在全球发生金融海啸的2008年,中国商业银行虽然尚未受到严重冲击,但是各家银行均加强了风险监控以应对可能发生的金融危机。同时,伴随着中国人民银行反洗钱工作力度加大,商业银行建立了大额、可疑交易识别系统以满足监管需要。但是面对海量交易数据,如何识别银行客户的正常交易模式、如何利用有效算法降低“误报”数据量,成为各家银行面临的一大难题。本文首先分析了银行反洗钱政策法规的发展和现状,针对金融网络及资金流动异常进行了理论归纳,并就商业银行资金异常流动监管的重要性进行了分析。本文结合交通大学安泰经济与管理学院管理信息系统研究中心的研究成果与本人在商业银行工作经验,重点针对目前商业银行普遍采用的可疑交易识别算法提出了改进算法。改进算法首先从建立商业银行资金流动正常模板入手,根据采集的商业银行交易数据,建立了五个正常交易模型,并将某个客户交易数据与正常模板进行了比对研究,以初步判定交易是否符合常态。其次,本文采用了时序分析方法定量分析了商业银行资金流动数据,为识别可疑交易提供了更为精确的算法支持。最后,本文就如何将该算法应用于商业银行进行了初步研究。