Quiz collegato alla guida · Medio Livello
Valutazione del rischio del cliente nel quiz AML
Comprendere le valutazioni dei clienti AML basate sul rischio, il triage ML, il contesto, i limiti delle etichette, l'equità, la revisione continua e le decisioni umane responsabili.
Domanda 1 di 8
Come supporta una valutazione del rischio la due diligence del cliente AML?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Come supporta una valutazione del rischio la due diligence del cliente AML?
- Proving that a customer committed a crime
- Assigning one uniform level to every person in a broad category
- Organizing due-diligence and monitoring effort
- Replacing customer information with a single score
- Perché una banca dovrebbe evitare di assegnare un unico livello di rischio a ogni cliente di un tipo?
- Customer type contains all required facts
- Risk depends on facts and circumstances of the individual relationship
- Risk ratings are never allowed
- The model automatically detects every exception
- Come può l'apprendimento automatico supportare la revisione del rischio del cliente?
- Automatically determine criminal intent
- Remove the need for due diligence
- Guarantee no suspicious activity is missed
- Prioritize patterns or changes for analyst attention
- Come possono le etichette di attività sospette storiche limitare la generalizzazione del modello?
- They reflect only activity previously detected and reported
- They include every instance of illicit activity
- They are always immediate and complete
- They are unaffected by institutional policy
- Quando potrebbe essere necessario rivedere un profilo di rischio del cliente?
- Only at account closure
- Whenever a model score is low
- When ownership, products, geography or behavior materially changes
- Never after onboarding
- Why monitor override and closure rates across populations?
- To make every rating identical
- To detect inconsistent or disproportionate outcomes
- To increase transaction volume
- To avoid reviewing model inputs
- What should a high model score normally trigger?
- Automatic public accusation
- Guaranteed account closure
- Deletion of customer records
- Proportionate review under documented policy
- Who remains accountable for applying AML requirements?
- The institution's responsible personnel and compliance processes
- The model provider alone, after deployment
- The training data, because it defined the labels
- The customer whose account received the score