2、反洗钱数据基础：交易数据、客户数据、账户数据、外部黑名单数据的数据来源与特征

反洗钱（AML）模型的有效性高度依赖于输入数据的质量与广度。在构建分层特征之前，必须系统性地理解四大核心数据源：交易数据、客户数据、账户数据以及外部黑名单数据。每种数据源在识别可疑行为、刻画风险画像中扮演着不可替代的角色。

2.1 交易数据：行为分析的核心

交易数据是AML模型的“血液”，记录了资金流动的每一个细节。其来源通常包括核心银行系统、支付网关、清算系统（如SWIFT、CNAPS）以及第三方支付平台。

2.2 客户数据：风险画像的基石

客户数据（KYC数据）用于回答“谁在进行交易”。其来源主要是客户关系管理系统（CRM）、开户申请表、身份证件验证系统以及生物识别系统。

• 身份信息： 姓名、证件类型与号码、国籍、出生日期、职业、联系方式。用于身份核实与政治公众人物（PEP）筛查。
• 风险评级： 客户风险等级（低/中/高）、行业类型、资金来源说明。这是分层特征中最重要的标签之一。
• 行为偏好： 常用交易渠道、交易时间偏好、常用设备。用于构建“客户行为基线”，偏离基线即触发预警。
• 关联关系： 家庭成员、公司关联、受益所有人信息。用于复杂网络分析，识别“伞形账户”或“壳公司”结构。

2.3 账户数据：资金载体的属性

账户是客户与金融机构交互的载体。账户数据来源包括核心银行系统的账户主文件、账户服务协议以及账户流水日志。

2.4 外部黑名单数据：合规的底线

外部黑名单数据是AML合规的“红线”，用于拦截与制裁名单、负面新闻、执法机构黑名单相关的交易。其来源包括政府机构、国际组织及商业数据库。

• 制裁名单： 联合国、OFAC（美国财政部外国资产控制办公室）、欧盟等发布的制裁实体与个人名单。匹配规则为精确匹配或模糊匹配（如Levenshtein距离）。
• 政治公众人物（PEP）名单： 现任或曾任重要公职的人员及其亲属、密切关系人。PEP本身不违法，但属于高风险类别，需加强尽职调查（EDD）。
• 负面新闻与执法名单： 涉及洗钱、欺诈、腐败等犯罪记录的实体。通常通过自然语言处理（NLP）技术从新闻、法院公告中提取。
• 行业共享黑名单： 由金融情报机构（FIU）或行业联盟提供的“高风险账户”或“欺诈账户”共享库。

2.5 数据源整合与特征分层

在模型训练中，上述四类数据并非孤立使用，而是通过客户ID和账户ID进行关联，形成分层特征体系。

-- 示例SQL：整合交易与客户数据构建特征
SELECT
    t.transaction_id,
    t.amount,
    t.transaction_time,
    c.customer_risk_level,
    c.customer_age,
    a.account_age_days,
    a.avg_balance_30d,
    CASE WHEN b.blacklist_flag = 1 THEN 'Y' ELSE 'N' END AS is_blacklist_hit
FROM transaction_table t
JOIN account_table a ON t.account_id = a.account_id
JOIN customer_table c ON a.customer_id = c.customer_id
LEFT JOIN blacklist_hit_table b ON t.counterparty_id = b.entity_id
WHERE t.transaction_date = '2024-01-01';