> ## Documentation Index
> Fetch the complete documentation index at: https://docs.didit.me/llms.txt
> Use this file to discover all available pages before exploring further.

# Оценка риска AML: формула расчёта риска сущности

> Didit рассчитывает оценку риска AML на основе страны, категории и судимостей. Настраивайте пороги для автоматизации комплаенс-решений.

**Оценка риска** (Risk Score) представляет собой количественную оценку, определяющую, **насколько рискованным является субъект, обнаруженный при AML-скрининге**. Этот балл используется для определения **итогового AML-статуса** (Одобрена/На проверке/Отклонена) на основе наивысшей оценки риска среди всех совпадений, не являющихся ложными срабатываниями.

> ⚠️ **Важно:** Оценка риска определяет **итоговый AML-статус**, а НЕ классификацию отдельных совпадений. Отдельные совпадения сначала классифицируются как ложные срабатывания или непроверенные с помощью [оценки совпадения](https://docs.didit.me/ru/core-technology/aml-screening/aml-match-score.md).

## Обзор

Каждое совпадение при AML-скрининге получает **оценку риска от 0 до 100**, рассчитываемую путем объединения трех ключевых факторов риска. Этот балл отвечает на вопрос: **«Если это действительно совпадение, насколько рискован этот субъект?»**

### Оценка риска и оценка совпадения

| Аспект | Оценка совпадения | Оценка риска |
| - | - | - |
| **Вопрос** | Это тот же человек? | Насколько рискован этот субъект? |
| **Цель** | Классифицировать совпадения: ложное срабатывание или непроверенное совпадение | Определить итоговый AML-статус |
| **Факторы** | Имя, дата рождения, страна, номер документа | Страна, категория, судимости |
| **Применяется к** | Всем совпадениям | Только к совпадениям, не являющимся ложными срабатываниями |

***

## Как оценка риска определяет итоговый AML-статус

Итоговый AML-статус определяется по **наивысшей оценке риска** среди всех совпадений, которые НЕ классифицированы как ложные срабатывания:

| Наивысшая оценка риска | Итоговый AML-статус |
| - | - |
| Балл ниже порога одобрения | **Одобрена** |
| Балл между порогом одобрения и порогом проверки | **На проверке** |
| Балл выше порога проверки | **Отклонена** |

> **Пороги по умолчанию:**
>
> * Порог одобрения: 80
> * Порог проверки: 100

**Пример:** С порогами по умолчанию:

* Наивысшая оценка риска = 50 → **Одобрена** (низкий риск)
* Наивысшая оценка риска = 90 → **На проверке** (средний риск, требуется ручная проверка)
* Наивысшая оценка риска = 101 (невозможно, но >100) → **Отклонена** (высокий риск)

***

## Формула оценки риска

Итоговая оценка риска рассчитывается как средневзвешенное значение:

```
Risk Score = (Country Score × 0.30) + (Category Score × 0.50) + (Criminal Score × 0.20)
```

| Компонент | Вес | Описание |
| - | - | - |
| **Страна** | 30% | Оценка географического риска на основе факторов ПОД/ФТ |
| **Категория** | 50% | Уровень риска в зависимости от типа записи в списке наблюдения |
| **Судимости** | 20% | Риск, связанный с криминальным прошлым и судимостями |

***

## Уровни риска

На основе рассчитанной оценки риска субъекты делятся на три уровня риска:

| Уровень риска | Диапазон баллов | Описание |
| - | - | - |
| 🟢 **Низкий риск** | \< 30 | Минимальные комплаенс-риски, стандартная комплексная проверка |
| 🟡 **Средний риск** | 30 – 49 | Повышенные риски, рекомендуется усиленная комплексная проверка |
| 🔴 **Высокий риск** | ≥ 50 | Значительные риски, требуется тщательное расследование |

***

## Детали оценки компонентов

### Оценка страны (вес 30%)

Оценка страны отражает присущий юрисдикции риск в сфере ПОД/ФТ (AML/CFT). Среди факторов:

* Риски отмывания денег и финансирования терроризма
* Соответствие рекомендациям FATF
* Наличие международных санкций
* Индексы восприятия коррупции
* Сила нормативно-правовой базы

**Диапазон оценок:** 0-100 (выше = больше риска)

> **Примечание:** Если с совпадением связано несколько стран, в расчёте используется **наивысшая оценка страны**.

#### Оценки риска стран

| Страна | Код | Оценка риска | Уровень риска |
| - | - | - | - |
| 🇮🇷 Иран | `IR` | 81.66 | 🔴 Высокий |
| 🇰🇵 Северная Корея | `KP` | 78.20 | 🔴 Высокий |
| 🇲🇲 Мьянма | `MM` | 75.09 | 🔴 Высокий |
| 🇦🇫 Афганистан | `AF` | 74.63 | 🔴 Высокий |
| 🇸🇾 Сирия | `SY` | 74.49 | 🔴 Высокий |
| 🇭🇹 Гаити | `HT` | 74.30 | 🔴 Высокий |
| 🇨🇩 Демократическая Республика Конго | `CD` | 71.66 | 🔴 Высокий |
| 🇷🇺 Россия | `RU` | 71.25 | 🔴 Высокий |
| 🇻🇪 Венесуэла | `VE` | 71.09 | 🔴 Высокий |
| 🇸🇸 Южный Судан | `SS` | 70.77 | 🔴 Высокий |
| 🇾🇪 Йемен | `YE` | 68.40 | 🔴 Высокий |
| 🇱🇧 Ливан | `LB` | 67.76 | 🔴 Высокий |
| 🇸🇴 Сомали | `SO` | 65.38 | 🔴 Высокий |
| 🇲🇱 Мали | `ML` | 62.78 | 🔴 Высокий |
| 🇱🇾 Ливия | `LY` | 61.96 | 🔴 Высокий |
| 🇲🇿 Мозамбик | `MZ` | 57.15 | 🔴 Высокий |
| 🇧🇮 Бурунди | `BI` | 56.48 | 🔴 Высокий |
| 🇵🇭 Филиппины | `PH` | 56.44 | 🔴 Высокий |
| 🇬🇼 Гвинея-Бисау | `GW` | 55.99 | 🔴 Высокий |
| 🇰🇪 Кения | `KE` | 55.49 | 🔴 Высокий |
| 🇽🇰 Косово | `XK` | 55.49 | 🔴 Высокий |
| 🇪🇷 Эритрея | `ER` | 54.72 | 🔴 Высокий |
| 🇵🇸 Государство Палестина | `PS` | 54.41 | 🔴 Высокий |
| 🇳🇬 Нигерия | `NG` | 54.40 | 🔴 Высокий |
| 🇻🇳 Вьетнам | `VN` | 54.24 | 🔴 Высокий |
| 🇮🇶 Ирак | `IQ` | 54.15 | 🔴 Высокий |
| 🇹🇿 Танзания | `TZ` | 53.22 | 🔴 Высокий |
| 🇭🇷 Хорватия | `HR` | 53.03 | 🔴 Высокий |
| 🇩🇿 Алжир | `DZ` | 52.28 | 🔴 Высокий |
| 🇵🇦 Панама | `PA` | 52.28 | 🔴 Высокий |
| 🇨🇮 Кот-д’Ивуар | `CI` | 51.61 | 🔴 Высокий |
| 🇨🇲 Камерун | `CM` | 51.35 | 🔴 Высокий |
| 🇨🇫 Центральноафриканская Республика | `CF` | 50.98 | 🔴 Высокий |
| 🇸🇩 Судан | `SD` | 49.52 | 🔴 Высокий |
| 🇦🇴 Ангола | `AO` | 49.47 | 🟡 Средний |
| 🇳🇮 Никарагуа | `NI` | 49.07 | 🟡 Средний |
| 🇹🇹 Тринидад и Тобаго | `TT` | 48.45 | 🟡 Средний |
| 🇧🇫 Буркина-Фасо | `BF` | 47.94 | 🟡 Средний |
| 🇹🇷 Турция | `TR` | 47.93 | 🟡 Средний |
| 🇻🇺 Вануату | `VU` | 47.93 | 🟡 Средний |
| 🇳🇪 Нигер | `NE` | 47.02 | 🟡 Средний |
| 🇬🇹 Гватемала | `GT` | 47.01 | 🟡 Средний |
| 🇧🇦 Босния и Герцеговина | `BA` | 46.75 | 🟡 Средний |
| 🇺🇬 Уганда | `UG` | 46.67 | 🟡 Средний |
| 🇿🇦 Южная Африка | `ZA` | 46.60 | 🟡 Средний |
| 🇺🇦 Украина | `UA` | 46.43 | 🟡 Средний |
| 🇨🇳 Китай | `CN` | 45.92 | 🟡 Средний |
| 🇨🇺 Куба | `CU` | 45.89 | 🟡 Средний |
| 🇧🇬 Болгария | `BG` | 45.70 | 🟡 Средний |
| 🇦🇪 Объединенные Арабские Эмираты | `AE` | 45.39 | 🟡 Средний |
| 🇿🇼 Зимбабве | `ZW` | 45.37 | 🟡 Средний |
| 🇦🇱 Албания | `AL` | 45.34 | 🟡 Средний |
| 🇯🇲 Ямайка | `JM` | 45.11 | 🟡 Средний |
| 🇧🇧 Барбадос | `BB` | 45.04 | 🟡 Средний |
| 🇬🇳 Гвинея | `GN` | 44.80 | 🟡 Средний |
| 🇸🇽 Синт-Мартен | `SX` | 44.79 | 🟡 Средний |
| 🇱🇷 Либерия | `LR` | 44.66 | 🟡 Средний |
| 🇷🇸 Сербия | `RS` | 44.26 | 🟡 Средний |
| 🇲🇪 Черногория | `ME` | 43.47 | 🟡 Средний |
| 🇲🇨 Монако | `MC` | 43.13 | 🟡 Средний |
| 🇪🇹 Эфиопия | `ET` | 42.85 | 🟡 Средний |
| 🇩🇯 Джибути | `DJ` | 41.96 | 🟡 Средний |
| 🇳🇦 Намибия | `NA` | 41.83 | 🟡 Средний |
| 🇱🇦 Лаос | `LA` | 41.73 | 🟡 Средний |
| 🇹🇳 Тунис | `TN` | 41.35 | 🟡 Средний |
| 🇬🇮 Гибралтар | `GI` | 41.21 | 🟡 Средний |
| 🇧🇾 Беларусь | `BY` | 41.17 | 🟡 Средний |
| 🇬🇾 Гайана | `GY` | 40.75 | 🟡 Средний |
| 🇰🇲 Коморы | `KM` | 40.50 | 🟡 Средний |
| 🇨🇼 Кюрасао | `CW` | 39.88 | 🟡 Средний |
| 🇵🇰 Пакистан | `PK` | 39.49 | 🟡 Средний |
| 🇸🇱 Сьерра-Леоне | `SL` | 39.44 | 🟡 Средний |
| 🇸🇷 Суринам | `SR` | 39.38 | 🟡 Средний |
| 🇲🇰 Северная Македония | `MK` | 39.14 | 🟡 Средний |
| 🇦🇿 Азербайджан | `AZ` | 38.69 | 🟡 Средний |
| 🇹🇩 Чад | `TD` | 38.54 | 🟡 Средний |
| 🇰🇮 Кирибати | `KI` | 37.94 | 🟡 Средний |
| 🇰🇭 Камбоджа | `KH` | 37.90 | 🟡 Средний |
| 🇬🇶 Экваториальная Гвинея | `GQ` | 37.90 | 🟡 Средний |
| 🇸🇨 Сейшельские Острова | `SC` | 37.60 | 🟡 Средний |
| 🇲🇩 Молдова | `MD` | 37.54 | 🟡 Средний |
| 🇧🇿 Белиз | `BZ` | 37.48 | 🟡 Средний |
| 🇭🇰 Гонконг | `HK` | 37.47 | 🟡 Средний |
| 🇨🇴 Колумбия | `CO` | 37.26 | 🟡 Средний |
| 🇵🇬 Папуа-Новая Гвинея | `PG` | 37.20 | 🟡 Средний |
| 🇸🇿 Эсватини | `SZ` | 37.00 | 🟡 Средний |
| 🇦🇬 Антигуа и Барбуда | `AG` | 36.74 | 🟡 Средний |
| 🇻🇬 Британские Виргинские Острова | `VG` | 36.70 | 🟡 Средний |
| 🇸🇹 Сан-Томе и Принсипи | `ST` | 36.64 | 🟡 Средний |
| 🇧🇯 Бенин | `BJ` | 36.60 | 🟡 Средний |
| 🇲🇻 Мальдивы | `MV` | 36.20 | 🟡 Средний |
| 🇱🇨 Сент-Люсия | `LC` | 36.18 | 🟡 Средний |
| 🇰🇳 Сент-Китс и Невис | `KN` | 36.03 | 🟡 Средний |
| 🇫🇲 Микронезия | `FM` | 35.97 | 🟡 Средний |
| 🇹🇻 Тувалу | `TV` | 35.94 | 🟡 Средний |
| 🇨🇬 Конго | `CG` | 35.92 | 🟡 Средний |
| 🇹🇯 Таджикистан | `TJ` | 35.90 | 🟡 Средний |
| 🇸🇳 Сенегал | `SN` | 35.88 | 🟡 Средний |
| 🇵🇾 Парагвай | `PY` | 35.77 | 🟡 Средний |
| 🇹🇭 Таиланд | `TH` | 35.71 | 🟡 Средний |
| 🇼🇸 Самоа | `WS` | 35.68 | 🟡 Средний |
| 🇬🇦 Габон | `GA` | 35.54 | 🟡 Средний |
| 🇪🇨 Эквадор | `EC` | 35.29 | 🟡 Средний |
| 🇭🇳 Гондурас | `HN` | 35.28 | 🟡 Средний |
| 🇸🇻 Сальвадор | `SV` | 35.15 | 🟡 Средний |
| 🇲🇽 Мексика | `MX` | 35.01 | 🟡 Средний |
| 🇹🇬 Того | `TG` | 35.01 | 🟡 Средний |
| 🇧🇷 Бразилия | `BR` | 34.94 | 🟡 Средний |
| 🇬🇩 Гренада | `GD` | 34.87 | 🟡 Средний |
| 🇹🇲 Туркменистан | `TM` | 34.75 | 🟡 Средний |
| 🇦🇷 Аргентина | `AR` | 34.71 | 🟡 Средний |
| 🇲🇬 Мадагаскар | `MG` | 34.67 | 🟡 Средний |
| 🇸🇮 Словения | `SI` | 34.62 | 🟡 Средний |
| 🇳🇵 Непал | `NP` | 34.60 | 🟡 Средний |
| 🇰🇬 Кыргызстан | `KG` | 34.54 | 🟡 Средний |
| 🇹🇱 Восточный Тимор | `TL` | 34.50 | 🟡 Средний |
| 🇮🇩 Индонезия | `ID` | 34.44 | 🟡 Средний |
| 🇬🇭 Гана | `GH` | 34.18 | 🟡 Средний |
| 🇦🇮 Ангилья | `AI` | 34.17 | 🟡 Средний |
| 🇻🇨 Сент-Винсент и Гренадины | `VC` | 34.08 | 🟡 Средний |
| 🇨🇷 Коста-Рика | `CR` | 33.84 | 🟡 Средний |
| 🇧🇴 Боливия | `BO` | 33.75 | 🟡 Средний |
| 🇧🇸 Багамские Острова | `BS` | 33.48 | 🟡 Средний |
| 🇩🇲 Доминика | `DM` | 33.16 | 🟡 Средний |
| 🇹🇴 Тонга | `TO` | 33.13 | 🟡 Средний |
| 🇪🇭 Западная Сахара | `EH` | 33.03 | 🟡 Средний |
| 🇵🇪 Перу | `PE` | 32.99 | 🟡 Средний |
| 🇰🇾 Каймановы Острова | `KY` | 32.89 | 🟡 Средний |
| 🇨🇾 Кипр | `CY` | 32.74 | 🟡 Средний |
| 🇦🇲 Армения | `AM` | 32.69 | 🟡 Средний |
| 🇨🇻 Кабо-Верде | `CV` | 32.61 | 🟡 Средний |
| 🇳🇺 Ниуэ | `NU` | 32.38 | 🟡 Средний |
| 🇵🇼 Палау | `PW` | 32.18 | 🟡 Средний |
| 🇲🇾 Малайзия | `MY` | 32.16 | 🟡 Средний |
| 🇸🇧 Соломоновы Острова | `SB` | 32.08 | 🟡 Средний |
| 🇮🇳 Индия | `IN` | 32.02 | 🟡 Средний |
| 🇮🇱 Израиль | `IL` | 31.77 | 🟡 Средний |
| 🇬🇲 Гамбия | `GM` | 31.70 | 🟡 Средний |
| 🇦🇼 Аруба | `AW` | 31.64 | 🟡 Средний |
| 🇲🇸 Монтсеррат | `MS` | 31.63 | 🟡 Средний |
| 🇧🇭 Бахрейн | `BH` | 31.61 | 🟡 Средний |
| 🇰🇼 Кувейт | `KW` | 31.52 | 🟡 Средний |
| 🇱🇸 Лесото | `LS` | 31.50 | 🟡 Средний |
| 🇩🇴 Доминиканская Республика | `DO` | 31.28 | 🟡 Средний |
| 🇪🇬 Египет | `EG` | 31.17 | 🟡 Средний |
| 🇲🇭 Маршалловы Острова | `MH` | 31.11 | 🟡 Средний |
| 🇲🇷 Мавритания | `MR` | 31.08 | 🟡 Средний |
| 🇹🇨 Тёркс и Кайкос | `TC` | 31.08 | 🟡 Средний |
| 🇧🇩 Бангладеш | `BD` | 30.99 | 🟡 Средний |
| 🇫🇯 Фиджи | `FJ` | 30.88 | 🟡 Средний |
| 🇳🇷 Науру | `NR` | 30.84 | 🟡 Средний |
| 🇺🇿 Узбекистан | `UZ` | 30.78 | 🟡 Средний |
| 🇱🇰 Шри-Ланка | `LK` | 30.67 | 🟡 Средний |
| 🇲🇦 Марокко | `MA` | 30.03 | 🟡 Средний |
| 🇯🇴 Иордания | `JO` | 29.73 | 🟢 Низкий |
| 🇲🇺 Маврикий | `MU` | 29.73 | 🟢 Низкий |
| 🇬🇪 Грузия | `GE` | 29.40 | 🟢 Низкий |
| 🇰🇿 Казахстан | `KZ` | 28.92 | 🟢 Низкий |
| 🇸🇰 Словакия | `SK` | 28.88 | 🟢 Низкий |
| 🇲🇳 Монголия | `MN` | 28.82 | 🟢 Низкий |
| 🇷🇼 Руанда | `RW` | 28.82 | 🟢 Низкий |
| 🇲🇼 Малави | `MW` | 28.76 | 🟢 Низкий |
| 🇭🇺 Венгрия | `HU` | 28.70 | 🟢 Низкий |
| 🇷🇴 Румыния | `RO` | 28.62 | 🟢 Низкий |
| 🇲🇹 Мальта | `MT` | 28.46 | 🟢 Низкий |
| 🇸🇦 Саудовская Аравия | `SA` | 28.32 | 🟢 Низкий |
| 🇿🇲 Замбия | `ZM` | 28.16 | 🟢 Низкий |
| 🇨🇰 Острова Кука | `CK` | 28.13 | 🟢 Низкий |
| 🇵🇱 Польша | `PL` | 28.13 | 🟢 Низкий |
| 🇴🇲 Оман | `OM` | 27.90 | 🟢 Низкий |
| 🇹🇼 Тайвань | `TW` | 27.90 | 🟢 Низкий |
| 🇨🇱 Чили | `CL` | 27.74 | 🟢 Низкий |
| 🇧🇹 Бутан | `BT` | 27.70 | 🟢 Низкий |
| 🇮🇹 Италия | `IT` | 27.66 | 🟢 Низкий |
| 🇧🇼 Ботсвана | `BW` | 27.50 | 🟢 Низкий |
| 🇧🇶 Карибские Нидерланды | `BQ` | 27.23 | 🟢 Низкий |
| 🇳🇱 Нидерланды | `NL` | 27.23 | 🟢 Низкий |
| 🇬🇷 Греция | `GR` | 26.70 | 🟢 Низкий |
| 🇮🇲 Остров Мэн | `IM` | 26.69 | 🟢 Низкий |
| 🇻🇮 Американские Виргинские Острова | `VI` | 26.64 | 🟢 Низкий |
| 🇮🇪 Ирландия | `IE` | 25.95 | 🟢 Низкий |
| 🇪🇸 Испания | `ES` | 25.71 | 🟢 Низкий |
| 🇨🇿 Чехия | `CZ` | 25.46 | 🟢 Низкий |
| 🇧🇪 Бельгия | `BE` | 25.38 | 🟢 Низкий |
| 🇸🇬 Сингапур | `SG` | 25.31 | 🟢 Низкий |
| 🇺🇸 США | `US` | 25.22 | 🟢 Низкий |
| 🇱🇻 Латвия | `LV` | 25.16 | 🟢 Низкий |
| 🇲🇴 Макао | `MO` | 25.07 | 🟢 Низкий |
| 🇨🇦 Канада | `CA` | 24.95 | 🟢 Низкий |
| 🇬🇧 Великобритания | `GB` | 24.79 | 🟢 Низкий |
| 🇶🇦 Катар | `QA` | 24.70 | 🟢 Низкий |
| 🇨🇭 Швейцария | `CH` | 24.51 | 🟢 Низкий |
| 🇲🇵 Северные Марианские Острова | `MP` | 24.19 | 🟢 Низкий |
| 🇦🇸 Американское Самоа | `AS` | 24.10 | 🟢 Низкий |
| 🇬🇺 Гуам | `GU` | 24.10 | 🟢 Низкий |
| 🇯🇵 Япония | `JP` | 23.94 | 🟢 Низкий |
| 🇩🇪 Германия | `DE` | 23.52 | 🟢 Низкий |
| 🇰🇷 Южная Корея | `KR` | 23.48 | 🟢 Низкий |
| 🇱🇺 Люксембург | `LU` | 23.41 | 🟢 Низкий |
| 🇵🇹 Португалия | `PT` | 23.40 | 🟢 Низкий |
| 🇱🇮 Лихтенштейн | `LI` | 23.23 | 🟢 Низкий |
| 🇦🇩 Андорра | `AD` | 22.55 | 🟢 Низкий |
| 🇦🇹 Австрия | `AT` | 22.38 | 🟢 Низкий |
| 🇻🇦 Святой Престол | `VA` | 22.17 | 🟢 Низкий |
| 🇦🇺 Австралия | `AU` | 22.12 | 🟢 Низкий |
| 🇵🇷 Пуэрто-Рико | `PR` | 22.11 | 🟢 Низкий |
| 🇱🇹 Литва | `LT` | 22.08 | 🟢 Низкий |
| 🇺🇾 Уругвай | `UY` | 22.06 | 🟢 Низкий |
| 🇧🇲 Бермудские Острова | `BM` | 21.85 | 🟢 Низкий |
| 🇫🇷 Франция | `FR` | 21.71 | 🟢 Низкий |
| 🇧🇳 Бруней | `BN` | 21.40 | 🟢 Низкий |
| 🇪🇪 Эстония | `EE` | 21.37 | 🟢 Низкий |
| 🇫🇰 Фолклендские Острова | `FK` | 21.20 | 🟢 Низкий |
| 🇸🇭 Остров Святой Елены | `SH` | 21.20 | 🟢 Низкий |
| 🇬🇫 Французская Гвиана | `GF` | 21.05 | 🟢 Низкий |
| 🇵🇫 Французская Полинезия | `PF` | 21.05 | 🟢 Низкий |
| 🇬🇵 Гваделупа | `GP` | 21.05 | 🟢 Низкий |
| 🇲🇶 Мартиника | `MQ` | 21.05 | 🟢 Низкий |
| 🇳🇨 Новая Каледония | `NC` | 21.05 | 🟢 Низкий |
| 🇧🇱 Сен-Бартелеми | `BL` | 21.05 | 🟢 Низкий |
| 🇲🇫 Сен-Мартен | `MF` | 21.05 | 🟢 Низкий |
| 🇵🇲 Сен-Пьер и Микелон | `PM` | 21.05 | 🟢 Низкий |
| 🇼🇫 Уоллис и Футуна | `WF` | 21.05 | 🟢 Низкий |
| 🇮🇸 Исландия | `IS` | 21.04 | 🟢 Низкий |
| 🇬🇱 Гренландия | `GL` | 19.43 | 🟢 Низкий |
| 🇳🇿 Новая Зеландия | `NZ` | 19.19 | 🟢 Низкий |
| 🇹🇰 Токелау | `TK` | 19.18 | 🟢 Низкий |
| 🇸🇲 Сан-Марино | `SM` | 19.10 | 🟢 Низкий |
| 🇸🇪 Швеция | `SE` | 18.85 | 🟢 Низкий |
| 🇩🇰 Дания | `DK` | 18.46 | 🟢 Низкий |
| 🇫🇴 Фарерские острова | `FO` | 18.46 | 🟢 Низкий |
| 🇫🇮 Финляндия | `FI` | 18.01 | 🟢 Низкий |
| 🇳🇴 Норвегия | `NO` | 17.62 | 🟢 Низкий |

233 страны · Оценки риска на основе факторов AML/CFT

***

### Оценка категории (вес 50%)

Оценка категории отражает уровень присущего риска в зависимости от типа списка наблюдения, в котором фигурирует субъект. Это компонент с **наибольшим весом**, поскольку тип списка напрямую указывает на регуляторный и комплаенс-риск.

| Категория | Оценка | Описание |
| - | - | - |
| **Санкции** | 100 | Включение в международные санкционные списки (OFAC, ООН, ЕС и др.) |
| **PEP** | 100 | Политически значимое лицо (общая классификация) |
| **PEP уровень 1** | 100 | Главы государств, высшие государственные чиновники, судьи верховных судов |
| **Предупреждения и регуляторные меры** | 95 | Предостережения регуляторов, правоприменительные меры |
| **Неплатежеспособность** | 80 | Процедуры банкротства и ликвидации |
| **PEP уровень 2** | 80 | Члены парламента, высокопоставленные военнослужащие, послы |
| **SIE** | 75 | Предприятие под влиянием государства (SIE) — компании со связями с государством |
| **SIP** | 75 | Лицо под влиянием государства (SIP) — лица с влиянием на государственном уровне |
| **PEP уровень 3** | 70 | Региональные государственные служащие, мэры городов, судьи |
| **Профессиональная пригодность и добропорядочность** | 65 | Оценки профессиональной пригодности в сфере финансовых услуг, регуляторные проверки |
| **Негативные публикации в СМИ** | 60 | Негативные публикации в СМИ, связанные с финансовыми преступлениями |
| **PEP уровня 4** | 55 | Чиновники низшего звена, члены политических партий |
| **Предприниматель** | 55 | Известные представители бизнеса с потенциальной подверженностью риску |
| **Компания** | 40 | Компании, фигурирующие в списке наблюдения |

> **Примечание.** Если совпадение относится к нескольким категориям, используется **наивысшая оценка категории**.

#### Уровни риска категорий

```
┌─────────────────────────────────────────────────────────────────┐
│  CRITICAL (100)     │ Sanctions, PEP, PEP Level 1              │
├─────────────────────────────────────────────────────────────────┤
│  VERY HIGH (80-95)  │ Warnings, Insolvency, PEP Level 2        │
├─────────────────────────────────────────────────────────────────┤
│  HIGH (70-79)       │ SIE, SIP, PEP Level 3                    │
├─────────────────────────────────────────────────────────────────┤
│  ELEVATED (55-69)   │ Fitness/Probity, Adverse Media, PEP L4   │
├─────────────────────────────────────────────────────────────────┤
│  MODERATE (40-54)   │ Business, Businessperson                 │
└─────────────────────────────────────────────────────────────────┘
```

***

### Оценка уголовного прошлого (вес 20%)

Компонент уголовного прошлого оценивает наличие уголовного прошлого, связанного с субъектом.

| Статус уголовного прошлого | Оценка | Описание |
| - | - | - |
| **Осуждён судом** | 100 | Субъект был осуждён за уголовное преступление |
| **Приведено в исполнение уголовное наказание** | 90 | Уголовные наказания или штрафы в отношении субъекта были приведены в исполнение |
| **Нет уголовных записей** | 0 | Нет известных сведений об уголовном прошлом |

> **Примечание.** Записи об уголовном прошлом имеют значительный вес, несмотря на долю в 20%, поскольку обвинительный приговор может кардинально изменить профиль риска субъекта.

***

## Параметры конфигурации

### Пороги оценки риска (определяют итоговый AML-статус)

| Настройка | По умолчанию | Описание |
| - | - | - |
| Порог одобрения | 80 | Оценки риска ниже этого значения приводят к статусу **Одобрена** |
| Порог проверки | 100 | Оценки риска выше этого значения приводят к статусу **Отклонена**. Оценки между порогами приводят к статусу **На проверке**. |

### Порог оценки совпадения (определяет классификацию совпадений)

| Настройка | По умолчанию | Описание |
| - | - | - |
| Порог оценки совпадения | 93 | При оценке совпадения ниже этого значения совпадения классифицируются как **Ложное срабатывание**. В оценку риска включаются только те совпадения, которые не являются ложными срабатываниями. |

***

## Полный процесс: от скрининга до итогового статуса

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                           AML SCREENING FLOW                                 │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  1. SCREEN AGAINST WATCHLISTS                                               │
│     └── Returns list of potential hits (match score ≥ 75%)                  │
│                                                                             │
│  2. FOR EACH HIT: CALCULATE MATCH SCORE                                     │
│     Match Score = (Name × W1) + (DOB × W2) + (Country × W3)                │
│     + Golden Key document number logic                                      │
│                                                                             │
│  3. CLASSIFY HITS BY MATCH SCORE                                            │
│     ├── Match Score < 93 → FALSE POSITIVE (excluded)                        │
│     └── Match Score ≥ 93 → UNREVIEWED (included)                            │
│                                                                             │
│  4. FOR EACH UNREVIEWED HIT: CALCULATE RISK SCORE                           │
│     Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%)     │
│                                                                             │
│  5. DETERMINE FINAL AML STATUS                                              │
│     If no non-false-positive hits → APPROVED                                │
│     Else, based on HIGHEST RISK SCORE:                                      │
│     ├── Risk Score < 86 → APPROVED                                          │
│     ├── 86 ≤ Risk Score ≤ 100 → IN REVIEW                                   │
│     └── Risk Score > 100 → DECLINED                                         │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘
```

***

## Примеры расчёта

### Пример 1: PEP высокого риска из подсанкционной страны

**Данные совпадения:**

* Страна: Иран (оценка: 81.66)
* Категория: Санкции (оценка: 100)
* Уголовные записи: нет (оценка: 0)

**Расчёт оценки риска:**

```
Risk Score = (81.66 × 0.30) + (100 × 0.50) + (0 × 0.20)
           = 24.50 + 50.00 + 0.00
           = 74.50
```

**Результат:** оценка риска 74.50 → уровень риска субъекта: **Высокий** 🔴

* Если это наивысшая оценка риска среди непроверенных совпадений и установлены пороги по умолчанию (86/100):
* 74.50 \< 86 → итоговый AML-статус: **Одобрена** (субъект несёт риски, но оценка ниже порога проверки)

### Пример 2: PEP уровня 1 из страны высокого риска

**Данные совпадения:**

* Страна: Россия (оценка: 71.25)
* Категория: PEP уровня 1 (оценка: 100)
* Уголовные записи: осуждён судом (оценка: 100)

**Расчёт оценки риска:**

```
Risk Score = (71.25 × 0.30) + (100 × 0.50) + (100 × 0.20)
           = 21.38 + 50.00 + 20.00
           = 91.38
```

**Результат:** оценка риска 91.38 → уровень риска субъекта: **Высокий** 🔴

* При порогах по умолчанию (86/100): 86 ≤ 91.38 ≤ 100 → итоговый AML-статус: **На проверке**

### Пример 3: Бизнес-субъект низкого риска

**Данные совпадения:**

* Страна: Великобритания (оценка: 24.79)
* Категория: Компания (оценка: 40)
* Уголовные записи: нет (оценка: 0)

**Расчёт оценки риска:**

```
Risk Score = (24.79 × 0.30) + (40 × 0.50) + (0 × 0.20)
           = 7.44 + 20.00 + 0.00
           = 27.44
```

**Результат:** оценка риска 27.44 → уровень риска субъекта: **Низкий** 🟢

* При порогах по умолчанию (86/100): 27.44 \< 86 → итоговый AML-статус: **Одобрена**

***

## Пример ответа API

Каждое совпадение в ответе AML содержит обе оценки:

```json theme={null}
{
  "caption": "John Doe",
  "match_score": 95,
  "risk_score": 74.5,
  "review_status": "Unreviewed",
  "properties": {
    "countries": ["IR"],
    "topics": ["sanction"]
  }
}
```

Общий результат AML содержит итоговый статус, основанный на наивысшей оценке риска:

```json theme={null}
{
  "status": "In Review",
  "total_hits": 3,
  "score": 91,
  "hits": [
    {
      "caption": "John Doe",
      "match_score": 95,
      "risk_score": 91,
      "review_status": "Unreviewed"
    },
    {
      "caption": "Johnny D.",
      "match_score": 88,
      "risk_score": 45,
      "review_status": "False Positive"
    },
    {
      "caption": "J. Doe",
      "match_score": 94,
      "risk_score": 65,
      "review_status": "Unreviewed"
    }
  ]
}
```

В этом примере:

* Совпадение 2 классифицировано как ложное срабатывание (match\_score 88 \< порог 93), поэтому оно исключается
* Наивысший risk\_score среди непроверенных совпадений равен 91 (из совпадения 1)
* 86 ≤ 91 ≤ 100 → итоговый статус: **На проверке**

***

## Управление статусом проверки совпадений

Вы можете вручную изменить статус проверки каждого совпадения после первичной классификации:

| Статус | Описание |
| - | - |
| **Не проверено** | Начальный статус для совпадений с оценкой совпадения ≥ порога |
| **Ложное срабатывание** | Начальный статус для совпадений с оценкой совпадения \< порога (или помеченных вручную) |
| **Подтверждённое совпадение** | Вручную подтверждено, что это то же самое лицо |
| **Не определено** | Не удалось определить, является ли совпадение тем же лицом |

> [!NOTE]
>
> ### **Совет:** обновить статус проверки совпадения можно в Console, перейдя к обзору AML или нажав на подробные сведения о конкретном совпадении.

***

## Рекомендации

1. **Учитывайте систему из двух оценок** — оценка совпадения отфильтровывает ложные срабатывания, а оценка риска определяет срочность проверки.

2. **Проверяйте совпадения высокого риска в первую очередь** — используйте оценку риска для определения приоритетов в работе комплаенс-команды среди непроверенных совпадений.

3. **Настраивайте пороги в соответствии со своим риск-аппетитом:**
   * Снижение порога оценки совпадения → больше совпадений считаются непроверенными
   * Снижение порога одобрения → больше сессий одобряются автоматически
   * Снижение порога проверки → больше сессий отклоняются автоматически

4. **Фиксируйте принятые решения** — при ручной проверке совпадений документируйте причины одобрения или передачи на дальнейшее рассмотрение, основываясь как на уверенности в совпадении, так и на факторах риска.

5. **Отслеживайте тенденции** — наблюдайте за распределением совпадений в вашей организации по оценке совпадения и по уровню риска для выявления закономерностей.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.