一、名单筛查是要精准匹配还是模糊匹配？

名单筛查的模糊匹配是指监管部门基于以风险为导向的合规管理原则，要求金融机构能够识别常见英文字词的变体、缩写或通用替代词语、甚至是笔误的情况，以达到尽可能对业务和客户活动涉及风险的有效监控。例如，英文名Michael和Mike、地名中Crimea和Krimea、交易中常见的金融术语如CFD（Contract for Difference）与受制裁实体名称（如EP-CFD）会出现非常可能是真实匹配，但按字母排列不完全匹配的情况。通常监管部门发布的制裁名单会附带常用的别名。在此之外，监管部门也期望金融机构的名单筛查标准能够保持足够的弹性和颗粒度，涵盖业务活动中使用别名、缩写的情况，避免遗漏真实名单匹配的情况。

中文名字的匹配似乎没有这么复杂，目前中国反洗钱监管规则也仅是建议使用模糊匹配的方法。精准匹配是中国金融机构通常的标准。市场上主要系统供应商也提供了模糊匹配的技术方案。但是大家对其的理解和实践也不一样，没有统一的标准。在中文中，由于繁简体、同音字、近形字、不同方言对应文字表达可能出现的变化情况仍然存在。然而中文模糊匹配的技术开发尚未十分迫切。

在英文工具中，模糊匹配已是各国监管机构普遍的要求。新加坡金融监管局明确要求金融机构要使用模糊匹配的方法，达到更为有效的名单筛查。对于中国金融机构的海外分支机构和跨境出海的平台企业，需要特别专注于模糊匹配及配套的系统开发和模型管理。

二、是否有必要在官方发布的制裁名单之外，建立企业内部名单？

国内金融机构目前名单筛查的实践主要依据监管要求，特别关注联合国制裁名单和公安部发布的涉恐名单。但对于是否需要在官方制裁名单之外，对其他名单进行筛查控制的问题理解不一。从风险评估和监控的角度，建立额外的内部名单筛查机制，是很有必要的。

首要原因是名单筛查作为重要控制工具，可以帮助企业充分评估风险。例如，按照OFAC的50%规则，监管机构要求在规定名单之外，要把受制裁对象相关符合所有权比例达到50%或者以上的附属机构也纳入统一的控制。在制裁名单数据的供应商而言，执行该项穿透筛查的程度和标准并不统一。金融机构往往需要自觉开展风险评估，确保对该项规则的执行达到合理谨慎的标准。另一个例子如目前中国外交部的相关制裁措施，要求将特定人员及其家庭成员列入制裁范围。虽然目前尚未有明确的监管解释和实际案例，从监管预期的角度，我们认为该制裁指令实际需要国内机构进行一定程度的尽职调查，识别出应纳入内部名单进行筛查和控制的具体对象。

其次，一旦形成内部名单，金融机构根据名单筛查机制，就可以实时掌握处于高风险状态的名单实体与公司进行交易的情况。这不仅有利于风险监控，也为随时采取有针对性的措施提供充分及时的信息支持。

第三，一旦出现内部名单监控对象被转入正式制裁名单的情况，公司可以迅速采取措施，减少重新进行梳理筛查、风险评估的工作量。

三、如何衡量名单筛查的有效性？是要保证筛查模型的“命中率”还是要降低“误中率”？

名单筛查的效率问题是实务工作中的一个关键技术问题。筛查标准过细，“命中率”过高会产生过多“假阳性（false positive）”预警，导致公司花费大量的人力在预警的排查和分析工作上。近年来很多金融机构因为系统效率问题产生过多的预警，无法迅速排查，又迫于业务压力对排查过程简单化处理，导致风险疏漏而被处罚。同样的，如果筛查标准过于宽松，降低了“误中率”，准确率过低也会引发实际风险。

关于名单筛查的有效性问题，各国监管规则没有统一的标准。目前通行的原则性规定是义务机构应采取以风险为导向的方法，根据客户和业务的风险特征，采取有针对性的名单筛查标准。在实践中，义务机构需要能够向监管部门解释自己的筛查标准，说明依据和理由，并提供充分的证据。对于复杂筛查模型而言，这意味着义务机构需要开展较为复杂的模型设计和测试工作，对不同筛查标准产生的命中率和误中率进行比较，并记录对测试结果进行分析和评估的过程，以及对关键模型参数选择的过程和结果。

四、是否购买外部供应商的名单筛查工具就足以满足监管要求？

反洗钱和制裁合规的实践中，义务机构多数通过采购外部供应商提供的制裁名单数据和筛查系统工具来满足监管的要求。但是，新加坡金融监管局的检查报告也提示金融机构，采购外部供应商的工具并非一劳永逸。外部供应商的工具通常含有其专有技术，是其不愿随意与义务机构分享的，也是决定其筛查有效性的关键内容。金融机构需要充分理解这些工具的运行机理，识别预警产生的要素和触发标准，并对相关模型的参数选择及其对系统预警流量的影响有充分的认识和评估。作为一项关键合规义务，新加坡金融监管局提示金融机构需要确保其对制裁名单数据和模型的选择能够与其自身业务和风险相匹配。

五、对筛查逻辑和系统模型的参数管理要关注哪些问题？

在名单筛查的合规技术上，新加坡金融监管局的检查结果主要可以概括为三个方面。一是对筛查过程涉及的名单数据质量的控制。制裁名单数据和金融机构业务数据都有可能涉及数据采集、加工、汇总和使用的误差问题。合规管理的过程需要加强对两类数据的准确采集和清理，既要理解外部供应商提供数据的实际范围，准备把握数据的完整性和及时性对筛查过程的实际影响，也要在数据格式和内容上采取必要的措施，减少筛查结果假阳性的比例。例如，该次检查发现一些公司订购的制裁名单数据库没有包括联合国制裁名单的情况。二是保持对筛查工具覆盖完整性的持续监督。检查发现部分金融机构对其内部名单未能实现模糊匹配的逻辑应用。三是对筛查系统使用模型的风险管理。需要对模型进行持续监控、定期测试和维护，保持风险管理的治理架构、流程和独立验证。要避免出现参数选择实际造成对名单命中情形的漏检情况；也要避免义务机构业务发生重大变化，而筛查逻辑和模型未能有效覆盖新业务、新产品的情况。

中国目前名单筛查的监管和合规实践仍与境外存在较大的差别。对于境内金融机构和各类出海机构而言，在境外的业务开展和合规管理需要特别关注其业务注册地和开展地的监管要求。必要的情况下，为了保证一致的控制标准和中后台操作规程，需要在集团层面参照最严格的规则要求实施统一管理。

注释：

[1] Monetary Authority of Singapore (2022) Information Paper, Strengthening AML/CFT Name Screening Practices. https://www.mas.gov.sg/-/media/MAS-Media-Library/publications/monographs-or-information-paper/IMD/2022/Strengthening-AML-CFT-Name-Screening-Practices.pdf