一是利用大数据基因图谱技术。企业或个人经济行为表现根植于其关联关系。关联关系反映了经济主体的本质属性，是企业“基因”的行动表现，其特征决定了企业或个人的未来行为，并最终演化为不同的关联风险。通过对风险定量分析，可以发现、预警金融风险和犯罪行为。大数据基因图谱技术通过鉴定企业经济行为，测定行为特征表现，找出于其有相同特征的交易对手，然后用图示方式表达出来。即以企业和个人作为单个节点，在每个节点上标注其经济交易行为数据和时间窗口，通过复杂网络算法和决策引擎技术，计算出企业关联基因图谱，再对每个关联群的活动轨迹进行定量分析，得出金融风险的类型和程度。以内幕交易为例，企业经营由人操控，对错综复杂的企业关联关系进行分析，实质上是分析个人与企业的关系。通过对企业和个人的电话、地址和家族关系关联分析，可以清晰得出人的经济活动轨迹，再通过对这些轨迹进行定量分析，便可发掘出违法行为的蛛丝马迹。通过这一方式，便可以证明涉嫌内幕交易的人员是证券市场中的“敏感人”，在内幕信息敏感期，其账户有敏感交易行为等基本事实，嫌疑人无正当理由或正当信息来源，就可以认定构成内幕交易。大数据基因图谱技术的应用目的，就在于迅速掌握企业性质，通过关联关系确认企业类型，挖掘出以资金为目标的企业等高风险主体，对其进行重点管控。同时，基因图谱技术还有助于梳理与中介企业和投资企业相关联的其他机构或人员的复杂关系，为锁定犯罪嫌疑人提供高效的工具。

 

二是建立大数据金融违规违法犯罪预警框架。金融领域违法犯罪具有极高的传染性，带来的系统性风险及社会危害日益增长。随着现代公司制的发展和经济发展的繁荣，由此形成的盘根错节的利益群体、多重控制的复杂经济网络、跨区域多领域运营等因素，使得当前互联网新型金融业态下的腐败风险和欺诈风险更为隐蔽，依靠传统监管方法，根据因果关系、逻辑演绎等手段，无法快速达到识别异常风险起源、规模、传导机制及事前预警的目的。因此，需要采用大数据处理技术和机器学习的金融科技手段，提高对犯罪行为的预防能力和反映速度。大数据金融违规违法犯罪预警，采用多元异构、跨域关联，基于全量数据，利用基因图谱技术，通过股权控制、高管关系、资金往来、社交信息等刻画目标企业、法人的社会经济利益网络拓扑图。通过多维度的标记拓扑图各节点能反映重大风险的诚信黑名单数据，把握企业结构性风险、市场风险、操作风险、违约风险，从而量化、模拟和演绎企业或个人潜在的风险甚至是犯罪行为。不同时点的企业及个人的社会经济利益关系不同，因此需要通过大数据动态的实施监测目标的风险状态，从更高维度对金融违规违法犯罪的组织和实施进行预防和打击。具体而言，大数据金融违规违法犯罪预警框架如下：一要梳理金融违规违法犯罪领域中的痛点、难点，明确主要的监测目标和行为；二要建立数据中心和数据采集机制，集成监管要求及重要风险领域的多维数据；三要通过机器学习犯罪事件的数据特征，建立黑白名单训练集；四要通过统计金融经济专业技术，结合机器学习建立金融违规违法犯罪风险的预警模型；五要定性、定量化输出模型结果；六要结合当前预警流程，建立犯罪风险识别、追踪、监管、处置、预警一体化的大数据应用平台。在这之中，为了实现犯罪风险的全面准确识别与合理商业信息的保护，主要应用到计算机爬虫技术、图计算技术、自然语言处理技术、机器学习技术、行为特征抽取及预测技术、大数据处理建模技术和算法技术、三维自动交叉检验技术、在线监控技术、大数据可视化技术、交互技术、黑箱处理技术、信息结构化技术、隐含信息可视化技术等手段。覆盖全面、识别准确、反应迅速、操作流畅的大数据金融违规违法犯罪预警平台的建立，为预防和打击金融违规违法犯罪提供帮助。

 

三是建设金融违规违法犯罪预警核心指标体系。一要建立舆情联动监控指标。通过对每日舆情信息分析，设计出金融机构经营异常行为指标，运用大数据基因图谱技术，实时进行关联分析，对于超过指标的机构进行预警。二要建立线索追踪模型及处置机制。对于获取的案件举报线索，包括自然人、法人、事件和行为信息，从事件和行为信息中提取自然人、法人数据，以自然人、法人为核心，通过大数据基因图谱技术，整合民政、户籍、社交网络、舆情、投资关系、管理关系、借贷情况、通话记录和出入境等数据，建立监测目标的分项关联图谱，交叉确认，建立灰度值阈值模型，对于超标项目进行预警，为人工定性确认提供更多线索的关联名单。要利用机器学习抽取金融违规违法犯罪行为的特征，配合大数据技术快速捕捉核心控制人、核心关联人、核心企业，分析违法违规主体的经济关系、风险网络节点、异常资金流动的特征。通过事前预警、事中监控、事后调整，多维度、快速高效、交叉核验，实现金融违规违法犯罪监测预警功能。三要建立识别高危企业和高危群体的监控指标。运用大数据基因图谱技术，建立一套识别高危企业指标和高危群体指标，通过对高危企业和高危群体的监控追溯与其交易的金融机构、企业或个人，适时释放预警信号，采取合理干预手段。四要建立金融招标采购违法行为预警指标。财务数据可以造假，但招投标信息和与之关联的金融账户行为则让企业间的实际经济行为无所遁形。通过整合多个招中标网站数据，运用算法挖掘招中标关联关系，迅速识别交易路径，对于异常企业和金融机构给予及时预警。

 

四是利用区块链等新技术助力打击。区块链作为金融科技领域最前沿的技术之一，目前已广泛地受到各国监管机构和金融机构的关注。区块链的技术特征主要有四个：第一个去中心化，既没有不受约束的权力对参与者的决策进行干预，腐败寻租的空间较小；第二个分布式账本，这使得欺诈行为变得极其困难且成本高昂，极大地抑制了个人或个别组织犯罪的可能和动机；第三个智能合约，即双方就交易达成一致后，通过智能合约的拟定即可由计算机自动执行交易内容，极大的增强了交易的灵活性和可靠性。第四个不可篡改性，区块链交易将会在验证时为其盖上时间戳，保证同笔交易的唯一性，因而使其成为根据时间顺序相连接的区块构成的完整交易信息链条。2015年来，部分国际化大型金融机构开始积极探索应用区块链技术对传统金融技术进行改造升级。2017年，经国务院批准，人民银行开始组织商业机构共同开展法定数字货币研发试验。区块链技术“不可篡改、无法作假、可以追溯”的特点，若能合理应用，对打击金融违规违法犯罪将起到积极作用。首选，区块链技术广泛应用于支付后，可以保证交易信息可以追溯，可以实时统计资金的流向和用途，准确追踪交易信息，便于监管部门及时识别异常交易行为，提前预警制止金融违规违法犯罪活动的发生；其次，运用区块链系统可以提升金融系统内控水平，减少操作风险和道德风险的发生，抑制金融机构内部的犯罪行为；再次，实现交易信息和审计信息不可篡改的永久保存，使得犯罪发生后能为案件的侦破够提供坚实可靠的犯罪证据，为监管、案件侦查和司法惩处等提供便利，有效提高打击金融违规违法犯罪的能力。

 

作者：金融安全研究中心 周道许

 

来源：研究报告2021年第13期，总第102期