Auf dieser Seite werden die Vorhersageergebnisse beschrieben, die beim Anfordern von Vorhersageergebnissen von AML AI zurückgegeben werden.
Informationen zum Schema und zu den Feldern der Vorhersageausgaben in BigQuery finden Sie unter Vorhersageausgaben.
Risiko-Punktzahlen
Risikobewertungen reichen von 0 bis 1. Ein höherer Wert bedeutet ein höheres Risiko. Risikobewertungen sollten jedoch nicht direkt als Wahrscheinlichkeit für Geldwäscheaktivitäten interpretiert werden.
Risikobewertungen werden für einen (oder mehrere, wenn predictionPeriods größer als 1 ist) vollständigen Kalendermonat unmittelbar vor dem angegebenen endTime erstellt.
Für jede Partei wird jeden Monat ein Risikowert berechnet.
Jede Vorhersage und Erklärung hat eine risk_period_end_time um Mitternacht nach dem Ende des gesamten Kalendermonats.
Wenn beispielsweise predictionPeriods= 12 und endTime= 2022-01-01T00:00:00Z, dann erstellt die AML-KI Risikobewertungen und Erklärbarkeit für jeden Monat im Jahr 2021. Eine Vorhersage mit dem risk_period_end_time-Wert 2021-02-01T00:00:00Z steht für die Vorhersage des Kunden für den Monat 2021-01.
Erklärbarkeit
Die Erklärbarkeit von AML-KI gibt an, welche Verhaltensweisen oder Merkmale (mithilfe von Attributfamilien) zum Risikowert einer bestimmten Partei beitragen. Die Erklärbarkeit deckt die Personen mit dem höchsten Risiko ab, einschließlich aller Personen, die Sie untersuchen würden. Für Kunden mit geringerem Risiko wird die Erklärbarkeit möglicherweise nicht berücksichtigt.
Featurefamilien
Featurefamilien sind Sammlungen ähnlicher AML-KI-Funktionen, die eine für Menschen verständliche Kategorisierung bieten, um Prüfer und interne Auditteams zu informieren.
Jede Funktionsfamilie deckt eine bestimmte Reihe von Transaktionsverhalten oder Parteimerkmalen ab. Außerdem haben einige Funktionsfamilien einen bestimmten Schwerpunkt, sodass Prüfer wissen, wo sie anfangen sollen. Beispiele für Schwerpunkte:
- Art der Transaktion:
- Kabel
- Barzahlung
- Häkchen
- Karte
- Sonstiges
- Transaktionsrichtung:
- Debit (ausgehend für die Partei)
- Gutschrift (eingehend für die Partei)
Attributionswert der Featurefamilie
Für jede Partei mit hohem Risiko und jede Feature-Familie wird ein Attributionswert angegeben, der den Beitrag der Feature-Familie zum Risikowert der Partei angibt. Ein hoher positiver Wert bedeutet einen starken Beitrag zur Erhöhung des Risikowerts. Ein negativer Wert bedeutet, dass der Wert zur Senkung des Werts beiträgt.
Die Feature-Familien mit dem höchsten positiven Attributionswert sind für eine Überprüfung der Partei am relevantesten.
Hier ein Beispiel für die Attributionswerte einer bestimmten Partei:
| Funktionsfamilie | Attributionswert |
|---|---|
| Ungewöhnliche Kartenabbuchungen | 0,4 |
| Ungewöhnlich schnelle Überweisungen | 0,8 |
| Ungewöhnliche Aktivitäten bei Überweisungen | -0,2 |
Dieses Beispiel kann so interpretiert werden:
- Der hohe Risikowert der Partei ist vor allem auf die schnelle Bewegung von Geldern zurückzuführen. Eine Untersuchung könnte dort beginnen.
- Ungewöhnliche Kartenabbuchungen haben ebenfalls einen erheblichen Beitrag geleistet und sollten daher ebenfalls berücksichtigt werden.
- Die Debit-Überweisungsaktivitäten der Partei haben den Risikowert sogar gesenkt. Daher ist es unwahrscheinlich, dass eine Prüfung erforderlich ist.