国际贸易和跨境投资领域反洗钱工作的大数据应用浅析

《国际贸易和跨境投资领域反洗钱工作的大数据应用浅析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、国际贸易和跨境投资领域反洗钱工作的大数据应用浅析摘要：当前，经济全球化背景下国际贸易发展迅速，跨境投资日新月异，与日益增长的经济体量相应的是在这两个领域的洗钱规模随之增长，根据央行网站此前刊发的报告显示，目前我国流行的六种洗钱方式中，国际贸易和跨境投资身处其列。国际贸易和跨境投资作为常见的洗钱领域，既具有涉及币种广、洗钱识别难度较大等特征，也具有与银行相关度高、数据信息量大等特点。正是由于这些特征，以及银行与大数据的天然关联性，加上笔者在外汇领域的从业经验，使得笔者思考探索大数据的精准应用。本文结合实际案例加以分析大数据在国际贸易和跨境投资领域反洗钱工作的应用实践，并在此基础上着重从银行层面

2、、监管层面提出对策建议。一、国际贸易和跨境投资洗钱的路径与特征（一）国际贸易洗钱概念及路径国际贸易洗钱是指利用国际贸易活动来掩饰犯罪收益和转移价值以使其非法来源合法化的过程。路径分析：通过贸易洗钱的方式通常有少报出口、多报进口；进口预付货款、出口延期收汇等；以少报出口、多报进口的方式为例，具体操作方法是进口时报高进口设备或原材料的价格，然后从国外供货商手中索取回扣、分赃款，并将非法所得留存境外；出口时则大幅压低商品价格，或采用发票金额远低于实际交易额的花招，将货款差额由国外进口商存入出口商在境外的账户。（二）跨境投资洗钱概念及路径跨境投资指资本跨国流动进行的投资活动,而以跨境投资为掩护清洗“

3、黑钱”,即称之为跨境投资洗钱。路径分析：主要通过资金转移,通常依托实体经济，设立外商投资企业，以企业正常海外投资的形式转往国外。资金性质的改变发生在境外，在境外被非法占有或挪作他用。（三）共同特征1.涉及结算币种广泛。国际贸易和跨境投资既有外币结算，包括美元、欧元、日元、港币、英镑等等，也有人民币结算。需要指出的是，近年来中国央行大力推广跨境人民币结算，且随着人民币跨境支付系统的建成运行，通过人民币结算的方式在国际贸易和跨境投资中的比重逐年增加。2.洗钱识别难度较大。一是不能有效核对境外客户身份的真实性。银行客户遍布各国，不同客户所提供的有效身份证件不但种类不同，语言也不尽相同，这给客户身份

4、的核对带来了困难。公司客户需要向银行提供营业执照等一系列文件，同个人客户类似，这些证明文件来自不同国家，采用不同语言，即使他们提供中文翻译，银行对文件的核对流程会变得复杂，对有些虚假文件的判断能力有限。二是不能有效核对交易的真实性。虽然监管政策规定，商业银行在办理贸易结算和跨境投资时，需要对客户所提供的交易单证进行核实以保证交易真实和合理，但在现实操作中却需要应对诸多困难。三是不能有效监测可疑资金的交易。银行需要将客户的交易信息与其身份、财务状况等各方面信息相结合进行分析，从而确定交易是否存在可疑的地方。但是，境内银行对境外客户所提供的部分证明文件无法进行全面核对，也就无法判断客户的交易规模

5、与其身份是否相符。3.与银行关联性极高。无论是国际贸易还是跨境投资，都离不开银行的中介作用，尤其是与银行的产品紧密相连，契合度最高的银行产品包括信用证、托收代收、TT汇款以及跨境人民币业务等。如此,洗钱分子也必然绕不开银行独立从事洗钱活动。4.数据信息量大。根据监管部门的要求及银行内控制度的需要，银行在为客户办理相关业务时，需要客户提供材料佐证，录入相关数据信息，并对材料数据进行存储。尤其是涉及国际业务时，作为商业银行敏感专业，银行需要客户提供的数据信息量更多更全面，信息技术的应用也使得大规模信息存储成为现实。二、大数据技术的适用性基于上述分析，笔者认为当前大数据在银行国际贸易和跨境投资领域

6、反洗钱工作中有较强的适用性。主要由于以下几点：（一）大数据技术本身的适用性。大数据，或称巨量资料，是一个体量和数据类别都特别大的数据集，像这样的数据集已经无法用传统数据库工具对其内容进行抓取、管理和处理，而是通过特定模型整理出能够帮助企业经营决策更积极目的的资讯。目前，大数据实践已经深入到商业、政治、经济、金融等领域。大数据技术实现手段主要包含以下方法：表1：大数据技术实现手段概述技术手段简要概述概念描述包括特征性描述和区别性描述、通过对洗钱事件关联数据的汇总、分析和比较，对洗钱事件的内涵进行描述，并概括洗钱事件的有关特征。关联模式旨在从大量的数据当中发现洗钱特征之间或者洗钱数据之间的相互依

7、赖关系。分类从洗钱数据集中提取某个洗钱类别的函数或模型，并把洗钱数据归结到某个已知的洗钱类别中。聚类分析使得属于同一类别的个体之间的差别尽可能的小，而不同类别上的个体见的差别尽可能的大。预测是指由历史的和当前的洗钱数据产生的并能推测未来洗钱趋势的知识。时间序列具有一个或多个时间属性的预测应用，它是数据存在的特殊形式，序列的过去值会影响到将来值，这种影响的大小以及影响的方式可由时间序列中的趋势周期及非平稳等行为