風險管理領域的分群陷阱: 低中高風險與AML的關係

Share on facebook
Share on linkedin
Share on google
Share on twitter

一般行銷或客服領域中,分群是一個熱議題,也是行之有年的安排之一。其主因大抵就是為了要讓資源能夠更好地分配,來達成精準行銷。所以分群的功能科學化主張可能是:「對不同Target Audience投入不同程度的行銷資源,來達成營收(來客)轉化的最佳化」。

舉例來說,公司有100元的行銷成本,與其全部拿去買電視廣告,不如精準分出大學生與上班族兩個群體,然後將20元投放網路推播廣告給大學生、80元投放電視廣告在八點檔時段,以求這100元都能最有效利用。

同樣的邏輯在風險管理領域可能會稍有不同的價值主張(value proposition),以直覺而言,風險管理領域的分群應該是為了「對不同客戶投入不同程度的調查,來達成盡可能極大化揪出未知風險」。以這個邏輯,分群就應該要按照這樣的原則來劃定。若限縮範圍到AML領域,則劃分分群的「因子」應該要能夠有效地區別高中低風險,進而達到投入資源的極小化。以下圖表做為首先的例子解說:

任何銀行依據數量化程度的分群一定是級數區分的,也就是風險低的人數到風險高的人數應該是呈現級數遞減(具體就是十萬人、萬人、千人;而非倍數的人數減少)。所以在不考慮分群的狀態之下,盲目調查能揪出犯罪的機率是13,500/111,000=12%,也就是隨機抽選100人大概能找到12個洗錢罪犯。

而如果考慮分群,又假設我也就真的只有調查100人的能量,要能夠有效達成找到超過12人以上的洗錢罪犯,則最好的策略應該是把資源全部集中在高風險上,如此可能找到100*50%=50人的AML罪犯。然而,一般情形下,以風險區分分群的問題在於此類要求的驅動因大多出自法規,在規管背景之下,通常是不允許全抓全放的安排,所以如果要低、中風險都抓,那麼策略上應該也要採取級數式的比例,以求資源不被浪費。具體的抽樣說明如以下:

 

又如果稍微改變上面的數據假設,將犯罪率從10%、30%、50%的等差步進率也改成等比上升,則等比抽樣的優勢差異與平均抽樣的差距則會更加明顯:

不過在得到以上結論之前,仍然必須有個陷阱需要注意:上面的計算似乎假設無論抽樣哪100個人,所要花費的工是一樣的,這個陷阱就是風險管理與行銷領域的最大差異所在之一。也就是說如果高風險的人本身就必須耗費很多資源做調查(事實上從CDD角度而言確實如此,因為高風險按照國際規範必須執行EDD),則將資源偏向高風險客群是相當不智的,必須仔細考量在一般情況之下低、中、高風險的客戶的抽樣調查程度的不同,判斷究竟是線性增加或者是指數增加,如此才能決定AML的投入資源。