可疑交易的识别分析与报告（王老师)

《可疑交易的识别分析与报告（王老师)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、可疑交易的识别、分析与报告反洗钱是指为了预防通过各种方式掩饰、隐瞒毒品犯罪、黑社会性质的组织犯罪、恐怖活动犯罪、走私犯罪、贪污贿赂犯罪、破坏金融管理秩序犯罪、金融诈骗犯罪等犯罪所得及其收益的来源和性质的洗钱活动，依照《中华人民共和国反洗钱法》规定采取相关措施的行为。广义的反洗钱是为了打击和预防通过各种方式掩饰、隐瞒、转移、兑换、获得、占有、使用各种犯罪所得以及通过各种方式掩饰、隐瞒各种犯罪所得收益的来源、资金流向和性质的洗钱活动，依法采取相关措施的行为。什么是反洗钱基础知识《中华人民共和国反洗钱法》《支付机构反洗钱和反恐怖融资管理办法》（待发）《金融机构反洗钱规定》《金融机构大

2、额交易和可疑交易报告管理办法》《金融机构客户身份识别和客户身份资料及交易记录保存管理办法》《金融机构报告涉嫌恐怖融资的可疑交易管理办法》反洗钱法律法规报告机构忠实履行反洗钱义务是反洗钱体系运作的基础和关键。报告机构反洗钱义务：建立健全反洗钱内部控制制度;建立执行客户身份识别制度;大额和可疑交易报告；建立客户身份资料和交易记录保存制度;开展反洗钱培训和宣传。反洗钱义务反洗钱是现代商业银行必须承担的义务。反洗钱是现代商业银行文化与经营理念的必然要求,也是必须面对、无法回避的一个全局性问题。反洗钱与商业银行业务经营本身并不矛盾。实践证明，大部分犯罪资金与收益只是利用银行系统走账、转移，

3、不可能是银行稳定和长期的客户，不能给银行带来正常利润的增长,反而给银行增加了较多的业务处理成本、政策风险与法律风险。在整个反洗钱机制中银行只需尽到自己应尽职责，虽要投入一定的资源与成本，却能避免重大的法律和经营风险，是极其值得的。一位银行合规官：怎样才能做好反洗钱工作呢？这个问题萦绕在我的心头，相信很多想做好反洗钱工作的人员也非常关心。在国内，反洗钱工作普遍不受重视或仅是表面重视，形式大于实质。这种情况有多方面的原因造成，制度设计的不合理，观念的落实、信息沟通的闭塞等等。但最为深层次的原因就是利益的冲突，反洗钱工作只能耗费成本，不能带来直接经济效益。一位银行反洗钱人员：内因是做好

4、一项工作的根本源泉，没有思想的重视，特别高层管理者的重视，无法开展好反洗钱工作。最近了解到几个外资银行的反洗钱工作情况，深深地为他们的合规文化所折服。大型外资银行已将反洗钱工作落实到业务的每根神经末梢，从管理者开始非常重视反洗钱工作，当绩效与反洗钱工作发生冲突时，支持的是反洗钱工作而不是业绩。这种理念，我感到不是一年、二年可以形成的，国内的某些金融机构至今仍以打擦边球的方式开展营销，以牺牲合规为代价拢络客户手段，管理者抱着只要有钱赚，其他都不管的心态开展业务，我想这种经营理念不是单靠反洗钱工作人员可以改变的。一位银行反洗钱人员：接收并分析人民币、外币大额交易和可疑交易报告；建立国

5、家反洗钱数据库，妥善保存金报告机构提交的大额交易和可疑交易报告信息；按照规定向中国人民银行报告分析结果；要求报告机构及时补正人民币、外币大额交易和可疑交易报告；经中国人民银行批准，与境外有关机构交换信息、资料；中国人民银行规定的其他职责。主要职责中国反洗钱监测分析中心反洗钱行政主管部门（中国人民银行）中国反洗钱监测分析中心上海分中心深圳分中心办公室研究部情报收集部分析一部分析二部分析三部分析四部分析五部调查部技术支持部国际交流部财务部人力资源部组织结构信息流程图分析阶段FIU数据库政府数据库来自其他金融情报机构的数据其他数据金融情报移交阶段其他金融情报机构执法机构检察机构金融情报

6、机构（FIU）报告阶段银行券商保险公司博彩业律师行会计师行其他个人跨境运输现金跨境现金运输报告现金交易报告可疑交易报告2004年８月，中心开始正式运作，开始接收部分银行业大额和可疑交易数据。10月，开始对外移送情报。2004年12月，全部16家国有、股份制商行、邮储开始在线报送大额和可疑交易数据。2005年12月,覆盖所有外资银行、城市商业银行、农信社。2007年10月，证券期货业、保险业开始报送大额和可疑交易数据。目前，已覆盖银行业、证券期货业、保险业、其他金融机构（信托公司、金融资产管理公司、财务公司、金融租赁公司、汽车金融公司、货币经纪公司）。今年，预计支付清算组织（如银联

7、、第三方支付）将纳入。数据接收进程工作动态从钱到人、从人到人、从人到案，从案到案，不断延伸。效率、保密具有独特优势。随着数据、名单的不断增加，发挥的作用越来越大。发挥的作用不囿于反洗钱。主要作用防卫性可疑交易报告量巨大。自动抽取痕迹。报告要素缺失严重。尤其是交易对手信息。不能按要求完成补正。及时性、完整性。报告及时性有待提高。时效性要求。可疑程度标记失真。很多“重点”可疑报告价值不高。数据质量主要问题影响分析结果的准确性。误导下一阶段工作。很多总量分析无法进行。副产品的缺失。降低