化等，但其提交的報告數量依然很高。

同時在某個特定賬戶歷史交易中，也常使用統計方法，發現超出異常的交易金額就表明該次的交易行為可疑，但客戶產生某次大額交易的原因會有很多，因此造成上報數據的數量巨大。

由于不同的賬戶之間存在很多差異性，因此，落在置信區間之外的所謂異常賬戶的數量很多，而且其中大多數資金賬戶并非是可疑賬戶，給情報分析人員造成很大的工作負擔和壓力。

3影響基于統計方法識別機制合理性的因素分析

由于未考慮到客戶的差異性，而大多數資金賬戶并非所需要的可疑賬戶，因此，需要對前面假設的合理性做進一步的考量。

由于客戶具有不同的類別，不同類別的客戶之間的性質相差甚大?？蛻糍Y產區間不同、交易量不同等應該有所區別。下面用方差分析和相關性分析來分析資產區間、交易量、交易方式等對交易數據的影響。

3.1 樣本數據選擇和處理

本文選取了國內某著名券商A的兩個營業部的數據，采集了3296990條交易數據記錄，采集區間為2006年1月2日至2008年11月10日。本文對原始數據進行了處理，剔出了一些非交易數據以及交易異常的數據，如保證金一直為零的未成交的委托記錄等數據。經過處理，共整理出了1 917 981條數據記錄。

根據客戶資產和交易量的分布情況，在此將客戶資產區間劃分小客戶[0，100 000]、中客戶(100 000，500 000]、大客戶(500 000，+∞);交易量區間劃分小交易量[0，50000]、中交易量(50 000，500 000]、大交易量(500 000，+∞)。

3.2交易數據的方差分析

(1)營業部對交易的影響見表1。

3.4結果分析

從方差分析的結果可以看出，在0.05的顯著水平下，營業部、客戶資產區間、交易量區間和交易方式對客戶交易數據都有顯著影響，其顯著系數都小于0.05。這說明不同營業部、不同客戶資產區間、不同交易量區間、不同的交易方式，對交易數據都有顯著影響，因而分析風險異常時應該區別對待。

可以從業務層面上對此進行分析:

(1) 營業部由于所處的地理位置不同、營業條件不同等因素，致使各個營業部所吸引的客戶無論是類型還是數量都有所不同，因而客戶的交易量、交易次數和交易頻率等都有所不同;而且各個營業部的自營業務、投行業務等的規模和交易量也都有所不同。綜合而言，沿海經濟發達城市的營業部無論是營業部自有資金還是客戶資金，實力普遍比中西部不發達城市的營業部更加雄厚，而同一城市市區的營業部又比郊區的營業部實力更強，市區不同路段的營業部也有很大不同。因而不同的營業部的系統監控功能點、監控參數(如報警閾值等)等也應有所不同，需依據營業部的具體情況而定。

(2) 客戶資產區間不同，交易表現有較大的差異?？蛻糍Y產不同，不同的業務操作意義有很大不同。同是100萬元的資金操作，對大客戶而言是正常的資金操作，只是其資金的一部分的正常運作;而對于中小客戶而言則是非正常的，可能是客戶銷戶從而一次性取走全部資金，更可能是營業部在非法違規操作，如違規為客戶融資、利用客戶賬戶進行自營業務操作等。可見不同的客戶資產區間意味著系統參數的不同，需要區別對待。與此相類似的是交易量區間，

(3) 與客戶資產區間影響相類似的是交易量區間，不同交易量區間內的客戶，一旦交易量超過了該正常區間就有可能是異常的非法違規業務操作，有可能是營業部在違規向其融資或者做內幕或關聯交易等。當然不排除有可能是正常的追加投資資金的情況。因此系統也應區別對待。

(4)交易方式不同，也對客戶交易有較大的影響。不同委托方式，發生風險的概率和類型也有所不同。

可見，在風險監控系統中，需要對交易數據區別對待，不應該設一個統一的閾值來監控全部的交易，需要對交易數據分類進行分析，如可以從客戶資產、交易量區間、交易方式等角度出發分類，對不同的類別數據分別進行監控跟蹤。

不同的分類方法，其效果也有所不同。從上面的相關性分析的結果可見，營業部、客戶資產區間、客戶交易量區間、交易方式與交易數據的相關性分別為-0.041，0.263，0.313，-0.017，可見客戶資產區間和客戶交易量區間的分類方法效果較好，能更好地反映交易數據之間的差異。

4 結 論

從分析結果可見，按客戶資產區間或客戶交易量區間進行分類，能較好地反映數據的差異。在風險監控中，對風險識別時可以先對客戶進行分類，可以按客戶資產區間或客戶交易量區間或者兩者結合來對客戶分類。再對不同的類別客戶群設置不同的監控標準，如設置不同的閾值等，這樣可以更好地區別不同類別客戶的異常數據，更好地監控風險。

文中在分析影響因素時對不同客戶僅是按照其常規的交易分布情況進行分類，在實際的操作中，應該使用更科學的方法，如數據挖掘技術對其進行聚類分析和分類分析，提高風險識別的準確性和科學性?；诳蛻舴诸惖慕y計方法識別出的可疑交易可以作為進一步分析的基礎數據，在實踐操作中可進一步對其進行挖掘，從而提高上報數據的質量，減輕上層情報人員的工作負擔。

主要參考文獻

[1]湯俊.基于客戶行為模式識別的反洗錢數據監測與分析體系[J] .中南財經政法大學學報，2005(4):1-4.

[2]王雪娟，薛耀文，張朋翥.大額洗錢模式及其防范分析[J].金融理論與實踐，2007(11):1-2.

[3]余建英，何旭宏.數據統計分析與SPSS應用[M].北京:人民郵電出版社，2003.