反洗钱管理系统开发:阈值回放校准、线索分层核查与报送闭环|好牛网络科技返回>>
2026-11-19

一、一个月里的两个方向,同时出了问题
先说一个几乎所有上线反洗钱系统的企业都会遇到、却很少有人主动写进复盘报告的场景。某支付结算企业上线监测系统后的第三个月,运营团队给了两个数字。第一个数字是:月均系统预警 1,900 条,人工复核后确认真可疑的 41 条,误报率 97.8%。审核岗位原本四个人,三个月后变成七个人,仍旧加班到月底,剩下六成时间花在核对明显正常的流水上。第二个数字更刺眼:同期该公司内部调查结案 12 起可疑资金归集事件,其中一起从未出现在系统预警清单里。复盘发现,这起事件的对手方通过 9 笔交易拆分,每笔 9.8 万元,单笔都没到系统设定的 10 万元预警线,且全部在当日快进快出完成。
如果只看第一个数字,这套系统是失败的——它制造了大量无效工作量,还没帮上忙。如果只看第二个数字,问题更严重:真正该抓的漏了。可是把两件事放在一起看,会发现它们根本不是两个独立的缺陷,而是同一条规则的两个方向。规则写的是「单笔金额不低于 10 万元」,这条规则在设计者脑子里是用来筛掉小额高频的,在系统里它同时干了两件事:把大量正常的大额交易拦下来送人工,同时把一笔被拆成 9 笔的真实可疑交易完整放过去。
这就是反洗钱管理系统开发这件事真正的难点。它和大多数企业软件有一个根本区别:它的输出不是「更准的判断」,而是「两条同时成立的曲线」。一条叫召回率,一条叫误报率。系统上线不是终点,调阈值也不是终点——因为阈值往下调一点,误报率下降,召回率同步下降,往上调则相反。企业真正要解决的不是「选一个阈值」,而是在没有未来数据可用的前提下,用已经发生过的历史案例,反推出一组经得起检验的阈值。
把这套要求落到实施层面,反洗钱管理系统开发通常会呈现出与普通业务系统很不一样的三处形态。第一处是先有数据后有功能:回放集构造、样本标注、阈值版本这三件事必须先做完,否则后面写的每一个规则都无法验证。第二处是口径文档比代码更早定稿:三本账的字段、分层标准、证据要求,全部要先落到书面。第三处是系统必须自带「自证」能力——它不只产生预警,还要能随时回答「这条预警依据哪一版规则、那一版规则在回放集上表现如何」。这三处形态,是判断一个反洗钱管理系统开发项目是否走在正轨上的直观标志。
这也是为什么反洗钱系统和普通业务系统的方法论不同。做进销存,可以先试点三个月看数据;做客户关系管理,可以先上小范围再看转化。反洗钱不行——规则上线就是真的在拦客户的交易,漏报的后果不在系统里,在外部。而漏报率这件事,恰恰是系统上线之后永远算不出来的:你只能知道被发现的那些,不知道没被发现的那些。
在往下拆之前,先把四个边界问题摆出来。这四个问题如果没先定死,后面做得再精细也只是把分歧搬进了系统。
问题一:这套系统管的是哪一段?一个完整的支付结算合规链条至少有四段:客户准入(谁能开户、是不是本人、受益所有人是谁)、名单筛查(这个对手方是不是名单库里的人)、交易监测(交易行为本身异常不异常)、可疑报送(认定之后报给谁、报完之后怎么闭环)。这四段各是一套系统,行业里也常常由不同部门负责。一套只做交易监测的系统,与一套覆盖四段的系统,验收标准完全不同。企业首先要认清自己要做的是哪一段,避免用交易监测的预算去建全链条平台,最后每一段都做不透。
问题二:系统命中一条规则,算不算「可疑」?这是反洗钱系统里最容易被误解的一层。系统能做的只是按规则把有异常特征的交易挑出来,它不能、也不允许做最终判定。最终认定必须由人完成,而且不同档位的命中对应完全不同的处置动作与证据要求。把「命中」直接等同于「可疑」,会导致两个后果:要么警情被无差别升级到最高处置,业务侧无法承接;要么认定环节被自动化替代,一旦出错就没有人能说清责任。
问题三:阈值由谁来定?现实中这个问题往往没有明确答案,合规部门说是按监管要求定的,业务部门说是按系统给的建议定的,数据团队说都是照着别人抄的。结果是阈值每次调整都靠一场开了三小时还没结论的会。本文的第三、第四节会给出一种可操作的做法:用历史案例回放把「定多少」这件事从会议室里搬到数据上,让讨论从「我觉得应该是 10 万」变成「10 万这个数在回放集上召回率是 73%,误报率是 13%,改成 9.8 万召回率到 79%」。
问题四:报送之后呢?可疑交易报出去,收到回执了吗?客户问起来,能拿出当时的研判记录吗?同一对手方半年后再次触发类似模式,系统知不知道上一次是怎么结论的?很多企业把「报出去」当作终点,于是每一条线索都是一次性的,人走了经验就带走了,报送记录只留一个编号。合规链条的闭环不在报送这一步,而在报送之后。
围绕这四个问题,实践中反复出现四类失控形态。它们有一个共同点:都不是技术问题,而是口径与责任没写死。
| 失控形态 | 表面症状 | 实际发生位置 | 暴露时机 | 处理代价 |
|---|---|---|---|---|
| 阈值拍脑袋定 | 阈值写成「单笔不低于 10 万」这样的单点数字,没有口径说明 | 阈值只来自经验与类比,从未在真实数据上验证过 | 第一个月人工复核就开始被无效线索淹没 | 人力持续投入在无效复核上,真正的风险反而被稀释 |
| 命中即转人工 | 预警不分档,所有线索同等优先级推给审核岗 | 规则命中之后没有分层处置机制,档位概念缺失 | 预警量涨到人力上限之后 | 审核资源被平均消耗,真正硬的线索排不上队 |
| 名单与规则混在一起 | 名单命中与行为异常用同一套队列、同一个时限、同一个处置动作 | 名单筛查与交易监测的证据要求和时限要求完全不同,却未分层 | 遇到需要冻结或报送的硬线索时 | 处置动作与证据要求错配,流程走不下去 |
| 报送后无闭环 | 报出去就归档,没有回执跟踪、没有结论留痕、没有重复模式识别 | 报送是终点而非起点,复核结论没有落到可复用的结构里 | 同一对手方再次触发类似模式时 | 每次都从零开始,且历史结论无法被引用 |
看清这四类形态,就能理解为什么反洗钱管理系统开发不是「装一个风控工具」那么简单。它真正要交付的,是一套能让误报率和召回率同时被测量、被讨论、被改进的机制。这套机制的第一个支点,就是下一节要讲的历史案例回放。
二、阈值不能拍脑袋定:历史案例回放三步法
假设你已经有一版规则,也有一份上线后的预警清单。现在要判断「这套规则到底好不好」,会遇到一个很朴素的困难:预警清单上全是命中项,你不知道里面有多少该有而没有的。所以第一个问题不是「阈值该定多少」,而是「在还没有未来数据的时候,怎么评价一版规则」。
答案是回放。回放的意思是:把过去已经发生的、结论已知的案例,重新喂给新规则,看规则会怎么判。案例的结论是历史给出的,规则的判断是新给出的,两者一比,规则的好坏立刻量化。
这个做法在风控领域并不新鲜,但企业自己落地时经常做错三件事,导致回放跑完得出的结论不可信。因此需要先把三步法定下来。
第一步:建集。确定这次回放要回答什么问题,然后按问题取样本。不同的问题要不同的集。如果要评「整体规则好不好」,就取全量历史;如果要评「新增的一条关联结构规则有没有用」,就只取在这条规则命中的样本上做前后对比。集选得不对,结论一定不对——最常见的错误是为了证明新规则好,专门挑了新规则能命中的样本,那等于用答案去考自己。
第二步:跑批。在固定的数据快照上跑规则,且中途不换数据。这一点看起来是常识,但实际操作中最容易破功:跑到一半发现某个字段缺失,回头去补数据、重跑一遍、结果覆盖之前的。数据一变,前后两轮的数字就不可比了。正确做法是先把数据快照固定下来,一次跑完全部规则版本,中间任何一轮都不回头改数据。
第三步:读两个数。召回率与误报率必须一起读。召回率衡量漏报——该抓的抓到了多少;误报率衡量噪音——没问题的被挑出来多少。这两个数永远是一对,只报其中一个的结论都是残缺的。
为什么不能只看召回率?因为规则可以调得极其激进,把所有交易都标成可疑,召回率直接到 100%,代价是审核岗位彻底瘫痪。为什么不能只看误报率?因为规则可以调得极其保守,只留名单命中,误报率几乎为零,代价是所有行为异常都漏掉。系统的价值不在于某一个数字好看,而在于这两个数字能同时落在企业可承受的区间里。
把三步法拆得更细一点,每一步都有容易被跳过的关键动作。下表把三步法里最容易做错的环节和对应的纠正动作列出来,这是回放能不能作为决策依据的分水岭。
回放的三步,动作要落到人。建集这一步要有明确的责任人,通常是合规或风控岗,因为只有他们知道历史案例的结论是谁定的、依据是什么;跑批这一步由数据团队执行,因为要做字段映射与批量计算;读数这一步必须是三方一起看——合规看有没有漏掉法律意义上的重点场景,数据团队看数字怎么算出来的,业务侧看这个预警量自己的岗位接不接得住。这三件事如果只由一个部门做完,回放就退化成一次数据汇报,而不是一次决策。
还有一条容易被忽略但极重要的纪律:回放集的构成比例和来源要写下来。用多少正样本、多少负样本、覆盖多长时间、正样本主要来自哪类案件,事先定好并在结论里一并呈现。否则同一个回放,换个人重新取一遍集,数字能差出十几个百分点,而你完全不知道差在哪。
三、回放集怎么造:三类样本与留出集
回放的成败,八成取决于回放集造得好不好。而造集这件事最容易被简化成「把历史可疑案例导出来跑一遍」,这个简化会让整个回放失去意义。真正可用的回放集至少要包含三类样本,它们回答的是三个不同的问题。
| 样本类型 | 来源 | 回答什么问题 | 构造要点 | 常见误区 |
|---|---|---|---|---|
| 正样本 | 内部调查结案结论、监管协查回函、外部案件通报中已确认可疑的交易 | 规则漏没漏掉真正可疑的那部分 | 至少三个独立来源,只用内部自查结论会让样本带上一家机构自己的认知偏差 | 只取内部结案案件。内部没查出来的漏了,而外部通报的往往正是内部漏掉的 |
| 负样本 | 同期经人工复核确认为正常的交易记录,其中要专门保留「当时看着可疑、最终正常」的难负样本 | 规则制造了多少无效工作量 | 难负样本要占相当比例,全是明显正常的流水,回放出来的误报率会低得不真实 | 只取事后一看就正常的流水,回放结论会过于乐观 |
| 边界样本 | 历史上曾反复触发规则、最终结论在可疑与正常之间徘徊的交易 | 阈值落点对不对,边界是否清楚 | 单独统计,不并入正负样本的合计口径 | 混进正样本一起算,会得到一个既不像正样本也不像负样本的模糊总数 |
这三类样本里,正样本的价值最直观,负样本的价值最容易被低估。很多人做回放只关心「抓到了多少」,因为抓到数字上升会让人有成就感。但对企业来说,负样本代表的才是真实成本——每一个误报都要占用人工分钟数,而人工是有上限的。回放集里没有难负样本,等于没算过成本。
另一个必须处理的问题是留出集。回放有一个天然的危险:你在同一批样本上反复调规则,每调一次就离这批样本更近一点。极端情况下,把阈值一路调到只对这一批样本最优,回放指标漂亮得不像话,上线之后立刻打回原形。这种现象在统计上叫对样本过拟合,在实践里非常常见,而且往往还是无意犯的——因为每次调完规则重跑一遍,看到数字变好就继续调,没有人会停下来问一句「我是不是把这批样本背下来了」。
解决办法不复杂,但必须提前设计:把回放集切成两半。调参用的一半叫开发集,只准用它来调;评估用的一半叫留出集,全程不许看,调完规则之后拿留出集跑一次,这个数才是能对外汇报的数。如果两半数字差得远,说明规则过拟合了,得回开发集重做。留出集在每次回放里应当重新随机切分,避免同一批样本永远当留出集。
最后一条纪律关于时间轴:回放要按时间顺序切,不要随机切。随机切分会让某个时期的交易落到训练侧、某个时期落到评估侧,两侧的业务量、客群、交易结构都不一样,评估结果会被结构差异污染。按时间切,开发集取早期、留出集取晚期,评估才真正回答「这套规则用在以后会发生的事上靠不靠谱」。
四、阈值的三种口径与组合命中
回放能测出好坏,但测不出「为什么好、为什么不好」。要解释漏掉的样本,得先看清阈值一共有几种口径。很多企业的规则文件只有一种口径,所以一旦被规避,整套规则就失效了。而实际上,可用的阈值口径至少有三种,它们防的是完全不同的规避手法。
| 阈值口径 | 规则形态 | 主要防住什么 | 优点 | 固有弱点 |
|---|---|---|---|---|
| 金额口径 | 单笔金额不低于 X,或当日累计不低于 Y | 直接的大额资金转移 | 口径稳定、易解释、与外部沟通顺畅,业务侧一看就懂 | 可预测,因此可被针对性规避——拆成若干笔低于 X 的小额即可绕过 |
| 频次口径 | 同一对手方当日笔数不低于 N,或笔均金额偏离常态 | 小额高频的拆分归集 | 对「拆小」天然不敏感,与金额阈值形成互补 | 阈值极难定,行业差异大;正常的高频业务容易被误伤 |
| 关联结构口径 | 同一实际控制人名下多个账户,向同一收款方集中转移 | 利用多个账户掩盖资金同源 | 抓的是资金网络而非单笔行为,规避难度最高 | 强依赖客户身份信息质量;身份信息不准,这层口径直接失效 |
把这三种口径摆在一起,会得到一个不太舒服但必须接受的结论:任何单一口径都是可以被针对性规避的。因为规则一旦固定,对手方就能反向推导出它的形状。金额口径拆成小额、频次口径用不常见的间隔、关联结构口径用不共用的账户名——每一种规避方式成本不同,但都不为零。
这正是「组合命中」的价值所在。组合命中的逻辑不是把阈值调得更严,而是让多条口径各自独立成立时相互印证。一条口径成立只算弱信号,多条口径同时成立才算强信号。单口径看是「金额没超阈值」,加上频次看是「一天九笔」,加上结构看是「都来自同一实际控制人名下三个账户」,三条加起来指向的结论,与任何一条单独成立时完全不同。
组合命中有两套常见的组织方式,选哪一种取决于企业更在意什么。加权计分式是给每条口径配一个分值,总分过线才算命中,好处是可以平滑调节严格程度,坏处是分数怎么配很难说清楚,往往变成拍脑袋的另一层。交集触发式是规定「哪些口径必须同时成立才算命中」,好处是每一档命中都能讲清楚是哪几条规则共同促成的、证据是什么,坏处是灵活性低,加一条规则要重走审批。
如果企业的合规文化偏重证据链,建议走交集触发式,并且把「命中了哪几条、各条依据是什么」一起写进预警记录。理由很直接:一条预警将来如果变成一次对外报送或一次客户处置,事后复盘时需要能完整还原「当时凭什么认为它可疑」。一个只有总分 7 分的预警,说服力远不如「命中了金额、频次、结构三条口径,其中结构口径涉及三个同源账户」的预警。
还要提醒一个容易被忽略的点:口径必须版本化,而且要能和回放结果绑在一起。阈值改了一次、规则加了一条,都要生成新的口径版本号,并且把这个版本号和它在回放集上的召回率、误报率一起归档。这样以后任何一次争议都能回答「当时那条规则是哪个版本、依据是什么」。没有版本化的口径,回放做得再扎实也只是一次性的。
五、命中不等于可疑:分层核查三档与证据要求
规则命中之后,如果只有一条队列、一个时限、一个处置动作,那么整套系统就退化成一个「筛选器加通知器」——它筛出了东西,然后把筛选的全部负担扔给了人。反洗钱系统真正需要的是分层:不同强度的命中,应该有不同的人工投入、不同的时间要求、不同的证据标准。
下面是三档分层的基本划法。这三档不是行业统一标准,每家企业要按自己的风险偏好和人力结构来定,但分层的存在本身是必要的,因为不同性质的风险在处置成本上差着数量级。
| 档位 | 构成 | 人工投入 | 时限要求 | 证据标准 | 处置方向 |
|---|---|---|---|---|---|
| 硬命中 | 名单库直接命中、已确认涉案账户关联、资金去向已被标记 | 最高,通常需要双人复核 | 最短,按内部制度与外部要求分别设定 | 最高,需要文书编号、依据条款、执行记录 | 进入限制或上报流程 |
| 组合命中 | 两个及以上独立口径同时成立,如关联结构与快进快出同时满足 | 高,需要完整研判过程 | 较紧,需在规定时限内出具结论 | 高,需要逐条口径的依据说明 | 进入人工核查队列,结论后决定是否上报 |
| 软命中 | 单一弱口径成立,如频次略高于常态、金额接近阈值 | 低,抽样核查或延长观察 | 较宽,可进入观察期 | 中,需留痕,但不单独构成上报依据 | 延长观察并计入趋势,不单独上报 |
这三档划好之后,一个非常实际的好处出现了:人力投入可以按档位分配,而不是被预警量牵着走。以前是预警多少就审多少,现在可以给硬命中和组合命中留出固定工时,剩余人力用于软命中的抽样。这样即使预警总量因为规则调整涨了,也不会立刻顶到人力天花板。
另一个好处是证据链更干净。分层之后,每一档的结论要带的东西是不一样的:硬命中要能说清依据与执行,组合命中要能说清哪几条口径共同成立、每条的依据是什么,软命中只需要说清为什么暂不升级。混在一起的时候,最常见的情况是所有预警都套用最重的证据要求,于是复核人员花大量时间给明显的正常交易补材料,真正有价值的线索反而被淹没在格式劳动里。
关于软命中,还有一个容易被轻视的用途:它是趋势信号,不是噪音。一个对手方连续三个月每月触发两三次软命中、每次都被放行,看起来什么都没发生,实际上这可能正是「小额试探、逐步加码」的典型形态。反洗钱的对手不会一上来就做一笔大额拆分,而是先小额试水、观察有没有被发现。软命中的价值在于把这种累积过程记录下来——单个看起来无害,一串起来就是画像。所以软命中虽然不单独上报,但必须有归档,且归档要能按对手方聚合成一条时间线。
与之配套的是一条必须写死的纪律:档位判定与最终认定必须分开留痕。系统判的是档位,人做的是认定,两者的记录不能合并成一条。合并之后一旦出现争议,就分不清当初是谁基于什么把线索放过去的。
六、三本账与三条勾稽线
前面几节讲的都是规则与流程,但反洗钱系统要真正跑得稳,靠的不是规则有多聪明,而是账能不能对得上。反洗钱场景里至少有三本账,缺一本就会出现「说不清」的窟窿。
客户风险账记的是「这个人是谁、风险多大」:主体身份信息、受益所有人、实际控制关系、风险等级评定结果、尽职调查状态与最近一次复核时间、账户与资金往来关系。这本账是关联结构口径的数据基础,也是名单筛查的输入。它回答的问题是:我们到底在和谁做生意,他们之间的关系是什么。
交易监测账记的是「哪笔交易被哪条规则标成了什么」:交易流水、命中的规则编号、命中的口径版本、档位判定、复核过程与结论、结论所依据的证据。这本账是回放的数据基础——没有这本账,下一轮回放根本无从取样。它回答的问题是:系统当时看到了什么、判了什么、后来怎么处理的。
报送处置账记的是「报出去之后发生了什么」:报送对象、报送时间、报送内容摘要、回执状态、回执时间、后续处置动作、客户侧反馈与申诉。这本账是最容易被漏掉的一本,因为很多企业把「报出去」当成终点。它回答的问题是:这件事有结果了吗,还是只是发出去了。
三本账之间靠三条勾稽线连起来。这三条线各有各的典型断法,而且断法的隐蔽程度不一样。
主体线:客户风险账里的每一笔交易,在监测账里都能找到对应记录。这条线的典型断法是客户风险等级更新了,但规则侧的对手方名单没有同步——于是老客户在新规则下被反复误报,而新客户因为信息没补全又查不出关联结构。这条线断掉的后果是误报增加,看起来像规则不准,其实是数据没同步。
规则线:监测账里的每一条命中,都能追到具体的规则编号、口径版本与阈值版本。这条线的典型断法是阈值改了、版本号没改,或者规则改了但没重跑回放。结果是没人说得清上一版和这一版哪个好,改动到底有没有效果也验证不了。这条线断掉的后果是回放结论不可信——因为版本对不上,回放集上的数字没法归因到具体改动。
闭环线:监测账里的每一条复核结论,都必须流向报送处置账,或者流向一个有归档编号的排除台账。这条线最容易断,而且断得最彻底。常见情形是复核结论写了「排除」,但没有归档编号,也没有汇入任何可查的结构。后果是:同一个对手方半年后再触发类似模式,系统不知道这是第一次还是第十次,于是又从头审一遍;更糟的情况是某条线索被「排除」之后就消失了,后续完全无法复盘。这条线断掉的后果最严重——它让整套系统失去记忆。
三条线的优先级不是并列的。实践中最常见的做法是先做主体线,因为它最容易断、影响最直接;然后是闭环线,因为它决定系统有没有记忆;而规则线往往被留到最后。但本文前面已经说明,规则线其实应该最优先——因为如果版本对不上,后面所有的回放数字都失去意义,回放这条路走不通,阈值就永远只能靠拍脑袋定。
七、主线算例:240 条回放样本与九轮规则迭代
下面把前面所有方法串成一条完整的主线。某支付结算企业按上述方法做了一轮回放与迭代,全过程如下。所有数字均为本例自洽的演算,用于说明方法与量级关系。
该企业先按前述三步法建集:近 24 个月内已确认可疑的正样本 240 条;同期经人工复核确认正常的负样本 18,000 条,其中刻意保留了 2,300 条「当时看着可疑、最终确认正常」的难负样本;另单列边界样本 120 条,不并入合计口径。数据集按时间顺序切分:前 18 个月为开发集,后 6 个月为留出集。数据快照一次固定,中间不回补。
初版规则只用了金额口径:单笔不低于 10 万元,或当日累计不低于 30 万元。
第一轮回放结果:正样本命中 176 条,召回率 73.3%,漏掉 64 条;负样本触发 2,340 条,误报率 13.0%。企业最初的直觉是「召回率太低,调低阈值」。但负样本 13.0% 这个数字同时提醒他们:如果单纯降阈值,误报会同步放大,而这正是三个月前审核团队被淹没的原因。于是他们改走加口径而非降阈值的路。
接下来的几轮迭代,每一轮只加一类口径,并且每轮都重跑开发集与留出集两个数:
| 轮次 | 新增口径 | 开发集召回率 | 漏报条数 | 开发集误报率 | 留出集召回率 |
|---|---|---|---|---|---|
| 第一轮 | 仅金额口径(单笔 10 万 / 当日累计 30 万) | 73.3% | 64 | 13.0% | 71.6% |
| 第二轮 | 加频次口径(同一对手方当日 3 笔以上且合计不低于 25 万) | 82.9% | 41 | 16.2% | 80.4% |
| 第三轮 | 加关联结构口径(同一实际控制人名下 3 个以上账户指向同一收款方) | 89.2% | 26 | 17.7% | 87.1% |
| 第四轮 | 加快进快出口径(收付间隔 2 小时内且金额落入 8 万至 12 万区间) | 91.3% | 21 | 19.2% | 89.3% |
| 第五轮 | 合并口径后引入分层处置:硬命中直查、组合命中强制核查、软命中抽样 | 91.3% | 21 | 6.9% | 89.3% |
先看召回率这条线。从第一轮到第四轮,召回率从 73.3% 提到 91.3%,漏报从 64 条压到 21 条。关键在于每一轮加的都是不同性质的口径,而不是把同一个阈值往下压。第四轮尤其关键——那个最初漏掉的「9 笔 9.8 万快进快出」案例,正是在这一轮被完整命中的,因为它同时落在金额口径的边缘区间、频次口径的门槛上、关联结构的资金网络里。
再看误报率这条线。前四轮误报率从 13.0% 一路升到 19.2%,这符合预期——口径越多,命中的组合自然越多,噪音必然上升。如果故事到此结束,这套方法看起来是失败的:召回上去了,误报也上去了,人力压力更大了。
转折点在第五轮。分层处置一上,误报率从 19.2% 直接回落到 6.9%,而召回率一分未掉。这不是巧合,而是分层机制的本质:前三轮和第四轮产生的那些误报,绝大部分是「单一弱口径成立」的软命中。它们确实是噪音,但在分层机制下并不需要全部进入人工核查——只需要抽样核查,其余进入观察期并计入趋势。真正需要人工精力的只有硬命中与组合命中那部分,数量比总预警量小得多。
把这一轮的全部数字换成业务口径,这个结论就更直观了。上线三个月时的状态是月均 1,900 条预警、人工逐条复核;按每条 12 分钟估算,光复核一项就占掉每月 380 工时,四条线索才有一条真可疑。做完五轮迭代后,月均预警量降到 1,240 条,人工工时降到约 248 小时,人力投入降了三分之一,而单条线索的复核信息更完整——因为剩下的都是需要认真看的组合命中。
还有一个反直觉的结果必须点出来:预警量降了三分之一,真正捕获的可疑交易却多了。回放显示,在初版规则下每月真实可疑约 38 条,其中约 10 条从未进入预警(漏报率 26.7%)。上线新规则后捕获量提到每月 50 条上下,提升约三成。原因不是规则变严了,而是规则变准了——过去有相当一部分人力消耗在确认正常的流水上,这部分人力释放出来以后,组合命中里的真实线索才终于排上了队。
这就是这类系统最值得讲清楚的一点:降低误报率不是少抓东西,恰恰是能多抓东西的前提。把「降误报」和「多发现」对立起来看,是这类项目最常见的判断失误,也是很多企业在第一轮迭代就放弃的原因。
还有两笔账要算。第一笔是留出集的账。每一轮开发集与留出集之间都差 1.5 到 2 个百分点,这个差距是正常的,来源于时间切分带来的业务结构差异;只要差距稳定在 2 个点以内,说明没有明显过拟合。如果某轮差距突然拉大到 6、7 个点,那就说明规则被开发集背下来了,必须回到开发集重做,而不是接受这轮结果。第二笔是合规侧的账:整个五轮迭代中,有 21 条漏报样本始终没有被任何口径命中。逐条看完后可以归成两类——一类是需要补充客户身份信息才能建立关联的,涉及 6 条,前置条件是客户身份信息补全;另一类是形态极其特殊的,涉 15 条,靠规则取不出来。这 21 条不能就这么放着,它们是一份已知的覆盖缺口清单,是后续需要用人工、名单、外部信息补上的部分。把它显式列出来,比假装规则已经够用要好得多。
八、AI 能力:能做、成立前提、不能做
AI 在这类系统里的位置,需要说得非常具体,否则很容易滑向「用 AI 做风控」这种既不可信也不负责的说法。下面这张表按「能做 / 成立前提 / 不能做」三列拆开,每一项的成立前提都是硬条件,达不到就退化成不可靠的输出。
| 场景 | AI 能做 | 成立前提 | 不能做 |
|---|---|---|---|
| 线索初筛与聚类 | 把同一对手方、同一资金网络的多条线索合并成一份关系摘要 | 交易明细字段规范、对手方识别信息完整可用 | 不能代替人工判定某条线索是否可疑 |
| 规则草稿生成 | 根据回放结果起草候选规则表达式与参数初值 | 有足量已标注样本,且回放集与版本库完整可复现 | 不能把候选规则直接推上线,参数必须经回放验证与人工审定 |
| 特征解释 | 把命中特征翻译成核查人员能直接读懂的说明 | 每条规则有清晰可解释的字段与依据 | 不能生成「建议上报」这类结论性表述 |
| 名单匹配辅助 | 给出名称相似度候选与差异点,缩短人工比对时间 | 名单库有版本、有生效时间、有明确的匹配字段 | 不能自动认定命中,同名不同主体的情况必须由人确认 |
| 报送材料起草 | 按固化要件清单把线索整理成报送材料初稿 | 报送要件清单已固化且与外部要求同步 | 不能代替责任人签发,报送主体责任不可转移 |
| 回放差异归因 | 指出新旧规则命中差异集中在哪类样本上 | 回放集、规则版本库、留出集切分记录三者完整 | 不能自行修改阈值或调整规则口径 |
这六项之外,还有三条红线必须写进制度,它们不是技术限制,而是责任要求。
红线一:不自动上报。对外报送的每一条都必须有责任人签发。系统可以起草、初稿、提醒,但签字这一步必须是人。理由很直接——报送是外部行为,错误报送的后果由机构承担,责任不可能落在模型上。
红线二:不自动冻结。涉及客户资金限制的措施(冻结、限制交易、暂停结算)必须由人工决定。这条比第一条更敏感,因为限制动作直接影响客户的正常经营,误伤成本远高于一次延迟报送。
红线三:不自动调整阈值。规则与阈值的任何变更必须走版本管理与回放验证流程,哪怕变更看起来只是「调高一点点」。这条红线看起来最没必要,实际上它是整套回放机制能否持续的前提——一旦允许系统自行微调阈值,回放集和留出集就失去了参照意义,之前所有的量化结论会在几周内失效。
从安徽好牛软件有限公司的实践看,这类项目里 AI 最容易见效、也最容易做砸的地方都是线索初筛与聚类。它把大量零散的单笔异常收敛成一张关系图,让人工从「看一千条」变成「看二十张图」。但前提条件也最容易被忽略——如果交易明细字段本身不规范、对手方识别信息缺失,再好的模型也只是在整理一堆无法判断的碎片。所以这一项的成立前提写的是数据质量,不是模型能力。
九、三种不必自建与三个值得自建信号
不是所有企业都该做这套系统。下面三种情况,建了大概率是浪费。
第一种:交易流水条数很少,且无对外报送义务。如果企业每月的对公交易笔数只有几十上百条,预警量本来就不会大,人工看一眼也就够了;这种场景下把预算花在系统上是典型的技术自嗨。判据很简单:算一算现有方式每月要花多少人工分钟,如果这个数本来就接近于零,系统的收益无从谈起。
第二种:只做集团内资金划拨,不对外收付款。集团内部调拨的对手方是自己人,交易结构高度稳定,正常业务本来就落在任何合理阈值之内,系统上线之后产出的全是噪音。这类企业真正该做的是账户权限与内部对账,不是反洗钱监测。
第三种:已被总部或集团统一平台覆盖。如果企业是集团下属公司,总部已经统一建了风控平台,再自建一套不仅重复,还会造成两套预警口径打架,反而增加处置难度。这种情况下正确的动作是对接总部平台,把本地特有的交易特征与关注名单补充进去。
反过来,有三个信号说明值得做,而且越早做越好。
信号一:外部开始要你的监测说明与报送记录。支付渠道方、监管机构、审计方开始要求提供交易监测说明、名单筛查证明、可疑交易报送记录时,说明这套能力已经进入外部评价范围。从这时候起补,成本远高于提前建。
信号二:预警量或人工复核工时已经逼近岗位上限。具体表现是复核工时占岗位编制的比例持续上升、新人上手周期越来越长、复核质量随疲劳下降。这个信号通常出现在规模起来之后,而规模起来恰恰是最难改历史流程的时候。
信号三:同一对手方的异常模式反复出现,每次都靠个人记忆识别。这说明经验只存在人脑里,没有沉淀成系统规则。这一类情况往往是被一次真实事件触发的——等发现的时候,损失已经发生,回放集里也还没有可用的历史案例可作正样本。提前建系统的重要价值之一,就是在还没有出事的时候就把正样本攒起来。
十、五条相邻题材的边界
相邻题材最容易混,尤其是都能用「风险」「等级」「预警」这些词的时候。下面五条明确划开。
与客户续约管理系统的边界:客户续约看的是「这个客户还要不要留、什么时候会走」,属于商业价值判断;反洗钱看的是「这个客户的交易行为本身是否可疑、对手方是否需要限制或上报」,属于合规义务判断。一家经营状况良好、续约意愿很强的客户,完全可能存在可疑交易特征;反过来也一样。判据是:结论的用途不同——续约结论用于商务决策,合规结论用于履行义务。
与信用减值管理的边界:信用减值看的是应收账款最终能不能收回来,用的是账龄、迁徙率、历史损失率;反洗钱看的是资金流向本身是否异常,用的是交易结构与对手方关系。一个客户正常付款但交易路径异常,一个客户逾期但交易路径完全正常,这两种组合都真实存在。
与渠道代理管理的边界:渠道管理解决的是「这个单归谁、撞单了怎么裁决」,关注对象是销售归属;反洗钱关注的是渠道发起的交易本身有没有异常特征。渠道合作完全合规,但其中某笔交易可疑,这是常见情形。
与内部控制及内部审计的边界:内控与内审是站在外面查控制点有没有设计合理、有没有执行到位,事后属性强;反洗钱系统是站在里面实时看交易行为,事中属性强。两者的方法论都涉及证据链,但一个产出的是审计发现与整改建议,一个产出的是预警与研判结论。
与办公数据合规的边界:办公数据合规管的是内部数据的使用与留存边界,处理对象是员工与办公场景;反洗钱管的是对外交易数据的可疑性,处理对象是交易对手与资金流向。一个向内、一个对外,边界很清楚。
把这五条边界写清楚不是抠字眼。实务中最贵的错误,是把反洗钱系统做成了「什么都想管一点」的平台——预警规则里塞进员工行为异常,报表里混进续约概率,最后谁也说不清这套系统到底在保护什么。
十一、九十天三段与八项验收
这类系统不适合大而全的一次上线,也不适合先开发后补规则。比较稳的节奏是九十天三段,每一段的产出物都是下一段的前提。
第一段(第 1 到 30 天):定口径与建模,不写功能。这一段的全部产出是制度与口径文档,包含三本账的字段定义、三个口径的分叉规则与判定依据、名单库的版本与生效时间规则、三档分层与各档的时限与证据要求、以及回放集的构造方案(样本来源、比例、时间切分、留出集切法)。这一段不开发任何功能。理由很直接:口径没定死就写代码,等于把分歧固化进系统,后面每改一次口径都要动代码,代价远高于前期花时间争论。
第二段(第 31 到 60 天):规则实现与回放迭代。把第一段的口径写成规则,跑第一轮回放,逐条查看漏掉的样本、找出它们的共同特征,然后按第五节的方式补口径、补规则,每一轮都记录开发集与留出集两个数。同时把分层处置机制与复核工单落地,让软命中真的进入抽样而不是全部转人工。
第三段(第 61 到 90 天):闭环打通与报送演练。打通三本账与三条勾稽线,重点是闭环线——每条复核结论必须有归档编号或进入报送处置账。跑通一次完整的「线索产生—人工核查—结论—报送—回执—归档」全流程,其中必须包含一次模拟报送演练与一次回执归档演练。演练的目的不是走通流程,而是暴露断点:哪个字段没落库、哪一步要人工再录一遍、哪个结论找不到对应证据。
三个月结束时的验收,不看功能清单,看下面八项。
一是规则版本可追溯:任意一条预警,都能追到规则编号、口径版本、阈值版本与生效时间。二是阈值有回放依据:每一个阈值数字都能指出它在开发集与留出集上分别对应的召回率与误报率。三是留出集成立:存在一批未参与调参的留出样本,且最后一次变更已在留出集上验证,两侧差距在可接受范围内。四是主体线闭合:客户风险账的每一笔交易在监测账都有对应记录,反向也能从监测账取到客户侧信息。五是闭环线闭合:每条线索都有复核结论与归档编号,不存在「结论写了但没落库」的状态。六是分层处置生效:三档的时限与证据要求已配置,且能实测出不同档位的实际复核工时。七是名单库有版本与生效时间:每条名单命中能说明用的是哪一版名单、名单本身什么时候生效。八是报送要素清单固化:报送材料初稿能由系统生成,人工签发通道完整跑通一次。
八项里最难达成的是第三项,因为它要求团队接受「自己的成绩单不完全可信」这件事。留出集的数字一定比开发集难看一点,那不是失败,那是对自己诚实。
十二、常见问题
问1:反洗钱管理系统和普通的反欺诈系统是什么关系?
两者关注的东西不同。普通反欺诈防的是单笔交易本身不合理——盗刷、伪冒、盗号支付,判断依据通常是这一笔与账户历史行为不符。反洗钱防的是资金来源与去向异常,判断依据是这一笔放进资金网络之后不合理——多层嵌套、快进快出、多账户拆分归集。也因此两者的处置后果不同:反欺诈拦的是一笔交易,反洗钱可能涉及限制账户、上报外部、对整个对手方关系采取行动。企业可以先判断自己的风险敞口在哪一侧:一端是零售与商户侧的欺诈,另一端是对公与大额结算的洗钱风险。
问2:阈值应该由合规部门定,还是由业务部门定?
应该是三方分工,而不是某一方单独定。合规部门定「哪些行为必须看」,也就是口径清单与分层标准;数据团队做回放验证,也就是「数值定多少」必须由回放结果支撑,而不是靠主张;风控或合规负责人签发,也就是对最终口径版本负责。业务部门的责任不是定阈值,而是承诺「业务规则一旦变化就重跑回放」。这样定的好处是把争论从「我觉得应该定 10 万」转移到「10 万在回放集上的召回率和误报率是多少」,会议效率会完全不同。
问3:历史案件数据很敏感,回放集能不能用?
可以用,但要换一种用法。回放不需要原始明细,需要的是结论标签加特征摘要:对手方标识做脱敏或编码处理,金额做分箱而不是保留原值,交易时间保留相对间隔而不是绝对时点,渠道、笔数、方向这些字段原样保留。这样既能支撑阈值验证,又避免了敏感数据在开发、测试、演示环境里到处复制。同时要明确:回放集不对外提供、不用于模型训练、不离开受控环境,且访问要有日志。真正敏感的是结论标签与明细的对应关系,把这个对应关系管住,风险就控住了。
问4:误报太多,是不是应该先把阈值调松?
多数情况下不应该,而且直觉恰好是反的。调松阈值确实能立刻降低误报量,但召回率会同步下降——两者来自同一条规则的两个方向。更重要的是,前面第五轮迭代已经说明:误报里的大部分是软命中,引入分层处置之后,误报率下降靠的是「不再把它们全塞给人工」,而不是「不再把它们标出来」。所以正确的顺序是先分层、再回放、最后才谈调阈值。而且每次调阈值都要跑回放并同时看两个数——只看点数的下降,那是在用漏报换误报,把成本推给了另一个部门。
问5:规模不大的企业有必要自建这套系统吗?
取决于三个条件同时满足与否:第一,是否对外收付款;第二,是否存在外部报送义务;第三,交易对手是否复杂。三个都不满足,不建;满足一两个,做基础能力即可——名单筛查加基础交易规则加一份报送台账,用成熟工具或人工台账支撑;三项都满足,才值得完整建。即使不完整建,也建议从现在开始留存正样本——把已确认可疑的历史案例按可复现的字段结构整理保存下来。等到真正需要做回放的那天,有正样本和没正样本,项目周期可能差出半年以上,这是这类系统里最难事后补齐的一块材料。
官方网址:www.hfrjkf.cn