"英文标题：Global Commercial Bank Anti-Money Laundering Transaction Detection Feature Parameter Dataset
数据集概述
提供商业银行反洗钱系统中用于交易异常检测的核心特征参数集合，涵盖客户身份、交易行为、账户属性、风险维度等多类检测指标的参数定义与阈值规则。数据按检测维度和算法类型分类组织，覆盖银行客户的全交易生命周期，支持主流反洗钱异常检测模型的参数配置与效果调优。参数体系遵循金融监管部门的反洗钱合规要求，与银行交易系统的字段口径保持一致，确保检测逻辑的可落地性与结果的可追溯性。
该数据集为商业银行反洗钱系统的迭代优化提供支撑。反洗钱是金融监管的核心要求，交易异常检测是识别可疑交易的关键环节，合理的特征参数直接影响检测模型的准确率与漏报率。数据集可用于校准模型的风险识别阈值、丰富异常交易的特征维度、验证新检测算法的有效性，帮助银行平衡反洗钱合规成本与客户体验。
字段详情
数据集包含以下核心字段：
feature_param_code：特征参数编码，唯一标识特定检测指标的参数项risk_dimension：风险维度，指参数所属的反洗钱风险分类，如资金异动、身份隐匿等algorithm_type：算法类型，标识参数适配的检测模型，如规则引擎、机器学习模型等param_threshold：参数阈值，指触发异常告警的临界值，单位根据特征类型动态调整（如金额百分比、交易频率等）compliance_standard：合规标准，指参数制定依据的监管文件或行业规范data_granularity：数据颗粒度，指参数计算的时间或交易维度，如单日、单账户等
适用场景
- 商业银行反洗钱部门优化异常交易检测模型的参数配置，提升可疑交易识别效率
- 金融科技企业开发反洗钱系统时，参考合规参数体系构建检测逻辑
- 监管部门评估银行反洗钱系统的检测标准与行业合规性差距
- 金融科研机构研究反洗钱检测算法的参数敏感性与优化路径
- 银行信息技术部门对接交易系统与反洗钱系统的字段口径，确保数据一致性"
