Типологический анализ и автоматизация выявления недобросовестных кредитных организаций

Экономико-математические методы и модели
Авторы:
Аннотация:

Кредитные организации являются первым рубежом борьбы с незаконной финансовой деятельностью. Они призваны собирать и анализировать информацию о своих клиентах и их финансовых операциях, и сообщать в случае выявленной подозрительной активности в Росфинмониторинг. Однако кредитные организации также могут быть вовлечены в незаконную деятельность — осознанно покрывая теневые схемы, или по причине слабой системы внутреннего контроля. Для успешного решения проблемы отмывания доходов с привлечением кредитных организаций требуется системный подход и научное осмысление полученных эмпирически результатов. Автоматизация процесса выявления недобросовестных кредитных организаций на основе методов машинного обучения позволит контролирующим органам оперативно выявлять и пресекать противоправную деятельность. Цель исследования состоит в повышении эффективности выявления недобросовестных кредитных организаций контролирующими органами. Необходимым инструментом для этого может служить типологический анализ для выявления содержательной стороны методов и тенденций отмывания доходов, а также современные методы анализа данных и машинного обучения — для автоматизации выявления девиантных банков. Рассмотрено применение типологического анализа в экономике и других науках. Рассмотрены и систематизированы различные типологии легализации денежных средств с привлечением кредитных организаций. Проведен сравнительный анализ результатов обработки данных о деятельности кредитных организаций методами поиска аномалий — алгоритм одноклассовой машины опорных векторов и алгоритм обнаружения аномалий на основе метода главных компонент. Сделан вывод о том, что алгоритм поиска аномалий на основе метода главных компонент показал более точные результаты по сравнению с алгоритмом одноклассовой машины опорных векторов. Приведенные результаты исследования могут быть использованы Банком России и Росфинмониторингом для автоматизации выявления недобросовестных кредитных организаций. Результаты исследования могут применяться и службами внутреннего контроля в самих кредитных организациях в целях самопроверки и недопущения вовлечения банка в сомнительные схемы, что повысит ответственность субъектов финансового мониторинга. Направления дальнейших исследований автор видит в апробации методики применительно к другим субъектам финансовой деятельности — профессиональным участникам рынка ценных бумаг, микрофинансовым организациям, страховым организациям.