2. AML基础与监管背景
在进入反馈闭环与模型再训练之前，必须先建立一套共同的“监管坐标系”。AML调查员每天面对的是模型告警、客户解释、交易流水与内部流程，但真正决定“什么必须查、查到什么程度、查到后如何上报”的，是反洗钱法律框架与监管预期。理解这一层，才能判断模型输出的告警是否具有监管意义，也才能理解为什么反馈闭环不能只服务于模型指标，还必须服务于可审计、可追溯的合规义务。
一、反洗钱的基本概念与核心逻辑
反洗钱（Anti-Money Laundering, AML）通常与反恐怖融资（CFT）并列，核心目标是防止犯罪所得通过金融体系被掩饰、转移、整合，并最终看起来像合法收入。洗钱经典三阶段为：处置（Placement）、离析（Layering）、整合（Integration）。处置是把非法资金放入金融体系；离析是通过复杂交易切断资金来源与去向的关联；整合是让资金以看似合法的形式回到经济体系。
对调查员而言，这三个阶段对应不同的识别重点：处置阶段常见现金拆分、频繁柜面存入；离析阶段常见多层转账、跨境快速划转、空壳公司互转；整合阶段常见购房、投资、贸易回款等。模型告警往往只给出“异常分数”，但调查员必须把告警映射回具体阶段与可疑活动类型，否则反馈闭环会退化为“标记对错”的机械操作。
核心原则：AML不是“抓坏人”的单一动作，而是“识别—评估—报告—控制”的持续义务。调查员的反馈既是模型再训练的数据来源，也是监管检查中证明机构“有效执行”的关键证据。
二、FATF建议：全球AML框架的“最小公约数”
金融行动特别工作组（FATF）发布的《四十项建议》是各国AML/CFT制度的基础参考。它不直接具有国内法效力，但通过互评估、灰名单/黑名单机制，对各国监管与金融机构产生强约束。与调查员和模型最相关的建议包括：
- 建议10：客户尽职调查（CDD）。要求识别客户身份、了解业务关系目的、持续监控交易。模型中的客户风险评分、KYC字段完整性，直接对应此建议。
- 建议11：记录保存。交易记录与尽职调查资料需保存至少五年，确保可追溯。反馈闭环中的调查结论、处置理由必须可审计。
- 建议12：政治公众人物（PEP）。对PEP及其关系人采取强化尽职调查。模型若忽略PEP标签，会系统性低估风险。
- 建议20：可疑交易报告。要求金融机构在怀疑资金涉及犯罪所得或恐怖融资时，及时向金融情报机构报告。
- 建议21：泄密禁止。不得向客户透露已提交可疑交易报告。调查员在反馈与沟通中必须遵守“不 tipping-off”原则。
- 建议24/25：法人与法律安排透明度。识别受益所有人（UBO），防止空壳公司滥用。
FATF建议的核心不是“零风险”，而是风险为本（Risk-Based Approach, RBA）：资源应优先投向高风险客户、高风险产品与高风险地域。模型再训练时，若把全部告警一视同仁，就会违背RBA，导致高价值线索被淹没。
三、各国监管要求与可疑交易报告制度
不同司法辖区的具体规则不同，但结构相似：立法层确定洗钱罪与报告义务；监管层发布指引与检查标准；机构层建立AML程序、系统与团队；金融情报机构（FIU）接收并分析可疑交易报告。以主要辖区为例：
| 辖区 | 核心法规/机构 | 报告制度要点 | 对模型与反馈的启示 |
|---|---|---|---|
| 中国 | 《反洗钱法》、中国人民银行反洗钱监测分析中心 | 大额交易与可疑交易双轨报告；金融机构需建立客户身份识别、交易记录保存、可疑交易报告制度 | 模型需支持本币与跨境规则；反馈需保留报告编号与处置链路 |
| 美国 | BSA、FinCEN | CTR（现金交易报告）、SAR（可疑活动报告）；SAR需在30日内提交，可延期30日 | SAR叙事质量直接影响FIU分析；模型告警需能生成结构化叙事要素 |
| 欧盟 | AMLD系列指令、各国FIU | 以风险为本，强化UBO登记与跨境信息共享；部分成员国要求自动化报告 | 模型需支持多语言、多币种与跨境实体解析 |
| 新加坡 | MAS、STRO | 强调及时提交STR，机构需建立独立审计与培训机制 | 反馈闭环需覆盖培训与审计证据 |
可疑交易报告（STR/SAR）的关键不是“数量”，而是及时性、准确性与可行动性。一份高质量报告应回答：谁、何时、何地、何种交易、为何可疑、资金可能来源与去向、已采取何种控制。调查员的反馈若只写“误报”或“确认”，而不记录理由与证据，模型再训练就缺少监督信号，监管检查时也无法证明判断合理性。
实务提示：把每一次告警处置都视为“微型案件”。即使最终关闭，也要记录关闭理由、核查范围与关键证据。这些记录既是模型标签，也是监管问询时的第一道防线。
四、案例/场景：从告警到报告的完整链路
假设某银行模型对客户A触发“高频跨境小额转账”告警。调查员按以下流程处置：
- 告警分诊：查看模型评分、触发规则、客户风险等级与历史告警。
- 客户背景核查：核对KYC、职业、收入、业务关系目的，确认是否为PEP或高风险行业。
- 交易分析：拉取近90天流水，识别对手方、地域、金额分布与时间规律。
- 外部信息比对：检查制裁名单、负面新闻、内部黑名单。
- 判断与处置：若无法排除怀疑，提交STR；若可排除，记录关闭理由并反馈模型。
- 反馈闭环：将“确认可疑/误报/需补充信息”及理由写入反馈表，进入再训练数据集。
反馈记录示例（结构化字段）：
alert_id: AL-2024-05-1187
customer_id: C-88231
model_version: aml_xgb_v3.2
alert_type: cross_border_small_freq
disposition: escalate_to_str
reason_code: UBO_MISMATCH
investigator_note: "客户申报为本地零售，但对手方集中于高风险地区且UBO为离岸空壳"
evidence_refs: ["txn_20240501_0912", "kyc_20240315", "ubo_graph_20240420"]
str_submitted: true
str_id: STR-2024-05-0093
feedback_ts: 2024-05-12T14:32:00+08:00
这个链路说明：模型告警只是起点，调查员的判断与记录才是监管价值的核心。若反馈字段缺失或理由模糊，再训练时模型可能学到错误模式，例如把“高风险地区”一律视为可疑，导致大量误报。
五、误区与复盘：调查员最容易踩的坑
- 误区一：把“关闭告警”等同于“无风险”。关闭可能只是证据不足，不代表风险不存在。反馈应区分“排除”与“无法排除但暂不报告”。
- 误区二：忽视RBA，平均用力。高风险客户与低风险客户使用同一核查深度，导致资源错配，模型也会失去区分度。
- 误区三：反馈只写结论不写理由。再训练需要的是“为什么”，而不是“是什么”。理由码与证据引用比简单标签更有价值。
- 误区四：违反泄密禁止。在客户沟通或内部非必要渠道中透露STR提交情况，可能构成违法。
- 误区五：把模型指标当成合规目标。降低误报率不等于降低风险。监管关注的是有效识别与报告，而非模型AUC。
复盘要点：每季度抽取已关闭告警进行质量复核，重点检查：关闭理由是否充分、证据是否可追溯、是否存在应报未报。复核结果应同时反馈给模型团队与合规团队，形成“调查—合规—模型”三方闭环。
综上，AML基础与监管背景不是背景知识，而是调查员反馈闭环的“规则边界”。FATF建议提供全球框架，各国监管要求落地为具体义务，可疑交易报告制度则把调查判断转化为可审计的监管输出。只有在这一框架下，模型再训练才不会偏离合规目标，反馈闭环才能真正提升风险识别能力，而不是仅仅优化一个技术指标。