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结构与常见字段

反洗钱（AML）系统的核心是数据。无论是规则引擎、特征工程还是机器学习模型，其输入都依赖于高质量、结构化的基础数据。本章将系统梳理AML领域四大核心数据源：交易数据、客户数据、账户数据和外部黑名单数据，并详细解析其数据结构与关键字段。

2.1 交易数据（Transaction Data）

交易数据是AML分析的第一手素材，记录了资金流动的完整轨迹。交易数据通常来源于核心银行系统、支付网关、清算系统等。

2.1.1 核心字段结构

2.1.2 交易数据特征工程要点

• 时间序列特征：交易频次、交易间隔、夜间交易占比、节假日交易模式。
• 金额分布特征：单笔金额、累计金额、整数金额占比、接近阈值的金额（如49999元）。
• 对手方网络特征：对手方数量、对手方地域分布、对手方行业分布、循环交易检测。
• 渠道偏好特征：渠道切换频率、非常用渠道交易占比。

2.2 客户数据（Customer Data）

客户数据是AML分析的身份基础，用于评估客户固有风险等级（KYC）。客户数据通常来源于CRM系统、身份认证系统、风险评级系统。

2.2.1 核心字段结构

2.2.2 客户数据特征工程要点

• 身份特征：年龄、性别、国籍风险系数、证件有效期剩余天数。
• 职业与行业特征：高风险职业（如珠宝商、古董商）、高风险行业（如赌场、货币兑换）的编码。
• 行为特征：开户时长、信息变更频率、多证件关联检测。
• 关联网络特征：同一地址关联客户数、同一联系电话关联客户数、同一IP关联客户数。

2.3 账户数据（Account Data）

账户数据是连接客户与交易的桥梁。一个客户可能拥有多个账户（储蓄、理财、信用卡等），账户数据反映了资金存放和流动的载体属性。

2.3.1 核心字段结构

2.3.2 账户数据特征工程要点

• 账户活跃度特征：近30天交易笔数、近30天交易金额、账户休眠天数。
• 资金沉淀特征：余额波动率、大额资金快进快出模式、余额与交易量不匹配检测。
• 账户关联特征：同一客户下账户数量、账户类型多样性、账户间转账频次。
• 账户生命周期特征：账户年龄、近期信息变更（如联系方式、密码重置）次数。

2.4 外部黑名单数据（External Blacklist Data）

外部黑名单数据是AML合规的底线防线，用于筛查交易对手方是否涉及制裁、洗钱、恐怖融资等非法活动。数据来源包括联合国制裁名单、OFAC名单、FATF高风险国家名单、国内监管黑名单等。

2.4.1 核心字段结构

2.4.2 黑名单匹配特征工程要点

• 匹配结果特征：是否命中黑名单、命中名单数量、命中名单类型分布、最近命中时间。
• 相似度特征：名称相似度分数（Levenshtein距离）、证件号相似度、地址相似度。
• 时间衰减特征：命中时间距今天数，用于评估风险时效性。
• 聚合特征：同一客户/账户历史命中次数、同一对手方命中次数。

2.5 四大数据源关系与融合架构

在AML系统中，四大数据源并非孤立存在，而是通过客户ID和账户ID形成关联网络。下图展示了数据源之间的核心关系与融合路径。

2.6 数据融合实践：特征向量构建示例

以下是一个简化的SQL示例，展示如何将四大数据源融合为一条用于模型训练的特征记录：

-- AML特征融合查询示例
SELECT 
    t.transaction_id,
    t.amount,
    t.transaction_type,
    t.transaction_time,
    -- 客户特征
    c.risk_level AS customer_risk_level,
    c.is_pep,
    c.occupation,
    -- 账户特征
    a.account_type,
    a.balance,
    a.avg_daily_balance,
    -- 黑名单特征
    CASE WHEN bl.list_id IS NOT NULL THEN 1 ELSE 0 END AS is_blacklist_hit,
    COUNT(bl.list_id) OVER (PARTITION BY t.payer_customer_id) AS blacklist_hit_count,
    -- 衍生特征
    DATEDIFF(DAY, a.account_open_date, t.transaction_time) AS account_age_days,
    CASE WHEN t.amount >= 50000 THEN 1 ELSE 0 END AS is_above_threshold
FROM transaction_data t
LEFT JOIN account_data a ON t.payer_account = a.account_id
LEFT JOIN customer_data c ON a.customer_id = c.customer_id
LEFT JOIN blacklist_data bl ON (
    c.customer_name = bl.entity_name 
    OR c.id_number = bl.id_number
)
WHERE t.transaction_time >= '2025-01-01';

2.7 数据质量检查清单

在开始特征工程之前，建议对四大数据源进行系统性质量检查：

通过本章的学习，您应能够清晰识别AML四大数据源的核心字段、理解其业务含义，并掌握数据融合的基本方法。这些基础数据能力是后续特征工程和A/B测试实践的基石。