> ## 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. # AML 风险评分：实体风险计算公式 > 了解 Didit 如何根据国家/地区、类别及犯罪记录等因素计算 AML 风险评分。通过调整阈值实现 AML 决策自动化。 **风险评分**是一项定量评估，用于评估 **AML 命中实体的风险程度**。该评分用于根据所有非误报命中中的最高风险评分来确定**最终 AML 状态**（已通过/审核中/已拒绝）。 > ⚠️ **重要提示：**风险评分决定的是**最终 AML 状态**，而**非**单个命中的分类。首先使用[匹配分数](https://docs.didit.me/zh/core-technology/aml-screening/aml-match-score.md)将单个命中归类为误报或未审核。 ## 概述 每个 AML 命中都会获得一个 **0-100 的风险评分**，该评分由三个关键风险因素结合计算得出。该评分回答了这样一个问题：**“如果这是一个真实匹配，该实体的风险有多高？”** ### 风险评分对比匹配分数 | 方面 | 匹配分数 | 风险评分 | | - | - | - | | **问题** | 这是同一个人吗？ | 该实体的风险有多高？ | | **用途** | 将命中分类为误报与未审核 | 确定最终 AML 状态 | | **因素** | 姓名、出生日期、国家/地区、证件号码 | 国家/地区、类别、犯罪记录 | | **适用于** | 所有命中 | 仅限非误报命中 | *** ## 风险评分如何决定最终 AML 状态 最终 AML 状态由所有**未**归类为误报的命中中的**最高风险评分**决定： | 最高风险评分 | 最终 AML 状态 | | - | - | | 低于通过阈值的评分 | **已通过** | | 介于通过阈值和审核阈值之间的评分 | **审核中** | | 高于审核阈值的评分 | **已拒绝** | > **默认阈值：** > > * 通过阈值：80 > * 审核阈值：100 **示例：**在默认阈值下： * 最高风险评分 = 50 → **已通过**（低风险） * 最高风险评分 = 90 → **审核中**（中风险，需要人工审核） * 最高风险评分 = 101（不可能出现，但 >100）→ **已拒绝**（高风险） *** ## 风险评分公式 总体风险评分使用加权平均值计算： ``` Risk Score = (Country Score × 0.30) + (Category Score × 0.50) + (Criminal Score × 0.20) ``` | 组成部分 | 权重 | 说明 | | - | - | - | | **国家/地区** | 30% | 基于 AML/CFT 因素的地理风险评估 | | **类别** | 50% | 基于观察名单条目类型的风险等级 | | **犯罪记录** | 20% | 犯罪历史及定罪带来的风险 | *** ## 风险等级 根据计算得出的风险评分，实体被划分为三个风险等级： | 风险等级 | 分数范围 | 说明 | | - | - | - | | 🟢 **低风险** | \< 30 | 合规顾虑极低，进行标准尽职调查 | | 🟡 **中风险** | 30 – 49 | 顾虑上升，建议执行强化尽职调查 | | 🔴 **高风险** | ≥ 50 | 重大顾虑，需要进行全面调查 | *** ## 各组件评分详情 ### 国家/地区评分 (30% 权重) 国家/地区评分反映了某个司法管辖区固有的 AML/CFT 风险。考量因素包括： * 洗钱和恐怖主义融资风险 * 对 FATF 建议的合规情况 * 是否存在国际制裁 * 清廉指数（腐败感知指数） * 监管框架完备程度 **评分范围：**0-100（分数越高 = 风险越大） > **注意：**当命中结果关联多个国家/地区时，计算中将采用**最高国家/地区评分**。 #### 国家/地区风险评分 | 国家/地区 | 代码 | 风险评分 | 风险等级 | | - | - | - | - | | 🇮🇷 伊朗 | `IR` | 81.66 | 🔴 高 | | 🇰🇵 朝鲜 | `KP` | 78.20 | 🔴 高 | | 🇲🇲 缅甸 | `MM` | 75.09 | 🔴 高 | | 🇦🇫 阿富汗 | `AF` | 74.63 | 🔴 高 | | 🇸🇾 叙利亚 | `SY` | 74.49 | 🔴 高 | | 🇭🇹 海地 | `HT` | 74.30 | 🔴 高 | | 🇨🇩 刚果民主共和国 | `CD` | 71.66 | 🔴 高 | | 🇷🇺 俄罗斯 | `RU` | 71.25 | 🔴 高 | | 🇻🇪 委内瑞拉 | `VE` | 71.09 | 🔴 高 | | 🇸🇸 南苏丹 | `SS` | 70.77 | 🔴 高 | | 🇾🇪 也门 | `YE` | 68.40 | 🔴 高 | | 🇱🇧 黎巴嫩 | `LB` | 67.76 | 🔴 高 | | 🇸🇴 索马里 | `SO` | 65.38 | 🔴 高 | | 🇲🇱 马里 | `ML` | 62.78 | 🔴 高 | | 🇱🇾 利比亚 | `LY` | 61.96 | 🔴 高 | | 🇲🇿 莫桑比克 | `MZ` | 57.15 | 🔴 高 | | 🇧🇮 布隆迪 | `BI` | 56.48 | 🔴 高 | | 🇵🇭 菲律宾 | `PH` | 56.44 | 🔴 高 | | 🇬🇼 几内亚比绍 | `GW` | 55.99 | 🔴 高 | | 🇰🇪 肯尼亚 | `KE` | 55.49 | 🔴 高 | | 🇽🇰 科索沃 | `XK` | 55.49 | 🔴 高 | | 🇪🇷 厄立特里亚 | `ER` | 54.72 | 🔴 高 | | 🇵🇸 巴勒斯坦国 | `PS` | 54.41 | 🔴 高 | | 🇳🇬 尼日利亚 | `NG` | 54.40 | 🔴 高 | | 🇻🇳 越南 | `VN` | 54.24 | 🔴 高 | | 🇮🇶 伊拉克 | `IQ` | 54.15 | 🔴 高 | | 🇹🇿 坦桑尼亚 | `TZ` | 53.22 | 🔴 高 | | 🇭🇷 克罗地亚 | `HR` | 53.03 | 🔴 高 | | 🇩🇿 阿尔及利亚 | `DZ` | 52.28 | 🔴 高 | | 🇵🇦 巴拿马 | `PA` | 52.28 | 🔴 高 | | 🇨🇮 科特迪瓦 | `CI` | 51.61 | 🔴 高 | | 🇨🇲 喀麦隆 | `CM` | 51.35 | 🔴 高 | | 🇨🇫 中非共和国 | `CF` | 50.98 | 🔴 高 | | 🇸🇩 苏丹 | `SD` | 49.52 | 🔴 高 | | 🇦🇴 安哥拉 | `AO` | 49.47 | 🟡 中 | | 🇳🇮 尼加拉瓜 | `NI` | 49.07 | 🟡 中 | | 🇹🇹 特立尼达和多巴哥 | `TT` | 48.45 | 🟡 中 | | 🇧🇫 布基纳法索 | `BF` | 47.94 | 🟡 中 | | 🇹🇷 土耳其 | `TR` | 47.93 | 🟡 中 | | 🇻🇺 瓦努阿图 | `VU` | 47.93 | 🟡 中 | | 🇳🇪 尼日尔 | `NE` | 47.02 | 🟡 中 | | 🇬🇹 危地马拉 | `GT` | 47.01 | 🟡 中 | | 🇧🇦 波斯尼亚和黑塞哥维那 | `BA` | 46.75 | 🟡 中 | | 🇺🇬 乌干达 | `UG` | 46.67 | 🟡 中 | | 🇿🇦 南非 | `ZA` | 46.60 | 🟡 中 | | 🇺🇦 乌克兰 | `UA` | 46.43 | 🟡 中 | | 🇨🇳 中国 | `CN` | 45.92 | 🟡 中 | | 🇨🇺 古巴 | `CU` | 45.89 | 🟡 中 | | 🇧🇬 保加利亚 | `BG` | 45.70 | 🟡 中 | | 🇦🇪 阿拉伯联合酋长国 | `AE` | 45.39 | 🟡 中 | | 🇿🇼 津巴布韦 | `ZW` | 45.37 | 🟡 中 | | 🇦🇱 阿尔巴尼亚 | `AL` | 45.34 | 🟡 中 | | 🇯🇲 牙买加 | `JM` | 45.11 | 🟡 中 | | 🇧🇧 巴巴多斯 | `BB` | 45.04 | 🟡 中 | | 🇬🇳 几内亚 | `GN` | 44.80 | 🟡 中 | | 🇸🇽 荷属圣马丁 | `SX` | 44.79 | 🟡 中 | | 🇱🇷 利比里亚 | `LR` | 44.66 | 🟡 中 | | 🇷🇸 塞尔维亚 | `RS` | 44.26 | 🟡 中 | | 🇲🇪 黑山 | `ME` | 43.47 | 🟡 中 | | 🇲🇨 摩纳哥 | `MC` | 43.13 | 🟡 中 | | 🇪🇹 埃塞俄比亚 | `ET` | 42.85 | 🟡 中 | | 🇩🇯 吉布提 | `DJ` | 41.96 | 🟡 中 | | 🇳🇦 纳米比亚 | `NA` | 41.83 | 🟡 中 | | 🇱🇦 老挝 | `LA` | 41.73 | 🟡 中 | | 🇹🇳 突尼斯 | `TN` | 41.35 | 🟡 中 | | 🇬🇮 直布罗陀 | `GI` | 41.21 | 🟡 中 | | 🇧🇾 白俄罗斯 | `BY` | 41.17 | 🟡 中 | | 🇬🇾 圭亚那 | `GY` | 40.75 | 🟡 中 | | 🇰🇲 科摩罗 | `KM` | 40.50 | 🟡 中 | | 🇨🇼 库拉索 | `CW` | 39.88 | 🟡 中 | | 🇵🇰 巴基斯坦 | `PK` | 39.49 | 🟡 中 | | 🇸🇱 塞拉利昂 | `SL` | 39.44 | 🟡 中 | | 🇸🇷 苏里南 | `SR` | 39.38 | 🟡 中 | | 🇲🇰 北马其顿 | `MK` | 39.14 | 🟡 中 | | 🇦🇿 阿塞拜疆 | `AZ` | 38.69 | 🟡 中 | | 🇹🇩 乍得 | `TD` | 38.54 | 🟡 中 | | 🇰🇮 基里巴斯 | `KI` | 37.94 | 🟡 中 | | 🇰🇭 柬埔寨 | `KH` | 37.90 | 🟡 中 | | 🇬🇶 赤道几内亚 | `GQ` | 37.90 | 🟡 中 | | 🇸🇨 塞舌尔 | `SC` | 37.60 | 🟡 中 | | 🇲🇩 摩尔多瓦 | `MD` | 37.54 | 🟡 中 | | 🇧🇿 伯利兹 | `BZ` | 37.48 | 🟡 中 | | 🇭🇰 中国香港 | `HK` | 37.47 | 🟡 中 | | 🇨🇴 哥伦比亚 | `CO` | 37.26 | 🟡 中 | | 🇵🇬 巴布亚新几内亚 | `PG` | 37.20 | 🟡 中 | | 🇸🇿 斯威士兰 | `SZ` | 37.00 | 🟡 中 | | 🇦🇬 安提瓜和巴布达 | `AG` | 36.74 | 🟡 中 | | 🇻🇬 英属维尔京群岛 | `VG` | 36.70 | 🟡 中 | | 🇸🇹 圣多美和普林西比 | `ST` | 36.64 | 🟡 中 | | 🇧🇯 贝宁 | `BJ` | 36.60 | 🟡 中 | | 🇲🇻 马尔代夫 | `MV` | 36.20 | 🟡 中 | | 🇱🇨 圣卢西亚 | `LC` | 36.18 | 🟡 中 | | 🇰🇳 圣基茨和尼维斯 | `KN` | 36.03 | 🟡 中 | | 🇫🇲 密克罗尼西亚 | `FM` | 35.97 | 🟡 中 | | 🇹🇻 图瓦卢 | `TV` | 35.94 | 🟡 中 | | 🇨🇬 刚果 | `CG` | 35.92 | 🟡 中 | | 🇹🇯 塔吉克斯坦 | `TJ` | 35.90 | 🟡 中 | | 🇸🇳 塞内加尔 | `SN` | 35.88 | 🟡 中 | | 🇵🇾 巴拉圭 | `PY` | 35.77 | 🟡 中 | | 🇹🇭 泰国 | `TH` | 35.71 | 🟡 中 | | 🇼🇸 萨摩亚 | `WS` | 35.68 | 🟡 中 | | 🇬🇦 加蓬 | `GA` | 35.54 | 🟡 中 | | 🇪🇨 厄瓜多尔 | `EC` | 35.29 | 🟡 中 | | 🇭🇳 洪都拉斯 | `HN` | 35.28 | 🟡 中 | | 🇸🇻 萨尔瓦多 | `SV` | 35.15 | 🟡 中 | | 🇲🇽 墨西哥 | `MX` | 35.01 | 🟡 中 | | 🇹🇬 多哥 | `TG` | 35.01 | 🟡 中 | | 🇧🇷 巴西 | `BR` | 34.94 | 🟡 中 | | 🇬🇩 格林纳达 | `GD` | 34.87 | 🟡 中 | | 🇹🇲 土库曼斯坦 | `TM` | 34.75 | 🟡 中 | | 🇦🇷 阿根廷 | `AR` | 34.71 | 🟡 中 | | 🇲🇬 马达加斯加 | `MG` | 34.67 | 🟡 中 | | 🇸🇮 斯洛文尼亚 | `SI` | 34.62 | 🟡 中 | | 🇳🇵 尼泊尔 | `NP` | 34.60 | 🟡 中 | | 🇰🇬 吉尔吉斯斯坦 | `KG` | 34.54 | 🟡 中 | | 🇹🇱 东帝汶 | `TL` | 34.50 | 🟡 中 | | 🇮🇩 印度尼西亚 | `ID` | 34.44 | 🟡 中 | | 🇬🇭 加纳 | `GH` | 34.18 | 🟡 中 | | 🇦🇮 安圭拉 | `AI` | 34.17 | 🟡 中 | | 🇻🇨 圣文森特和格林纳丁斯 | `VC` | 34.08 | 🟡 中 | | 🇨🇷 哥斯达黎加 | `CR` | 33.84 | 🟡 中 | | 🇧🇴 玻利维亚 | `BO` | 33.75 | 🟡 中 | | 🇧🇸 巴哈马 | `BS` | 33.48 | 🟡 中 | | 🇩🇲 多米尼克 | `DM` | 33.16 | 🟡 中 | | 🇹🇴 汤加 | `TO` | 33.13 | 🟡 中 | | 🇪🇭 西撒哈拉 | `EH` | 33.03 | 🟡 中 | | 🇵🇪 秘鲁 | `PE` | 32.99 | 🟡 中 | | 🇰🇾 开曼群岛 | `KY` | 32.89 | 🟡 中 | | 🇨🇾 塞浦路斯 | `CY` | 32.74 | 🟡 中 | | 🇦🇲 亚美尼亚 | `AM` | 32.69 | 🟡 中 | | 🇨🇻 佛得角 | `CV` | 32.61 | 🟡 中 | | 🇳🇺 纽埃 | `NU` | 32.38 | 🟡 中 | | 🇵🇼 帕劳 | `PW` | 32.18 | 🟡 中 | | 🇲🇾 马来西亚 | `MY` | 32.16 | 🟡 中 | | 🇸🇧 所罗门群岛 | `SB` | 32.08 | 🟡 中 | | 🇮🇳 印度 | `IN` | 32.02 | 🟡 中 | | 🇮🇱 以色列 | `IL` | 31.77 | 🟡 中 | | 🇬🇲 冈比亚 | `GM` | 31.70 | 🟡 中 | | 🇦🇼 阿鲁巴 | `AW` | 31.64 | 🟡 中 | | 🇲🇸 蒙特塞拉特 | `MS` | 31.63 | 🟡 中 | | 🇧🇭 巴林 | `BH` | 31.61 | 🟡 中 | | 🇰🇼 科威特 | `KW` | 31.52 | 🟡 中 | | 🇱🇸 莱索托 | `LS` | 31.50 | 🟡 中 | | 🇩🇴 多米尼加共和国 | `DO` | 31.28 | 🟡 中 | | 🇪🇬 埃及 | `EG` | 31.17 | 🟡 中 | | 🇲🇭 马绍尔群岛 | `MH` | 31.11 | 🟡 中 | | 🇲🇷 毛里塔尼亚 | `MR` | 31.08 | 🟡 中 | | 🇹🇨 特克斯和凯科斯群岛 | `TC` | 31.08 | 🟡 中 | | 🇧🇩 孟加拉国 | `BD` | 30.99 | 🟡 中 | | 🇫🇯 斐济 | `FJ` | 30.88 | 🟡 中 | | 🇳🇷 瑙鲁 | `NR` | 30.84 | 🟡 中 | | 🇺🇿 乌兹别克斯坦 | `UZ` | 30.78 | 🟡 中 | | 🇱🇰 斯里兰卡 | `LK` | 30.67 | 🟡 中 | | 🇲🇦 摩洛哥 | `MA` | 30.03 | 🟡 中 | | 🇯🇴 约旦 | `JO` | 29.73 | 🟢 低 | | 🇲🇺 毛里求斯 | `MU` | 29.73 | 🟢 低 | | 🇬🇪 格鲁吉亚 | `GE` | 29.40 | 🟢 低 | | 🇰🇿 哈萨克斯坦 | `KZ` | 28.92 | 🟢 低 | | 🇸🇰 斯洛伐克 | `SK` | 28.88 | 🟢 低 | | 🇲🇳 蒙古 | `MN` | 28.82 | 🟢 低 | | 🇷🇼 卢旺达 | `RW` | 28.82 | 🟢 低 | | 🇲🇼 马拉维 | `MW` | 28.76 | 🟢 低 | | 🇭🇺 匈牙利 | `HU` | 28.70 | 🟢 低 | | 🇷🇴 罗马尼亚 | `RO` | 28.62 | 🟢 低 | | 🇲🇹 马耳他 | `MT` | 28.46 | 🟢 低 | | 🇸🇦 沙特阿拉伯 | `SA` | 28.32 | 🟢 低 | | 🇿🇲 赞比亚 | `ZM` | 28.16 | 🟢 低 | | 🇨🇰 库克群岛 | `CK` | 28.13 | 🟢 低 | | 🇵🇱 波兰 | `PL` | 28.13 | 🟢 低 | | 🇴🇲 阿曼 | `OM` | 27.90 | 🟢 低 | | 🇹🇼 台湾 | `TW` | 27.90 | 🟢 低 | | 🇨🇱 智利 | `CL` | 27.74 | 🟢 低 | | 🇧🇹 不丹 | `BT` | 27.70 | 🟢 低 | | 🇮🇹 意大利 | `IT` | 27.66 | 🟢 低 | | 🇧🇼 博茨瓦纳 | `BW` | 27.50 | 🟢 低 | | 🇧🇶 荷属加勒比区 | `BQ` | 27.23 | 🟢 低 | | 🇳🇱 荷兰 | `NL` | 27.23 | 🟢 低 | | 🇬🇷 希腊 | `GR` | 26.70 | 🟢 低 | | 🇮🇲 马恩岛 | `IM` | 26.69 | 🟢 低 | | 🇻🇮 美属维尔京群岛 | `VI` | 26.64 | 🟢 低 | | 🇮🇪 爱尔兰 | `IE` | 25.95 | 🟢 低 | | 🇪🇸 西班牙 | `ES` | 25.71 | 🟢 低 | | 🇨🇿 捷克 | `CZ` | 25.46 | 🟢 低 | | 🇧🇪 比利时 | `BE` | 25.38 | 🟢 低 | | 🇸🇬 新加坡 | `SG` | 25.31 | 🟢 低 | | 🇺🇸 美国 | `US` | 25.22 | 🟢 低 | | 🇱🇻 拉脱维亚 | `LV` | 25.16 | 🟢 低 | | 🇲🇴 澳门 | `MO` | 25.07 | 🟢 低 | | 🇨🇦 加拿大 | `CA` | 24.95 | 🟢 低 | | 🇬🇧 英国 | `GB` | 24.79 | 🟢 低 | | 🇶🇦 卡塔尔 | `QA` | 24.70 | 🟢 低 | | 🇨🇭 瑞士 | `CH` | 24.51 | 🟢 低 | | 🇲🇵 北马里亚纳群岛 | `MP` | 24.19 | 🟢 低 | | 🇦🇸 美属萨摩亚 | `AS` | 24.10 | 🟢 低 | | 🇬🇺 关岛 | `GU` | 24.10 | 🟢 低 | | 🇯🇵 日本 | `JP` | 23.94 | 🟢 低 | | 🇩🇪 德国 | `DE` | 23.52 | 🟢 低 | | 🇰🇷 韩国 | `KR` | 23.48 | 🟢 低 | | 🇱🇺 卢森堡 | `LU` | 23.41 | 🟢 低 | | 🇵🇹 葡萄牙 | `PT` | 23.40 | 🟢 低 | | 🇱🇮 列支敦士登 | `LI` | 23.23 | 🟢 低 | | 🇦🇩 安道尔 | `AD` | 22.55 | 🟢 低 | | 🇦🇹 奥地利 | `AT` | 22.38 | 🟢 低 | | 🇻🇦 教廷 | `VA` | 22.17 | 🟢 低 | | 🇦🇺 澳大利亚 | `AU` | 22.12 | 🟢 低 | | 🇵🇷 波多黎各 | `PR` | 22.11 | 🟢 低 | | 🇱🇹 立陶宛 | `LT` | 22.08 | 🟢 低 | | 🇺🇾 乌拉圭 | `UY` | 22.06 | 🟢 低 | | 🇧🇲 百慕大 | `BM` | 21.85 | 🟢 低 | | 🇫🇷 法国 | `FR` | 21.71 | 🟢 低 | | 🇧🇳 文莱 | `BN` | 21.40 | 🟢 低 | | 🇪🇪 爱沙尼亚 | `EE` | 21.37 | 🟢 低 | | 🇫🇰 福克兰群岛 | `FK` | 21.20 | 🟢 低 | | 🇸🇭 圣赫勒拿 | `SH` | 21.20 | 🟢 低 | | 🇬🇫 法属圭亚那 | `GF` | 21.05 | 🟢 低 | | 🇵🇫 法属波利尼西亚 | `PF` | 21.05 | 🟢 低 | | 🇬🇵 瓜德罗普 | `GP` | 21.05 | 🟢 低 | | 🇲🇶 马提尼克 | `MQ` | 21.05 | 🟢 低 | | 🇳🇨 新喀里多尼亚 | `NC` | 21.05 | 🟢 低 | | 🇧🇱 圣巴泰勒米 | `BL` | 21.05 | 🟢 低 | | 🇲🇫 法属圣马丁 | `MF` | 21.05 | 🟢 低 | | 🇵🇲 圣皮埃尔和密克隆 | `PM` | 21.05 | 🟢 低 | | 🇼🇫 瓦利斯和富图纳 | `WF` | 21.05 | 🟢 低 | | 🇮🇸 冰岛 | `IS` | 21.04 | 🟢 低 | | 🇬🇱 格陵兰 | `GL` | 19.43 | 🟢 低 | | 🇳🇿 新西兰 | `NZ` | 19.19 | 🟢 低 | | 🇹🇰 托克劳 | `TK` | 19.18 | 🟢 低 | | 🇸🇲 圣马力诺 | `SM` | 19.10 | 🟢 低 | | 🇸🇪 瑞典 | `SE` | 18.85 | 🟢 低 | | 🇩🇰 丹麦 | `DK` | 18.46 | 🟢 低 | | 🇫🇴 法罗群岛 | `FO` | 18.46 | 🟢 低 | | 🇫🇮 芬兰 | `FI` | 18.01 | 🟢 低 | | 🇳🇴 挪威 | `NO` | 17.62 | 🟢 低 | 233 个国家/地区 · 风险评分基于 AML/CFT 因素 *** ### 类别评分 (权重 50%) 类别评分根据实体被列入的观察名单类型反映固有风险等级。这是**权重最高**的组成部分，因为被列入的名单类型直接指示了监管与合规风险。 | 类别 | 评分 | 说明 | | - | - | - | | **制裁** | 100 | 列入国际制裁名单（OFAC、联合国、欧盟等） | | **PEP** | 100 | 政治公众人物（通用分类） | | **PEP 一级** | 100 | 国家元首、高级政府官员、最高法院法官 | | **警告与监管** | 95 | 监管警告、执法行动 | | **破产** | 80 | 破产、清算程序 | | **PEP 二级** | 80 | 议会议员、高级军官、大使 | | **SIE** | 75 | 受国家影响的企业：具有政府关联的公司 | | **SIP** | 75 | 受国家影响的人员：具有政府影响力的人员 | | **PEP 三级** | 70 | 地方政府官员、当地市长、法官 | | **适任性与诚信** | 65 | 金融服务适任性评估、监管审查 | | **负面新闻** | 60 | 与金融犯罪相关的负面新闻报道 | | **PEP 四级** | 55 | 较低级别的官员、政党成员 | | **商业人士** | 55 | 具有潜在风险暴露的高知名度商业人士 | | **企业** | 40 | 出现在观察名单上的普通商业实体 | > **注意：** 当命中项属于多个类别时，采用**最高类别评分**。 #### 类别风险等级 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 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 │ └─────────────────────────────────────────────────────────────────┘ ``` *** ### 犯罪记录评分 (20% 权重) 犯罪记录组成部分用于评估与实体相关的任何犯罪历史。 | 犯罪状态 | 评分 | 描述 | | - | - | - | | **法院定罪** | 100 | 实体已被法院判定犯有刑事罪行 | | **已执行刑事处罚** | 90 | 实体已被执行刑事处罚或罚款 | | **无犯罪记录** | 0 | 无已知犯罪历史 | > **注意：** 尽管权重仅为 20%，但犯罪记录具有重大影响，因为定罪会显著改变实体的风险特征。 *** ## 配置选项 ### 风险评分阈值 (决定最终 AML 状态) | 设置 | 默认值 | 描述 | | - | - | - | | 通过阈值 | 80 | 风险评分低于该值将产生**已通过**状态 | | 审核阈值 | 100 | 风险评分高于该值将产生**已拒绝**状态。介于两阈值之间的评分将产生**审核中**状态。 | ### 匹配分数阈值 (决定命中项分类) | 设置 | 默认值 | 描述 | | - | - | - | | 匹配分数阈值 | 93 | 匹配分数低于该值会将命中项归类为**误报**。只有非误报命中项才会纳入风险评估。 | *** ## 完整流程: 从筛查到最终状态 ``` ┌─────────────────────────────────────────────────────────────────────────────┐ │ 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 │ │ │ └─────────────────────────────────────────────────────────────────────────────┘ ``` *** ## 计算示例 ### 示例 1: 来自受制裁国家/地区的高风险 PEP **命中数据：** * 国家/地区：伊朗（评分：81.66） * 类别：制裁（评分：100） * 犯罪记录：无（评分：0） **风险评分计算：** ``` Risk Score = (81.66 × 0.30) + (100 × 0.50) + (0 × 0.20) = 24.50 + 50.00 + 0.00 = 74.50 ``` **结果：** 风险评分 74.50 → 实体风险等级：**高** 🔴 * 如果这是未审核命中项中的最高风险评分，且阈值为默认值（86/100）： * 74.50 \< 86 → 最终 AML 状态：**已通过**（实体虽有风险，但低于审核阈值） ### 示例 2: 来自高风险国家/地区的 PEP 一级 **命中数据：** * 国家/地区：俄罗斯（评分：71.25） * 类别：PEP 一级（评分：100） * 犯罪记录：法院定罪（评分：100） **风险评分计算：** ``` Risk Score = (71.25 × 0.30) + (100 × 0.50) + (100 × 0.20) = 21.38 + 50.00 + 20.00 = 91.38 ``` **结果：** 风险评分 91.38 → 实体风险等级：**高** 🔴 * 使用默认阈值（86/100）：86 ≤ 91.38 ≤ 100 → 最终 AML 状态：**审核中** ### 示例 3: 低风险企业实体 **命中数据：** * 国家/地区：英国（评分：24.79） * 类别：企业（评分：40） * 犯罪记录：无（评分：0） **风险评分计算：** ``` Risk Score = (24.79 × 0.30) + (40 × 0.50) + (0 × 0.20) = 7.44 + 20.00 + 0.00 = 27.44 ``` **结果：** 风险评分 27.44 → 实体风险等级：**低** 🟢 * 使用默认阈值（86/100）：27.44 \< 86 → 最终 AML 状态：**已通过** *** ## API 响应示例 AML 响应中的每个命中项均包含这两个评分： ```json theme={null} { "caption": "John Doe", "match_score": 95, "risk_score": 74.5, "review_status": "Unreviewed", "properties": { "countries": ["IR"], "topics": ["sanction"] } } ``` AML 总体结果包含基于最高风险评分得出的最终状态： ```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" } ] } ``` 在此示例中： * 命中项 2 为误报（match\_score 88 \< 阈值 93），因此被排除 * 未审核命中项中的最高 risk\_score 为 91（来自命中项 1） * 86 ≤ 91 ≤ 100 → 最终状态：**审核中** *** ## 管理命中项审核状态 初始分类完成后，您可以手动更新每个命中项的审核状态： | 状态 | 描述 | | - | - | | **未审核** | 匹配分数 ≥ 阈值的命中项的初始状态 | | **误报** | 匹配分数 \< 阈值的命中项的初始状态（或手动标记） | | **已确认匹配** | 经手动核实确认为同一人 | | **无法定论** | 无法确定命中项是否为同一人 | > [!NOTE] > > ### **提示:** 在 Console 中导航至 AML 概览或点击特定命中项详情即可更新命中项审核状态 *** ## 最佳实践 1. **理解双评分系统** — 匹配分数用于过滤误报；风险评分用于确定紧急程度。 2. **优先审核高风险命中项** — 使用风险评分，为合规团队确定未审核命中项的审核优先级。 3. **根据您的风险偏好调整阈值：** * 调低匹配分数阈值 → 更多命中项被视为未审核 * 调低通过阈值 → 更多会话自动通过 * 调低审核阈值 → 更多会话自动拒绝 4. **记录您的决策** — 在人工审核命中项时，根据匹配置信度和风险因素记录批准或升级处理的原因。 5. **监控趋势** — 按匹配分数和风险等级追踪组织的命中项分布，以发现规律。 This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.