星島日報

【創科廣場】反洗黑錢欺詐自動化 智能決策助網上金融

2020-10-14 08:01
以往不少分析都可能經一兩天才獲得結果。但不少分析愈來愈實時,特別是虛擬銀行興起,加上「轉數快」,金融系統透過流動平台服務客戶,不少必須自動化,全天候實時作出決定。

金融數碼化步伐加快,而監管愈來愈嚴格。金融機構監管愈來愈嚴格,尤其在「認識你的客戶」(KYC)和「反洗黑錢」(AML),遵守多項規定。近年本港金管局介面多種監管科技(Regulatory technology),以數碼科技自動化執行監管,以取代人手。

SAS是老牌的數據分析公司,發展不少分析算法。預測性分析大行其道,SAS在防詐騙和反黑錢都開發了數據分析工具,準確預測詐騙和洗黑錢活動。

SAS香港區總經理鄭國強說,以數據分析,反洗黑錢是SAS較突出的技術範疇;亦提供針對風險及合規、實時建議、欺詐及保安情報等金融數碼工具。

香港SAS超過6成收入,來自金融服務,而8家新發牌虛擬銀行,5家正採用SAS方案。SAS在反洗錢尤其成功,本港有35家金融機構均為其客戶。

疫情壓力測試

不少金融分析已經直接用於支援決策,交易是否涉及洗黑錢,又或貸款風險是否改變,是否符合法規,都可實時以數據分析,獲得實時決策支援。

數據分析在金融業應用廣泛;例如計算借貸的風險,貸款有否違約或倒閉的風險。數碼化後黑客有機會攻擊銀行,盜用戶口,數據分析可找出可疑交易。

SAS發現,金融機構疫情期間,關注客戶的信用管理,客戶受疫情影響,償還能力可能出現變化。

「金融機構會定期向客戶信貸打評分,決定發放信貸的條件。不過金融機構以特定模型計算信貸評分。模型通常數月更新一次,疫情中來勢洶洶,趕不及更新模型,信貸部門日以繼夜更新模型。

疫情導致金融業更逼切數碼化;設定預早警報系統,以機器學習提示有機會違約的客戶。另一個範疇則分析資本和流動比率。

疫情下信貸質素轉差,須及早分析行業或客戶的周轉,資本質素變壞,影響流動性比率。信貸評分亦與資本比率有直接關係,收緊信貸亦代表壞帳比率上升,直接影響資本充足。

「金融機構在不確定環境,只好以模擬方式壓力測試,假設各個壞帳水平,或者疫情持續某段時間,對於評分和資產質素的影響。」

金融業利用流動技術,改善客戶關係體驗。疫情下,金融機構更關注數碼轉型,保持客戶關係,以數據分析促進客戶關係。

鄭國強說,金融機構也期望通過數據分析,可達到「智能決策」(Intelligent decisioning),即以數據分析直接支援日常的決策。

智能決策通過數種數碼具備達致;包括了建立「規則引擎」(Rule engine),一般反欺詐交易,就是通過規則偵破。其次則是評分引擎(Scoring Engine),從評分估計可能性,評分就是數據,以統計學獲得估計。

「目前金融機構考慮,最重要是實時決策,實時決定客戶身分,決定是否開戶,或促成某宗交易;網上更講求即時建議和交易的實時性。」銀行從網上服務,智能決策更是關鍵。

SAS香港客戶諮詢高級經理滕嘉敦說,銀行以流動平台服務客戶,不法分子有可乘之機;虛擬銀行全天候以靠流動平台經營,更須全面自動化;本港眾安銀行(ZA Bank)就以SAS 反洗錢解決方案助開拓業務,ZA Bank去年獲金管局發牌,是香港首批獲發牌照的虛擬銀行。

評分引擎智能決策

虛擬銀行網上經營,須自動化反黑錢活動和調查客戶身分,不過以系統偵察犯罪活動,可能出現不少誤報,浪費人力逐項調查。而「轉數快」等即使過數,金融交易實時進行,檢查可疑交易耗費人力,銀行須以RPA等工具,自動化人手審核程序。

金融犯罪以有組織方式,須對交易關連人物作360度調查,數碼技術可以重構人物之間關係,解破金融犯罪組織。金融機構開始利用人工智能和機器學習,簡化上述的調查,新一代AML甚至利用了自然語言分析,加上網絡分析,購買外部情報,以決定戶口身分,以審查交易。

鄭國強說,AI/ML利用數據建立決策的模型,消費行業已應用作決策或購買推薦,金融應用模型則要求更高。雖然AI/ML普遍應用,監管機構要求決策,必須追索原因(Traceable),所以即使數學模型指出,客戶或交易是高度可疑,監管機構要求解決原因,決策不能黑盒作業。

創科廣場

最新回應

關鍵字

熱門文章