代理银行业务可以被称为是AML（反洗钱) 可疑性活动系统中最困难的一个业务，但是是否有机会改善呢？合规部门监控代理银行支付活动的基本难题是他们必须依赖于代理银行AML的政策,程序,控制和技术系统来识别可疑活动并采取适当的措施来减轻可能导致代理银行终止与不法客户合作的风险。为了确保银行积极的通过代理银行关系来连接美国金融市场,需要考虑如何根据现有电汇和监管列表信息,来提升可疑行为模型的成熟度。

如果代理银行在监控他们客户的客户，则需要几个解析算法来决定以下几个重要信息：

· 根据付款人和电汇中引用的收款人和地址创建虚拟账户。

· 提取付款人和收款人（若有信息的话）的国家代码

举个例子，如果代理银行有三款不同的支付款而且付款者的名字相似（见下面的公司列表），那么系统如何识别这些公司是一个还是不同公司？这篇文章的目的不是为了深入研究电汇账户和国家代码提取的解析算法，而是假设代理银行会有某种系统能在创建他们的可疑行为监控系统前提取数据。

一般来讲，大多数可疑行为检测系统是基于付款数目，速度，以及相关风险如国家风险来发现行径的。举例来讲，如果公司ABC LTD在相对短时间内有十笔电汇交易,对手方全部在五个不同的高风险地区，并且金额都在五万美金到25万美金之间，若没有其他可用的原始客户的信息，这就是一个需要调查的情景。

在上述方案中， 有一个很关键的风险指标被遗漏了，这个指标就是客户的风险评级。这个指标是监控系统里最传统的可疑目标的组成部分， 而客户是直接与银行有联系的。代理银行只能掌握一笔电汇交易本身的信息，而对于支付交易的发起人与受益人一无所知。所有的支付交易都要经过银行监控工具的批准与过滤， 这种监控工具可以由一些特殊的情况触发，比如说SDNs（特别指定的国民，即黑名单，译者注）。 但是绝大多数的监控系统则因为缺乏必要的信息而没法整合代理银行的客户风险状况。

然而观察名单也只能通过连接PEPs（政治敏感人物清单）与一些具有负面新闻的团体从而实行监测的作用。一旦观察名单上与电汇交易名单中找到匹配的人或者团体，观察名单算法就会给其指定分配一个概率得分。然后银行的反洗钱/反诈骗调查员会来复合电汇交易上的名字是否与观察名单上是同一个主体。一旦调查员确认两者是同一人/团体， 该主体在未来的任何一笔交易都将受到高度监视，也有可能被视作高风险客户。而这种高风险客户一般比其他的低风险客户有更高的可能性触发警报。

如果触发警报， 标准的AML（反洗钱）调查就会完成负面新闻搜索引擎和PEP（政治敏感人士）。但是这套算法的真实价值在于其在检测高风险团体时其实是“低于标准线”的，或者是低于那种还没有真正触发警报时的最低警报值。

代理银行可以通过与其对接银行一起合作收集有价值的信息。比如， 一些银行有很多PEP（政治敏感人士）客户或者是有很多负面新闻缠身的团体客户。进而就可以给这样的银行建立一些指标或者评分。即便这些指标不可能总是很直观的反映问题，但仍然可以作为代理银行在化解风险时的重要参考内容。因为银行在低风险权限时可能发生高风险的支付交易，而反过来说，那些有高风险权限的银行也会发生低风险的交易活动。

原文发布时间为：2016-05-17

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号