观点 | 金融科技赋能反洗钱新格局
本期作者
林坚军
中银金融科技有限公司执行董事、副总裁,国际公认反洗钱师(CAMS)、国际制裁合规师(CGSS)
一.
智能反洗钱行业方兴未艾
根据国际货币基金组织(IMF)推算,当前全球洗钱总额占全球GDP比重已达5%,由此助长的上游犯罪和对经济秩序的破坏,以及导致市场失灵等不良影响正逐步扩大。运用科技手段提升反洗钱工作质效在当前及未来都具有重要意义。
研究显示,目前金融机构反洗钱工作存在严重“信息不对称”,即洗钱者掌握信息多于反洗钱者,这一现象导致金融机构反洗钱工作开展难度大。因此,充分做好“了解你的客户”(Know Your Customer)即KYC,是反洗钱工作开展的基础,也是反洗钱系统建设的重要使命之一。如何创新发展,将新技术深度融入KYC流程,提升反洗钱系统智能化水平及机构间有效协作,从而提升识别、侦测与报送的精确度,缓解“信息不对称”现象,是KYC乃至反洗钱领域亟待解决的问题。
二.
匠心力作赋能反洗钱科技
当前合规手段在不断庞大的业务量与复杂化的交易面前,呈现出明显短板。目前全球KYC仍处于人工审核与机器审核交叉并存的阶段,耗时长、成本高;运营部门与合规部门之间协作数据传递方式较为落后,义务机构主动性较弱;数据质量问题导致KYC系统审核失败率高;非面对面场景日益增多,数字身份认证逐渐成为身份识别和背景调查新方式,传统KYC方法无法兼顾新兴场景下客户体验与尽调要求;金融机构之间缺乏有效协同,数据和经验难以形成规模效应。此外,不断丰富的客户生命周期业务活动、层出不穷的前沿技术和与时俱进的监管要求都在召唤新型KYC系统的诞生与运用。
中银金融科技有限公司作为中国银行全资子公司,深耕技术研发,客户全生命周期合规风险管理是中银金科AML-EYE智能反洗钱系统核心模块之一,是针对当前行业空白与痛点打造的精准、高效的KYC工具。模块依托高质量数据库基础设施与前沿技术手段,协同包括道琼斯在内的行业领先资讯供应商,在AML-EYE智能反洗钱系统中更高效地承担信息采集、数据分析与可疑识别等任务,并通过更优化的工艺设计,实现应用性高、可配置性强的特点,可以更便利地服务客户、赋能行业。
(一)
高质量数据保证系统效能
数据质量体现在数据来源和实时性两个方面——数据来源是保证KYC识别效率的基础,数据的实时性更将全面提升KYC决策质量。客户全生命周期合规风险管理模块以数据治理工作为依托,持续优化数据集市,加大外部数据引入,不断健全数据基础设施,为客户身份识别与持续尽职调查的集约化管理打下扎实基础。
在客户准入与维护阶段,该模块可在相应环节进行影像采集与留痕,改善此前需要进行事后补录的状况。同时可实现智能化数据归集并进行风险事件提示,简化人工操作,对单个风险客户的审批、回溯效率平均可节省20-30分钟。在开立与准入阶段后,采用动态监控模块持续捕捉客户层、账户层、交易层及外部信息变化,实现对客户在其商业周期内持续、按需进行尽职调查的全生命周期管理。
数据实时性还体现在对监管政策的及时跟进。创新研发的RnA(Regulator and AML,即监管与反洗钱)功能组,定期追踪收集监管法规与处罚案例,形成知识数据库,结合专家经验与机器学习技术,形成法规要点、制度分析、处罚点与趋势研判,从而确保金融机构符合最新的KYC监管规定。
此外,该模块改变此前从多个平台或部门提取数据进行尽职调查的方式,直接接入工商、司法等多维度数据进行交叉验证,并通过标准化的共享端口,使金融机构得以快速调阅客户背景资料。同时有效压缩数据传输字节,并实现分支机构自定义使用方式,保证数据输入质量的同时提高使用灵活性,更提升了KYC识别与决策的真实性、准确性。
(二)
优化工艺提升系统适配性
为简化同业机构改造流程,研发团队对客户全生命周期合规风险管理模块的设计与实施进行了多类型优化,建立案例化流程体系,在保证功能性的同时,全面提升产品化程度与适配性。
综合运用微服务架构搭建前后台分离的应用服务体系,引入业界通用的可视化组件,实现核心组件服务化。可通过RESTful风格API接口进行对接,有效降低耦合度,具备良好扩展性以赋能外部机构。同时创新性地利用嵌入式合规信息采集设计,将名单甄别操作、合规信息采集要求整合至可外调的嵌入式页面,供业务系统在相应环节调用,屏蔽因合规要求变动对业务系统带来的改动,可保证用户工作的流畅度与稳定性。
为使创新成果呈现最优效果,研发团队在实施工艺上做出多处改进。一是适配国产化数据库。WEB端使用全JAVA技术栈,弱化部分数据库特性的使用,充分考虑系统与国产OLTP数据库适配性,为后续发展做好基础设施铺垫。二是配套部署工具,对接持续集成工具实现跨服务器一键安装,提高部署便利性。三是引入内存数据库的使用,通过优化计算器访问效率进一步提升运行效率。
(三)
先进技术助推可持续发展
技术是保证性能与效率的核心。研发团队在客户全生命周期合规风险管理模块中注入了其最新研发成果,以大数据(Big Data)、知识图谱(Knowledge Graph)以及自然语言处理(NLP)技术为支撑,将最新的最终受益人(UBO)识别与开户管理要求嵌入设计理念,高效化、规模化地分析数据间内在联系和异常,形成客户360°视图,综合囊括个人客户中心视图、实体组织架构与股权结构展示、交易网络绘制、可定制化流程案例与智能客户尽职调查报告,充分做到准确识别与清晰呈现。
同时,研发团队持续在机器学习(Machine Learning)、语义分析(Semantic Differential Methods)等领域加大投入,并不断接入并整合优质数据资源。在新一代AML-EYE智能反洗钱系统中,KYC部分拟实现金融机构内外部信息“对齐”,尝试实现最终受益人(UBO)穿透式识别,进一步提升客户尽职调查的全面性与有效性。
此外,研发团队尝试使用更为前沿的技术以提高信息质量与同业协作效率。区块链(Blockchain)的不可篡改、可追溯特性能保障个人信息的有效性与可信度;非对称加密算法(Asymmetric Cryptographic Algorithm)和零知识证明(Zero-Knowledge Proof)技术可以极大限度地保证个人信息的隐私安全。更为重要的是,在保证客户信息可信度与隐私性的基础上,监管机构与金融机构可作为区块链上的独立大节点形成联盟链,改善各机构在反洗钱工作中“数据孤岛”的困境,促进同业协作,凝聚起更强大的力量形成规模效应。
三.
结语:大道致远
路漫漫其修远兮,技术的进步与反洗钱行业的发展对于KYC系统建设的需求远大于目前的行业产能。在未来研发探索中,中银金科将继续以技术为引擎、以系统为中心,创新优质产品,提供卓越服务,完善形成一个全面、可查、智能、灵活、直观、开放的系统,进而深度参与智能反洗钱生态圈建设,继续为金融科技与监管科技的发展助力赋能。
参考文献:
【1】巴曙松,陈旭, 朱元倩. 监管科技在数据管理领域的应用及展望[J]. 江淮论坛, 2020(4):5-12.
【2】廖理, 张伟强, 戴璐,等. 监管科技与KYC的融合创新[J]. 新经济导刊, 2018, 271(12):21-25.
Edited by Elise Jiang
注:本文版权归作者所有,未经许可不得翻译或转载。
道琼斯公司(Dow Jones) 创建于1882年,旗下有道琼斯指数, Barron's, WSJ, MarketWatch, Factiva, Risk& Compliance等品牌。“道琼斯风险合规”是全球风险管理和合规治理品牌,由道琼斯风险合规中国团队运营。欢迎关注公众号或联系:Johnson.Ma@dowjones.com