洗钱(Moneylaundering)，亦称洗黑钱、资金洗净，指将通过犯罪或其他非法手段所获得的金钱、伪钞，经过合法金融作业流程之类的方法，以“洗净”为看似合法的资金。洗钱常与经 济 犯 罪、毒品交易、恐怖活动及黑道等重大犯罪有所关联，也常以跨国方式进行，给国家的经济和社会安全带来了极大的伤害，应该予以严厉的打击。
随着科学技术的快速发展，电子支付手段也越来越多，在给人们的生活带来便利的同时，也使洗钱行为呈现出手段专业化、主体组织化、资金来源多元化等特点，更加难以监测。在汉斯出版社《统计学与应用》期刊中，笔者提出建立具有高度可操作性的洗钱风险评价指标体系，对洗钱风险作出快速的评估，对提高银行工作效率和打击洗钱活动具有重要的意义。
针对银行个人客户洗钱风险评估问题，许多学者对其进行了研究。有学者通过建立第三方支付机构洗钱风险的评估指标体系，采用层次分析法和熵权法对评价指标进行综合赋权，将主观与客观、定性与定量指标结合，实现了风险评估。有学者采用监督学习的方法建立了一个基于货币交易数据的洗钱风险检测和犯罪类别分类系统，通过串联两种检测分类模型来提高整体性能，验证了该体统的可行性。有学者从客户身份、客户正常交易数量以及客户行为这三个维度建立洗钱风险评估体系，构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型，实现对洗钱风险的评估。
综合上述研究，其都是依据客户交易信息和个人信息两方面的数据进行的。然而，客户的个人信息形式不一，容易缺失或者真实性无法考证，使得风险值的估计容易有偏差；此外，客户个人信息数据格式不统一，难以进行批处理，从而影响风险评估的效率。因此，本文仅根据银行个人客户的流水数据，建立洗钱风险综合评价模型，对银行个人客户的洗钱风险进行分析，并实证考查了该模型的准确性和精度。
银行个人客户洗钱风险评估的关键在于评价指标体系的选取，而当前的指标体系大都依赖于客户的个人信息和交易信息。本文从客户个人流水信息中提取出相应的评价指标，重新建立指标体系，进而构建洗钱风险综合评估模型。银行流水是客户通过银行账户流入和流出的资金记录，是实时记录的客观数据，客户通过银行开立的账户进行各种资金往来，如转账、消费、用于理财等，都会被一一记录下来。银行流水基本包括有交易时间、交易金额、交易对象以及交易类型等，这些信息客观真实地反映了客户交易的基本情况，具备了定量计算所需数据以及定性分析所需信息。
本文从银行客户的个人流水数据出发，研究了重庆市某商业银行客户的洗钱风险综合评价指标体系，并通过因子分析法和熵值法最终建立了银行个人客户洗钱风险综合评估模型。利用重庆市某商业银行2018年个人客户流水数据，对客户洗钱风险进行了实证分析，最后运用广义极值分布对银行个人客户洗钱综合风险值进行分布拟合，并对该银行个人客户的洗钱风险进行了整体评估。在0.05的显著性水平之下，有5239位客户可能存在洗钱行为，需要银行的进一步确认。也就是说，相对于总计近20万的银行客户，只有大约2.66%的客户需要仔细鉴别是否真正有洗钱行为，能极大地提高银行的工作效率。
