【创科广场】反洗黑钱欺诈自动化 智能决策助网上金融
以往不少分析都可能经一两天才获得结果。但不少分析愈来愈实时，特别是虚拟银行兴起，加上「转数快」，金融系统透过流动平台服务客户，不少必须自动化，全天候实时作出决定。
金融数码化步伐加快，而监管愈来愈严格。金融机构监管愈来愈严格，尤其在「认识你的客户」（KYC）和「反洗黑钱」（AML），遵守多项规定。近年本港金管局介面多种监管科技（Regulatory technology），以数码科技自动化执行监管，以取代人手。
SAS是老牌的数据分析公司，发展不少分析算法。预测性分析大行其道，SAS在防诈骗和反黑钱都开发了数据分析工具，准确预测诈骗和洗黑钱活动。
SAS香港区总经理郑国强说，以数据分析，反洗黑钱是SAS较突出的技术范畴；亦提供针对风险及合规、实时建议、欺诈及保安情报等金融数码工具。
香港SAS超过6成收入，来自金融服务，而8家新发牌虚拟银行，5家正采用SAS方案。SAS在反洗钱尤其成功，本港有35家金融机构均为其客户。
疫情压力测试
不少金融分析已经直接用于支援决策，交易是否涉及洗黑钱，又或贷款风险是否改变，是否符合法规，都可实时以数据分析，获得实时决策支援。
数据分析在金融业应用广泛；例如计算借贷的风险，贷款有否违约或倒闭的风险。数码化后黑客有机会攻击银行，盗用户口，数据分析可找出可疑交易。
SAS发现，金融机构疫情期间，关注客户的信用管理，客户受疫情影响，偿还能力可能出现变化。
「金融机构会定期向客户信贷打评分，决定发放信贷的条件。不过金融机构以特定模型计算信贷评分。模型通常数月更新一次，疫情中来势汹汹，赶不及更新模型，信贷部门日以继夜更新模型。
疫情导致金融业更逼切数码化；设定预早警报系统，以机器学习提示有机会违约的客户。另一个范畴则分析资本和流动比率。
疫情下信贷质素转差，须及早分析行业或客户的周转，资本质素变坏，影响流动性比率。信贷评分亦与资本比率有直接关系，收紧信贷亦代表坏帐比率上升，直接影响资本充足。
「金融机构在不确定环境，只好以模拟方式压力测试，假设各个坏帐水平，或者疫情持续某段时间，对于评分和资产质素的影响。」
金融业利用流动技术，改善客户关系体验。疫情下，金融机构更关注数码转型，保持客户关系，以数据分析促进客户关系。
郑国强说，金融机构也期望通过数据分析，可达到「智能决策」（Intelligent decisioning），即以数据分析直接支援日常的决策。
智能决策通过数种数码具备达致；包括了建立「规则引擎」（Rule engine），一般反欺诈交易，就是通过规则侦破。其次则是评分引擎（Scoring Engine），从评分估计可能性，评分就是数据，以统计学获得估计。
「目前金融机构考虑，最重要是实时决策，实时决定客户身分，决定是否开户，或促成某宗交易；网上更讲求即时建议和交易的实时性。」银行从网上服务，智能决策更是关键。
SAS香港客户咨询高级经理滕嘉敦说，银行以流动平台服务客户，不法分子有可乘之机；虚拟银行全天候以靠流动平台经营，更须全面自动化；本港众安银行（ZA Bank）就以SAS 反洗钱解决方案助开拓业务，ZA Bank去年获金管局发牌，是香港首批获发牌照的虚拟银行。
评分引擎智能决策
虚拟银行网上经营，须自动化反黑钱活动和调查客户身分，不过以系统侦察犯罪活动，可能出现不少误报，浪费人力逐项调查。而「转数快」等即使过数，金融交易实时进行，检查可疑交易耗费人力，银行须以RPA等工具，自动化人手审核程序。
金融犯罪以有组织方式，须对交易关连人物作360度调查，数码技术可以重构人物之间关系，解破金融犯罪组织。金融机构开始利用人工智能和机器学习，简化上述的调查，新一代AML甚至利用了自然语言分析，加上网络分析，购买外部情报，以决定户口身分，以审查交易。
郑国强说，AI/ML利用数据建立决策的模型，消费行业已应用作决策或购买推荐，金融应用模型则要求更高。虽然AI/ML普遍应用，监管机构要求决策，必须追索原因（Traceable），所以即使数学模型指出，客户或交易是高度可疑，监管机构要求解决原因，决策不能黑盒作业。
创科广场
