transaction-flow-anomaly-detection

识别交易流水中的异常模式和异常账户,提供异常特征描述和关注建议,辅助合规和风控团队排查

105 stars

Best use case

transaction-flow-anomaly-detection is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

识别交易流水中的异常模式和异常账户,提供异常特征描述和关注建议,辅助合规和风控团队排查

Teams using transaction-flow-anomaly-detection should expect a more consistent output, faster repeated execution, less prompt rewriting.

When to use this skill

  • You want a reusable workflow that can be run more than once with consistent structure.

When not to use this skill

  • You only need a quick one-off answer and do not need a reusable workflow.
  • You cannot install or maintain the underlying files, dependencies, or repository context.

Installation

Claude Code / Cursor / Codex

$curl -o ~/.claude/skills/transaction-flow-anomaly-detection/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/archive/transaction-flow-anomaly-detection/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/transaction-flow-anomaly-detection/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How transaction-flow-anomaly-detection Compares

Feature / Agenttransaction-flow-anomaly-detectionStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

识别交易流水中的异常模式和异常账户,提供异常特征描述和关注建议,辅助合规和风控团队排查

Where can I find the source code?

You can find the source code on GitHub using the link provided at the top of the page.

SKILL.md Source

# 交易流水异常识别助手

## 1. 业务问题

交易流水中存在多种异常模式,如高频小额、快进快出、非常规时段活跃等,人工逐笔排查效率低且易遗漏。本技能通过多维度异常模式匹配,识别偏离正常行为基线的交易和账户,为风控和合规团队提供排查线索。

## 2. 适用场景

- 账户交易行为基线偏离检测
- 特定时段(如季末、年末)的交易流水异常扫描
- 新开户账户早期交易行为监测辅助
- 存量客户交易模式突变识别
- 跨账户关联交易异常发现

## 3. 输入

| 输入项 | 说明 | 是否必需 |
|--------|------|----------|
| 交易流水数据 | 含交易时间、金额、方向、账户、对手方、渠道等 | 必需 |
| 分析时间窗口 | 异常检测的起止时间范围 | 必需 |
| 账户历史基线 | 账户过往正常交易频率、金额范围等 | 可选(无则以同类账户均值为参考) |
| 账户基本信息 | 账户类型、客户类别、开户时长等 | 可选 |
| 异常阈值参数 | 自定义各模式的触发阈值 | 可选(默认使用内置阈值) |

## 4. 输出

| 输出项 | 说明 |
|--------|------|
| 异常交易清单 | 标注异常类型、异常程度和触发条件 |
| 异常账户清单 | 存在异常模式的账户汇总及异常类型 |
| 异常模式分布 | 各类异常模式的命中数量和占比 |
| 行为偏离描述 | 与基线对比的偏离方向和偏离幅度 |
| 数据质量备注 | 缺失字段和数据异常标注 |

## 5. 默认分析维度

- **高频小额**:单日/单周交易笔数显著超出基线,单笔金额偏小
- **集中转入转出**:短时间内大量资金集中转入后快速转出,或反向操作
- **短时密集**:极短时间窗口(如数分钟内)发生多笔交易
- **非常规时段活跃**:凌晨、深夜、节假日等非营业时段交易活跃
- **快进快出**:资金到账后短时间内即转出,账户余额长期维持低位
- **对手方高集中度**:交易对手方高度集中于少数账户
- **同名/关联账户异常**:同一客户名下多账户间频繁互转或与关联账户密集交易

## 6. 默认分析框架

1. **数据清洗与校验**:检查字段完整性,标注异常值和缺失数据
2. **基线建立**:基于历史数据或同类账户构建正常行为基线
3. **逐维度异常检测**:按每个分析维度独立检测,记录偏离情况
4. **多维度交叉验证**:识别同时触发多个维度的交易或账户
5. **异常程度评估**:根据偏离幅度和维度叠加情况评估异常程度
6. **结果排序与输出**:按异常程度排序,结论先行,先呈现高异常项
7. **上下文补充**:为每个异常项提供交易上下文,便于人工判断

## 7. 安全边界

- 不编造数据;不夸大结论;缺失信息标注"未获取"或"待核实"
- 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
- 不对交易或客户做"疑似洗钱""疑似欺诈"等定性表述
- 仅提供数据模式分析和复核参考
- 不替代正式合规复核、审计、调查或账户处置决策
- 不替代可疑交易报告(STR)的正式判定
- 异常识别结果仅为统计偏离提示,不等同于违规认定

## 8. 上游依赖

| 依赖技能 | 用途 |
|----------|------|
| bank-calc-utils | 提供金额汇总、频率统计、阈值比较等基础计算能力 |

## 9. 可联动下游 Skills

| 下游技能 | 联动场景 |
|----------|----------|
| high-risk-transaction-clustering | 将异常交易传入聚类分析,发现相似异常模式和跨账户关联 |

Related Skills

underwriting-workflow-orchestrator-assistant

105
from aifinlab/FinClaw

当用户需要把一单保险核保案件按完整工作流进行分析时使用本 skill。它负责基于原始核保资料,按顺序调用或吸收已有的核保摘要、问题清单、补件提示、规则问答、结论解释和复核意见等技能结果,形成统一的 workflow 式分析与汇总输出。

transaction-structure-review

105
from aifinlab/FinClaw

用于信托领域项目尽调中的交易结构梳理助手场景。支持结构化输入处理、规则分析与Markdown结果输出。

transaction-banking-solution-recommendation-assistant

105
from aifinlab/FinClaw

当用户需要为企业客户推荐交易银行方案时使用本技能,适用于现金管理、收付款管理、 账户体系设计、资金归集、票据结算、供应链结算、跨境结算、银企直联、司库协同、 流动性管理和场景化产品匹配等场景。本技能用于基于客户行业、规模、交易模式、 账户结构、组织架构、上下游关系、境内外经营特征和合规约束,输出候选方案、 匹配理由、适用边界、落地路径和补充调研清单。

suspicious-transaction-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理或 AML/反洗钱场景下,对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时,使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时,也应优先使用本技能。

risk-workflow-assistant

105
from aifinlab/FinClaw

风控工单流转助手,适用于券商风控运营、合规管理、事件处置、流程跟踪等场景。 以下情况请主动触发此技能: - 用户提供了工单数据,问"工单进展如何""帮我跟踪一下" - 用户问"工单怎么流转""处置流程是什么""谁负责处理" - 用户需要:工单状态跟踪、流转分析、处置建议 - 用户提到:工单、流转、处置、跟进、风控事件、合规工单 - 用户需要形成工单报告、流转分析、处置总结 不要等用户明确说"工单流转"——只要涉及风控工单跟踪、事件处置流程、工单状态管理,就应主动启动此技能。

market-anomaly-tracker

105
from aifinlab/FinClaw

市场异动追踪助手,适用于券商研究、投资管理、风控监控、交易决策等场景。 以下情况请主动触发此技能: - 用户问"今天市场有什么异常""某股票为什么突然拉升""帮我看看市场异动" - 用户提供了行情数据、异动股票列表,问"这些异动怎么看""有什么共同点" - 用户需要:市场异动监控、异动原因分析、异动股票归因、市场情绪判断 - 用户提到:涨停、跌停、闪崩、拉升、跳水、放量、缩量、异常波动 - 用户需要形成市场点评、异动快报、投资决策参考 不要等用户明确说"市场异动追踪"——只要涉及市场行情异常波动分析、异动原因解读、市场情绪判断,就应主动启动此技能。

subscription-redemption-anomaly-monitoring

105
from aifinlab/FinClaw

面向基金产品管理领域的申赎监测任务Skill,围绕「申赎异常监测助手」场景提供信息抽取、结构化分析与结果输出。

style-drift-detection-theme-fund

105
from aifinlab/FinClaw

面向基金投研分析领域的风格漂移任务Skill,围绕「风格漂移识别助手-主题基金版」场景提供信息抽取、结构化分析与结果输出。

style-drift-detection-fixed-income-plus

105
from aifinlab/FinClaw

面向基金投研分析领域的风格漂移任务Skill,围绕「风格漂移识别助手-固收+版」场景提供信息抽取、结构化分析与结果输出。

style-drift-detection-equity-biased

105
from aifinlab/FinClaw

面向基金投研分析领域的风格漂移任务Skill,围绕「风格漂移识别助手-偏股版」场景提供信息抽取、结构化分析与结果输出。

sensitive-wording-detection

105
from aifinlab/FinClaw

面向基金合规与信息披露领域的敏感识别任务Skill,围绕「敏感措辞识别助手」场景提供信息抽取、结构化分析与结果输出。

scale-anomaly-alert

105
from aifinlab/FinClaw

面向基金产品管理领域的规模预警任务Skill,围绕「规模异动预警助手」场景提供信息抽取、结构化分析与结果输出。