洗钱行为往往是与各种严重犯罪联系在一起的，目的在于实现犯罪收益的合法使用，它扰乱了正常的经济和金融秩序，危害社会的安定，尤其在我国洗钱犯罪助长了腐败现象的蔓延。随着经济全球化的发展和国际金融市场的逐渐完善，反洗钱已成为国际社会普遍关注的热点话题。　　 目前，我国反洗钱工作主要是以大额和可疑交易报告制度为基础，但该数据报告制度存在易规避、上报数据质量低、自适应能力差、误报率高等问题，从而影响到上报数据的可靠性和有效性。数据挖掘技术被公认为当前处理大量金融数据，识别可疑行为的有效的方法，因此本文在现行数据报告制度的基础上，以证券公司的客户为研究对象，利用数据挖掘技术构建可疑交易识别模型。通过对反洗钱研究层面的划分，侧重对交易层和账户层进行研究并分别建模。交易层主要是通过利用统计方法和引入变量进行建模，账户层是通过对多种数据挖掘技术在识别可疑洗钱交易行为的适用性分析的基础上，提出利用基于两阶段聚类算法和全局孤立点挖掘算法来构建可疑洗钱交易行为识别模型。论文最后通过真实交易数据进行实证分析。　　 论文取得的主要成果包括：结合单一聚类方法的优缺点构建了两阶段聚类方法；构建了证券公司反洗钱识别模型；缩小了报告的数据量；利用离群指数对可疑程度进行排序，为反洗钱监测分析中心选择重点监测对象提供理论依据。