1. 反洗钱样本分层概述：定义、目的、监管要求与核心原则

反洗钱样本分层是金融机构履行反洗钱义务的核心技术环节，其本质是将海量、异构的交易与客户数据，按照预设的风险维度与阈值，划分为不同风险等级的子集，以便实施差异化的尽职调查与监测措施。本节将系统阐述分层的定义、目的、监管依据及指导原则，为后续实操奠定理论基础。

1.1 定义与核心内涵

反洗钱样本分层（AML Sample Tiering）是指金融机构依据客户身份特征、交易行为模式、地域风险、产品类型等要素，运用统计模型或规则引擎，将全部客户或交易样本划分为低风险（Low Risk）、中风险（Medium Risk）、高风险（High Risk）三个基础层级，并针对不同层级配置差异化的监测频率、尽调深度与审批流程。

1.2 分层目的与业务价值

实施样本分层的主要目的可归纳为以下四点：

目的维度	具体说明	业务价值
资源优化	将有限的反洗钱人力资源集中于高风险样本，避免低风险样本过度消耗分析产能	降低人均案件处理成本，提升团队产出效率
风险聚焦	通过分层阈值精准识别异常交易模式，减少误报（False Positive）与漏报（False Negative）	提高可疑交易报告的有效性与监管认可度
合规达标	满足监管机构对风险为本方法（Risk-Based Approach, RBA）的落地要求	通过监管检查与评估，避免行政处罚
动态调整	支持根据市场环境、监管政策、洗钱手法变化实时调整分层参数	保持反洗钱体系的前瞻性与适应性

1.3 监管要求与合规依据

全球主要反洗钱监管框架均明确要求金融机构实施风险为本的样本分层。以下为关键监管依据：

• FATF 建议（Recommendation 1）：各国应要求金融机构识别、评估并理解其面临的洗钱与恐怖融资风险，并在此基础上采取强化或简化的客户尽职调查措施。
• 中国《金融机构反洗钱和反恐怖融资监督管理办法》（中国人民银行令〔2021〕第3号）：第十条要求金融机构建立洗钱风险自评估制度，并根据评估结果对客户、产品、业务、渠道进行风险等级划分。
• 中国《金融机构客户尽职调查和客户身份资料及交易记录保存管理办法》（中国人民银行令〔2022〕第1号）：第七条明确金融机构应当根据风险状况采取相应的客户尽职调查措施，高风险客户应执行强化尽调（EDD）。
• 欧盟反洗钱指令（AMLD5/6）：要求成员国确保金融机构采用风险敏感的方法，对高风险第三国、政治公众人物（PEP）等实施增强监测。

1.4 核心原则与设计框架

构建有效的样本分层体系需遵循以下五项核心原则：

1. 风险为本原则：分层力度与风险水平成正比。高风险样本投入更多分析资源，低风险样本适用简化流程。
2. 可解释性原则：分层规则与模型输出必须可追溯、可审计，避免“黑箱”决策。监管机构有权要求金融机构解释某一样本被划入特定层级的原因。
3. 动态更新原则：分层参数应定期（至少每季度）回测与校准，并根据新出现的洗钱手法、监管通报、行业案例进行迭代。
4. 数据质量原则：分层结果的可靠性直接取决于底层数据的完整性、准确性与时效性。缺失字段、错误编码、延迟数据均会导致分层失真。
5. 分层互斥原则：各层级之间的边界应清晰、互斥，避免同一样本同时满足多个层级的判定条件，造成处理逻辑冲突。

1.5 分层层级与典型特征

在实际操作中，样本分层通常采用三级或五级模型。以下为三级模型的典型特征对照：

层级	风险标签	典型客户特征	监测频率	尽调要求
L1	低风险	工资代发户、小额消费卡、政府机构账户	月度批量扫描	简化尽调（SDD）
L2	中风险	中小企业主、频繁跨境汇款个人、非营利组织	周度规则触发	标准尽调（CDD）
L3	高风险	PEP、制裁名单关联方、现金密集型行业、空壳公司	实时/每日人工复核	强化尽调（EDD）

1.6 分层与反洗钱工作流的衔接

样本分层并非孤立环节，而是嵌入整个反洗钱监测与报告流程的关键节点。下图展示了分层在完整工作流中的位置：

1.7 分层模型的生命周期管理

一个完整的样本分层模型需经历以下五个阶段，形成闭环管理：

• 设计阶段：确定分层维度（客户属性、交易属性、地域属性）、层级数量、初始阈值。
• 开发阶段：编写规则引擎或训练机器学习模型，配置自动化分层逻辑。
• 验证阶段：使用历史数据回测，评估分层准确率、误报率、覆盖率，调整阈值。
• 部署阶段：接入生产环境，与交易监测系统、案件管理系统对接。
• 监控阶段：持续监控分层分布变化，定期（至少每季度）进行模型校准与文档更新。