德勤：科技助力金融犯罪管理转型（50页）.pdf

《德勤：科技助力金融犯罪管理转型（50页）.pdf》由会员分享，可在线阅读，更多相关《德勤：科技助力金融犯罪管理转型（50页）.pdf（50页珍藏版）》请在三个皮匠报告上搜索。

1、该行在姓名筛查和交易监测方面拥有规则导向型反洗钱和反恐融资系统。与所有规则导向型系统一样，尽管该行已经采取优化措施，但是考虑到该行的交易量和交易速度，仍有大量“误报”情况出现。该行希望利用创新和前瞻性提高效率和效益。这也可为简化相关反洗钱流程以及借助人工智能、机器学习和机器人流程自动化技术关注重大风险提供机会。在对潜在选择进行战略评估之后，该行决定与一家新加坡监管科技公司合作开发可承载反洗钱技术、工具和系统的人工智能驱动单一集成平台。该行与技术供应商合作设计机器人流程自动化与机器学习技术结合的解决方案，旨在补充和改进该行的现有系统，并且共同开发监管科技模型风险管理和治理框架，以此支持技术风险管

2、理、确保妥善使用技术并且验证已开发模型。该行合规团队和数据管理办公室与技术供应商的金融科技数据科学家密切合作，共同设计、开发、分析和部署该行反洗钱框架中的四大关键流程模块(客户尽职调查、交易监测、姓名筛查和付款筛查)。最终，该行针对交易监测和姓名筛查推出AMLS集成解决方案结合有监督和无监督机器学习技术的端到端系统，可以提高可疑活动和高风险客户检测速度和准确性。该行致力优化交易监测流程模块中的全新、未知可疑模式检测功能，同时确保姓名筛查流程模块能够处理更多复杂姓名组合，并且可以利用增强“推理”功能和附加客户信息标识符减少未确定告警的数量。新规范与先进机器学习技术的结合显著提高了标记告警的准确性

3、。此外，该行还利用机器人流程自动化和自然语言处理技术自动生成可疑活动报告。对于每次告警，机器人流程自动化技术会从不同系统中提取客户信息和交易数据，然后使用自然语言处理技术生成的额外数据点以及客户资金流动的可视化图表充实此类数据。科技助力金融犯罪管理转型 | 科技解决方案案例研究精选2018年，该行针对AMLS解决方案进行概念验证并且取得重要成果交易监测流程方面，报警准确率提高5%，误报率下降40%;姓名筛查流程方面，针对个人的误报率下降60%，针对企业的误报率下降50%。随着试点项目取得成功，该行于2019年进入“技术运行”阶段，并且开始在常规业务职能中部署模型。该行在此阶段继续进行模型测试和

4、开发，促使交易监测流程误报率以及针对个人和企业的姓名筛查流程误报率进一步下降10%。最后，在该行建立完善的治理框架和低价值告警管理框架并对其进行测试和验证之后，AMLS解决方案已于2020年10月进入“业务运行”阶段。考虑到该行的愿景及其致力于开发优质、耐用和可扩展产品的承诺，该行投入大量时间(近三年)和资源进行工具开发、测试和验证。在概念验证阶段，该行数据管理办公室开展了严格的内部验证，并且通过对试点项目及其方法的独立评估进一步证实了内部验证“符合要求”。评估内容包括与规则导向型监测流程进行详细比较以及针对机器学习模型和AMLS解决方案进行压力测试，以此确保二者能够处理各类反洗钱合规案件。随后，该行数据管理办公室在“技术运行”阶段多次重复上述验证，并在进入“业务运行”阶段之前进行额外的独立评估和模型验证。此外，该行还投入大量时间开发针对监管科技的人工智能和机器学习模型管理框架，以此指导治理和模型架构的关键环节，从而确保模型的准确性和稳定性。