基于规则模型融合机器学习算法的中小银行可疑交易监测标准建设研究  

Research on the Construction of Suspicious Transaction Monitoring Standard for Small and Medium Banks Based on Rule Model and Machine Learning

作　　者：邱虹 徐珊珊 许忆哲 QIU Hong;XU Shanshan;XU Yizhe

机构地区：[1]中国人民银行陕西省分行,陕西西安710075 [2]陕西省农村信用社联合社,陕西西安710077

出　　处：《西部金融》2024年第8期75-83,共9页West China Finance

摘　　要：随着互联网经济飞速发展,支付结算渠道多样化拓展,洗钱上游犯罪及其洗钱手法演变加速、隐蔽性加强。在大型商业银行持续加强可疑交易监测手段和管控措施后,洗钱风险逐步向中小银行转移。面对瞬息万变的洗钱犯罪形势,传统规则模型难以有效应对,如何提升可疑交易监测水平,成为中小银行亟待解决的难题。本文通过探索传统规则模型与机器学习模型融合应用,汲取规则模型和机器学习模型各自优势,妥善解决规则模型优化难度较大、迭代滞后,以及机器学习模型建模难、学习偏离、解释性差等问题,为中小银行提升可疑交易监测能力提供新的尝试。

关 键 词：中小银行 可疑交易监测 规则模型 机器学习 

分 类 号：F832.31[经济管理—金融学]