本页面介绍了从 AML AI 请求预测结果而产生的预测输出。
如需了解 BigQuery 中预测输出的架构和字段，请参阅预测输出。
风险评分
风险评分介于 0 到 1 之间。分数越高表示风险越高，但风险得分不应直接解释为洗钱活动的概率。
系统会为指定 endTime 之前的一个完整日历月（如果 predictionPeriods 大于 1，则为多个）生成风险评分。双方每月计算一个风险得分。
可解释性
AML AI 可解释性指示了给定方的风险得分由哪些行为或特征（使用特征系列）影响。可解释性涵盖最高风险方，包括您要调查的所有相关方。对于低风险客户，可能不包含可解释性。
功能系列
特征系列是相关 AML AI 功能的集合，提供人类可理解的分类，以便为调查人员和内部审核团队提供相关信息。
每个特征系列都涵盖一组特定的事务行为或方特征。此外，一些特征系列有特定的侧重点，以便研究员知道从何处入手。焦点的示例包括：
- 涉及的交易类型：
- 金属丝
- 现金
- 检查
- Card
- 其他
- 交易方向：
- 借记卡（付款方的外汇）
- 贷记项（一方收入）
特征系列归因值
系统会为每个高风险方和每个特征系列提供一个归因分数，以表明特征系列对该方风险分数的贡献。较高的正值表示对提高风险得分的重要贡献。同样，负值表示有助于降低得分。
具有最高正归因值的特征系列可能是与该方调查最相关。
请考虑以下某一特定方的归因值示例：
| 功能系列 | 归因值 |
|---|---|
| 异常的银行卡借记卡活动 | 0.4 |
| 资金流动异常迅速 | 0.8 |
| 异常的电汇扣款活动 | -0.2 |
此示例可作如下说明：
- 该方资金的快速流动对其高风险得分贡献最大。调查可能会从这里开始。
- 异常的银行卡借记卡活动也产生了巨大的影响，因此也应考虑到这一点。
- 该方的电汇借记活动实际上降低了风险评分，因此这不太可能需要检查。