基于大数据的账户风险监测模型研究

周 猛

（中国人民银行合肥中心支行，安徽合肥 230091）

一、引言

为落实国务院 “放管服” 改革工作要求，人民银行在2019年全面取消了境内企业银行账户许可，由核准制改为备案制。这一举措的实施有利于银行机构为企业，特别是小微企业、民营企业提供更加优质、高效、便捷和安全的账户金融服务，对于服务实体经济尤其是小微企业、民营企业发展具有重要意义。取消企业银行账户许可后，对企业账户的监管将从事前审核转为事中监督和事后检查。面对取消企业银行账户许可以后的新形势，对账户的管理只能加强不能削弱。人民银行要利用大数据技术加强企业账户的风险监测，及时限制或者终止可疑账户业务，加大对账户违法活动的打击力度。本文正是基于这一思路提出了基于支付系统和账户系统大数据的企业账户监测，在做到 “放的好” 的同时做到 “管的好”，加强事前事中事后监管，为账户现场检查提供有针对性线索。

二、异常账户监测

银行客户的账户交易流水反映了客户的资金往来情况。正常情况下，资金账户的交易流水在交易时间、频率、金额、流向、净额等方面具有一定的规律性和稳定性，而异常账户流水在上述交易特征方面差异较大。主要缘于非法集资、热钱、经营不善、洗钱、以及民间借贷等导致的账户交易流水异常。通过实时或定期采集央行支付系统交易数据并关联账户系统相关字段，开展基于大数据技术的账户监测分析，通过选取参数，设置合理阈值，可以准确监测到可疑账户和可疑交易并预警提示。反馈结果可为账户现场检查提供线索，使得现场检查更有针对性。

支付系统交易数据包含的信息主要有：付款人名称、收款人名称、收款人开户行行号、付款人开户行行号、收款人账号、付款人账户、金额、发起清算行行号、接收清算行行号、发起行所属CCPC代码、接收行所属CCPC代码、汇划时间、业务种类、留言等。账户管理系统存储的账户信息主要包括：银行机构代码（支付系统行号）、行名、账号、账户性质、存款人（账户）名称、存款人统一社会信用代码、法定代表人姓名和证件编号、存款人类别（企业、个体工商户、机关事业单位、社会团体等）、存款人注册地区、产业类型、行业归属、注册资金、注册资金币种、经营范围、地址、联系方式、开销户日期、备案日期、账户状态以及其他关联信息等。基于上述字段，结合日常账户检查和监测的实践经验，下面分别从账户系统和支付系统两个角度探讨一下对异常账户监测的方法：

（一）基于账户系统的异常监测

根据账户名称、个人账户绑定验证有关数据进行分析，从绑定账户数量验证交易数量、频率、时间等多个方面进行异常监测，可能出现的账户异常情况有：同一账户名称拥有较多账号（名称判定，存在个人账户重名不精确问题）；短时间内同一银行账户发起或接受的实名验证交易量异常波动；短时间内同一银行账户实名验证交易应答成功率异常波动；绑定同一账户连续开立多个2、3类账户（同一银行卡、手机号码、身份证）；绑定同一账户短时间内在多个银行开立2、3类账户；异常时段（如凌晨）绑定验证账户开立2、3类账户；实名验证行具有集中特征，大量集中于个别或少量发卡行；绑定同一账户开立不同2、3类账户，提供验证信息不同；开立2、3类账户验证信息明显错误，如身份证信息逻辑错误，不符合编码规则；短时间内绑定同一账户开立两个2、3类账户，应答不一致（一次成功、一次失败）；2、3类绑定账户不存在。

（二）基于支付系统的异常监测

基于支付系统交易数据的监测，主要从账户资金交易的时间、数量、频率、流向等方面监测异常，可能出现的异常交易有：同一账户资金交易频繁，日交易笔数大于20笔；同一账户交易金额巨大，如日交易金额累计超过千万元；资金集中转入分散转出或分散转入集中转出；资金快进快出；个人账户跨地区交易频繁；本外币账户之间交易流动频繁；同一个人账户大量、频繁收到不同单位付款；同一单位账户大量、频繁收到不同个人付款；个人转单位或单位转个人定期、大金额资金；户名相对固定，但收款账号经常变更。

三、基于大数据的账户风险监测模型

上面分别探讨了基于账户系统和支付系统的异常监测，这其中有些异常监测可以借助于单个系统提供的数据，而有些必须基于两个系统联合开展，甚至有些监测还会用到企业工商数据库（含有公司类型、登记机关、变更记录、分支机构、经营异常、股东信息、企业年报等信息）。一般来说，账户系统数据放在支付结算部门，支付系统数据放在清算中心，公开的企业工商数据一般通过购买或者外部协作机制获得。考虑到各地数据开放共享程度的不同，我们分别设计了支付系统数据独立应用模式、支付系统数据接口应用模式和账户系统数据接口应用模式三种方式，具体如下：

图1 支付系统数据独立应用模式

这种模式由清算中心主导开发基于支付系统的监测平台，将支付系统数据联合工商信息数据，能够用于异常资金交易识别和发生交易的异常账户识别。例如：非法集资账户试探性交易后，账户在一段时期内交易频繁等异常交易特征；大量小金额资金从分散在全国各地的不同账户频繁集中汇入个人账户；大量资金流向虚拟经济，资金脱虚向实严重。可以为每一种监测场景设置相应参数和预警阈值，当达到设定阈值时给出相应风险提示。由于没有引入账户系统数据库，这种监测不能识别与账户信息相关的异常。

图2 支付系统数据接口应用模式

这种监测模式在第一种模式的基础上，由支付结算部门主导开发基于账户系统的监测平台，并通过接口方式引入支付系统交易数据和监测结果，对可疑账户开展进一步监测核实，也可以联合支付系统交易数据开展多维度、多层次的账户风险监测。例如可以利用账号、户名、属地、行业、用途、金额、账户状态、交易时间等多字段联合查询监测，全方位监测账户风险。这种模式通过接口方式读取支付系统交易数据，不下载存储清算业务数据，且可按需只读取少数必要字段数据而非全数据，或是脱敏后数据，降低数据泄露风险的同时可提高存储效率和查询效率。但这种模式需要支付结算部门主导开发应用系统，此外清算中心是否愿意共享支付系统数据需要事先协调好。

图3 账户系统数据接口应用模式

这种监测模式以清算中心为主导开发基于支付系统的监测平台。支付结算部门通过接口方式向清算中心提供脱敏后属地账户数据中的必要字段。例如户名、账户性质、行业属性、账户状态、属地信息等，这些信息有些是和工商信息数据库是重复的，可以相互校验互为补充。清算中心利用交易数据联合企业账户信息、行业属性、属地信息等字段除了可以开展异常账户和异常交易监测外还可以开展资金区域流量流向的分析，追踪资金去向，判断资金脱实向虚程度，为制定相关金融政策，检验政策落地效果提供智力支持。这种模式通过接口方式读取账户属地脱敏后数据，不下载存储支付结算部门业务数据，且可按需只读取少数必要字段数据，而非全数据，在降低泄露用户账户数据风险的同时，提高存储效率和查询效率。这种模式需要清算中心主导开发应用系统，支付结算部门是否愿意提供账户属地数据需要事先协调好。

四、小结

基于账户系统和支付系统交易数据的大数据账户监测模型可以从账户名称（无意义或相似名称）、交易的金额（金额巨大）、频度（交易频繁或一次交易立即休眠）、模式（分散集中）、速度（快进快出）、交易对象（公转私或大量私转公）、交易地区流向（个人账户跨地区频繁交易）等方面监测分析账户使用风险。也可从交易特征，如：分散入、分散出，不留余额，无税费、工资等日常支出，监测识别异常交易账户，将风险关口前移。监测结果可作为线索提交监管部门作为现场检查的依据，使得现场检查更有针对性。

2020年4月9日，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》）中将数据纳入五大生产要素，与土地、劳动力、资本、技术等传统要素并列。数据成为生产要素体现了互联网大数据时代的新特征。《意见》除了将数据列为生产要素还提出要加快培育数据要素市场建设，其中重点就是数据的交换和共享。传统模式下，监管机构各部门数据是相互独立，甚至数据的储存格式都不同，由此形成一个一个信息孤岛，不利于建立全方位多维度的大数据监管平台。金融大数据平台建设首要解决的问题就是打通信息孤岛，实现各部门数据共享。随着人民银行直属事业单位金融基础数据中心的成立，该中心将会打通国家宏观调控部门、金融监管机构、各类金融机构、研究机构的数据孤岛，开启金融数据共享时代，加快我国金融科技的进步，促进我国数字经济的发展。