负面新闻筛查的五种最佳方法


金融机构在面临的所有风险时,最容易忽视的一件事是:识别负面新闻中的“声誉敏感人物(REP)”

不幸的是,由于缺乏针对负面新闻筛查客户的监管指导方针,金融机构在实施风险导向模型时有更大的解释空间。

金融机构如果主动采取措施制定相关政策和程序以确定负面新闻中的高风险实体,就可以更好划分风险等级,减轻管理客户尽职调查程序的运营负担。具体措施包括:定义何时执行负面新闻搜索,如何优化自动化程序,搜索哪些信息,哪些信息属于相关信息,以及如何使用收到的信息。

下文介绍负面新闻筛查的五种最佳方法,旨在提高您的负面新闻筛查方案的效率和有效性。

1.确定筛查时间

全天候监控所有新闻源可能是截获所有负面新闻的最佳方法,但这既不实际,也不可持续。

现实的方法是确定何时搜索负面新闻。例如,在开户时,搜索与新增账户方有关的负面新闻;然后基于政策所述风险标准(即账户类型、管辖区、预期活动等)确定的时间表,重新访问账户。

现实的方法是确定何时搜索负面新闻。例如,在开户时,搜索与新增账户方有关的负面新闻;然后基于政策所述风险标准(即账户类型、管辖区、预期活动等)确定的时间表,重新访问账户。

2.平衡手动审查和自动化审查

即使拥有最有效人工流程的金融机构也无法指派足够人手深入审查所有账户方并始终监控负面新闻。因此,自动化审查流程应补充人工审查流程,成为负面新闻筛查的一个组成部分。

有些系统只能简单地在互联网或新闻源数据库上没有目的地广泛撒网,这可能会产生大量不相关的警报。为了提高筛查效率,金融机构寻找的解决方案必须能够解决核心问题 “客户群中有谁已经通过声誉良好的数据提供商汇总了值得自身注意的所有新闻?”,而不是只能解决“世界上有哪些信息可能与我的客户有关?”这类的次要问题。

每日监测与监视有着显而易见的优点,但完全依靠分析师审查只含少量可行动信息的海量数据却也有着不容忽视的缺点,甚至可能遗漏真正可行动的信息。因此,新闻来源的自动化审查必须在二者之中取得平衡。

3.进行风险分类

制裁警报只有 “风险”或 “无风险”两种结果,但负面新闻的识别无法产生这种非黑即白的结果。由于所有负面新闻调查结果都不一样,因此金融机构需要聘请有资深经验的专业人员来评估真实的风险水平。

依据负面新闻的类别和严重程度进行模型开发,有助于确定审查的优先顺序,并通过常规的KYC程序有效地了解与客户相关的风险水平。

4.兼顾结果的及时性

新闻热度衰退的概念是评估风险时需要考虑的一个有趣因素。随着时间的推移和负面新闻的消失,一些原本因负面新闻调查结果而被认定为具有高风险的银行客户可能会被重新归类为低风险客户。

在某些情况下,仅根据时间确定负面新闻的严重性也是一种有效手段。然而,有些负面新闻的严重性并不受时间因素的影响,例如,关于腐败或其他严重金融犯罪的负面新闻。

5.确保持续的监控

在确定搜索时间、搜索内容以及结果评估方式之后,下一步应决定如何处理相关信息。

针对任何特定账户方进行的一次性负面新闻筛查,充其量只能确定与该账户方历史活动有关的风险。无论调查结果显示负面新闻的严重性是高还是低(即,不足以计入合规方案的风险评估),金融机构都需要持续监测初步调查结果,方便日后更新。

金融机构若拥有一个自动化的独立流程来审查初步筛查结果的更新和更改,将能够更有针对性地利用资源。否则的话,面对着负面新闻筛选平台给出的海量结果,金融机构非常有可能忽略了对结果的更新。

欲知更多详情,可以下载我们的白皮书《负面新闻的影响:负面新闻筛查的五种最佳做法》