多角度量化分析客户交易习惯的研究.pdfVIP

反洗钱金融会计

多角度量化分析客户交易习惯的研究

区陈杭朱丹青中国农业银行全球反洗钱中心

伴随着全球金融的快速发展，洗钱活动的危害性日益增大，对金融稳定构成严重威胁。当前反洗钱

研究领域中，以交易为主体的分析占据了核心地位，而对客户交易习惯的深度剖析相对薄弱，未能

充分挖掘其在洗钱风险管理中的关键作用。本文旨在从多个角度量化客户交易习惯，运用KL散度、

Kurtosis和CV值三个指标分析客户交易模式差异性、交易分布极端性和交易行为稳定性，以提升

洗钱风险识别与监测能力，为构建更加全面高效的反洗钱体系提供有力支持。

2025.0971

总第382期

金融会计反洗钱

问题背景离散概率分布P和Q，KL散度的计算公式为

Dkl(PQ)=ZxP(x)-log(P(x)/Q(x))，其中x表示所

金融行动特别工作组（FATF）在其建议中明确

有可能的事件，P(x)和Q(x)分别表示在事件x处概

指出，当客户使用账户的方式明显发生变化时，应

率分布P和Q的概率值。Dkl(PllQ)越大，概率分

引起金融机构的特别关注‘。这项建议强调了客户交

布P与概率分布Q之间的差异性越大。

易习惯在洗钱风险管理中的重要性，提示金融机构

Kurtosis。Kurtosis即峰度，是统计学中用

需要关注客户交易习惯的动态演变。

于描述数据分布形态的统计量，用于量化数据分布

目前，针对客户交易习惯，大多数金融机构采

的尖峭程度。其计算公式为：

用一段时间（以年为单位）内客户的交易总金额、

总笔数、月均金额、月均笔数等指标进行粗线条的Kur(X)=1Z.(g)

勾勒。这类方法难以准确描述出客户交易习惯的变

化，限制了识别洗钱风险的准确性和有效性。交易其中X为样本集，xi为样本数据点，n为样本

行为体现客户的交易目的，涉及多种场景，随着时大小，为样本均值，θ为样本标准差。Kurtosis

间的推移会不断演变²，难以通过单一角度分析。因值越大，则表明数据中存在更多的异常值或极端值。

此，如何有效地量化分析客户交易习惯特征成为了CV值。CV值是一种用于衡量数据离散程度的

当前反洗钱工作中驱待解决的关键问题之一。统计量，定义为数据集标准差与平均值的比值，即

本文旨在探索多角度量化分析客户交易习惯，/u。与标准差相比，CV值消除了平均值的影响。

利用KL散度、Kurtosis和CV值三个统计指标分CV值越高说明数据的波动性越大，越不稳定。

别量化交易模式差异性、交易分布极端性和交易行多角度量化分析客户交易习惯的思路

为稳定性，综合研判客户交易习惯，以应对日益复客户交易习惯复杂多样，若仅通过单角度量化

杂的洗钱风险挑战。分析会导致结果具有片面性。本文将交易习惯分解