1. 反洗钱概述：监管背景、三大阶段与特征样本核心价值
1.1 反洗钱监管背景与全球格局
反洗钱（Anti-Money Laundering, AML）已从单一国家刑事打击演变为全球性金融合规体系。FATF（金融行动特别工作组）40项建议构成国际反洗钱监管基石，各国监管机构（如中国央行、美国FinCEN、英国FCA）均要求金融机构建立“风险为本”的合规框架。
| 监管层级 | 核心机构/文件 | 关键要求 |
|---|---|---|
| 国际 | FATF 40项建议 | 风险为本、客户尽职调查、可疑交易报告 |
| 中国 | 中国人民银行《反洗钱法》 | 大额交易报告、可疑交易标准、客户身份识别 |
| 欧盟 | AMLD 5/6 | 受益所有人登记、跨境交易监控 |
| 美国 | Bank Secrecy Act / FinCEN | SAR（可疑活动报告）、CTR（现金交易报告） |
合规要点： 2023年FATF更新了虚拟资产和跨境支付指引，要求金融机构将“特征样本”纳入交易监控模型，以识别新型洗钱手法。
1.2 洗钱三大阶段：放置、离析、融合
洗钱行为通常经历三个递进阶段，每个阶段在金融数据中留下不同的行为痕迹。特征样本提取正是针对这些痕迹进行量化建模。
实战提示： 在SQL提取特征样本时，放置阶段重点关注“现金交易频率”和“结构化拆分模式”；离析阶段关注“交易网络密度”和“资金周转速度”；融合阶段关注“资产购置与收入匹配度”。
1.3 三大阶段的行为特征对比
| 阶段 | 典型行为 | 金融产品偏好 | 数据特征维度 |
|---|---|---|---|
| 放置 | 现金存款、货币兑换、赌场筹码 | 储蓄账户、货币市场基金 | 现金交易占比、单笔金额分布、存款频率 |
| 离析 | 电汇、转账、多层壳公司交易 | 离岸账户、衍生品、虚拟货币 | 交易对手数量、资金停留时间、路径长度 |
| 融合 | 购买房产、艺术品、奢侈品、企业投资 | 保险、信托、私募股权 | 资产购置金额、收入匹配度、资金来源复杂度 |
1.4 特征样本在模型训练中的核心价值
反洗钱模型（规则引擎、机器学习、图神经网络）的预测能力高度依赖特征样本的质量。特征样本是从原始交易数据中提取的、能够区分“正常交易”与“可疑交易”的量化指标。
1.5 特征样本提取的典型维度
- 交易行为特征： 交易频率、金额分布、交易时间模式、对手方多样性
- 账户画像特征： 账户生命周期、余额波动、资金净流量、关联账户数量
- 网络关系特征： 交易网络密度、中心度、社区结构、资金循环路径
- 异常偏离特征： 与历史行为偏差、与同群组偏差、统计分布尾部事件
- 合规预警特征： 触发监管阈值次数、高风险国家/地区交易占比、制裁名单匹配度
常见误区： 特征样本不是越多越好。冗余特征会导致模型过拟合和计算效率下降。实战中建议从20-30个核心特征起步，通过特征重要性评估逐步优化。本课程后续章节将演示如何用SQL进行特征筛选和降维。