Использование имплицитных и эксплицитных знаний для выявления необычных сделок в процессе внутреннего контроля
Предметом статьи является обоснование необходимости использования математических методов в процессе внутреннего мониторинга операций организациями с целью выявления необычных сделок в рамках соблюдения правовых норм, направленных на противодействие легализации доходов. Применение математического инструментария рассматривается как способ получения недостающих явных знаний о специфике сделок, позволяющих классифицировать последние как необычные и(или) мошеннические. Математический сделка доход
Ключевые слова: добыча данных, имплицитные знания, Мониторинг сделок, поиск необычных операций, правила внутреннего контроля, эксплицитные знания
В соответствии с Федеральным законом от 07.08.2001 N 115-ФЗ "О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма" [1] (далее по тексту 115-ФЗ) ряд организаций, осуществляющих операции с денежным и иным имуществом обязаны осуществлять контроль этих операций на предмет их возможного отношения к легализации незаконных доходов. К этим организациям относятся кредитные организации, ломбарды, организации федеральной почтовой связи, организации, оказывающие посреднические услуги при осуществлении сделок купли-продажи недвижимого имущества, ряд других, полный перечень которых приводится в статье 5 закона. Согласно закону, организации из вышеуказанного перечня обязаны подавать информацию о сделках, подлежащих обязательному контролю (статья 6 115-ФЗ) в уполномоченный Правительством РФ орган. Однако также закон обязывает эти организации разрабатывать правила внутреннего контроля сделок и в случае возникновения подозрений относительно легальности той или иной сделки - также сообщать о ней в уполномоченный орган. Таким образом, вся совокупность операций, о которых организациям необходимо подавать сведения в уполномоченный орган разбивается на две группы: сделки, подлежащие обязательному контролю и "подозрительные" или необычные сделки. Критерии, по которым сделку следует отнести ко второй группе для некредитных организаций перечислены в Приказе Росфинмониторинга от 23 августа 2013 года № 231[2], для кредитных организаций - в Приложении № 1 к Типовым правилам внутреннего контроля, направленным на противодействие легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма, разработанным Ассоциацией российских банков[3]. Оба эти документа перечисляют лишь основные признаки необычных сделок, то есть не содержат строгого правила, по которым сделку следует признать необычной и выявление подобных операций в отсутствии четких критериев сопряжено с определенными сложностями. Так, например, при рассмотрении по отдельности, признаки могут оказаться млоинформативными, но при определенном их сочетании - указывать на нелегальную сделку.
Тем не менее, перечисленные в законе 115-ФЗ организации несут ответственность за необнаружение, или несвоевременное обнаружение мошеннических операций в соответствии с законодательством РФ. Следовательно, разработка каждой организацией системы внутренних правил, направленных на соблюдение требований 115-ФЗ, в частности - на своевременное обнаружение сделок, имеющих отношение к легализации преступных доходов и финансированию терроризма - одна из важных мер управления комплаенс-риском, то есть риском возникновения у кредитной организации убытков из-за несоблюдения законодательства Российской Федерации. Все вышесказанное позволяет заключить, что кредитные организации, ломбарды, управляющие компании, риэлтерские компании и прочие организации, перечисленные в 5 статье 115-ФЗ являются первичным звеном в системе обнаружения нелегальных сделок, не только помогая решать тем самым важную для национальной экономической безопасности задачу, но и подвергаясь регуляторному риску.
На практике в каждой заинтересованной организации разрабатываются правила внутреннего контроля в целях противодействия легализации преступных доходов. Но одним из препятствий эффективной работы является недостаточность функциональных возможностей применяемых в банке информационных, технологических систем. Речь идет о формировании определенных баз данных и о разработке "умного", "гибкого" программного обеспечения, которое позволяло бы проводить аналитический анализ операций. Так, что касается баз данных, кроме списка террористов, экстремистов, банки не получают никаких электронных справочников. Все остальное если и существует, то на бумажном носителе, что делает использование сведений проблематичным. Работа по выявлению нетипичных и подозрительных сделок зачастую ложиться на плечи рядовых сотрудников службы внутреннего контроля банка или отдела противодействия отмыванию доходов организации (если такой отдел существует). При этом эффективность этой деятельности напрямую зависит не только от наличия в распоряжении сотрудника источников информации, но и от его знаний, под которыми следует понимать владение данными и способность сделать правильные выводы на основе информации, получаемой из этих данных. Это могут быть неявные (имплицитные) знания, основанные на профессиональной интуиции, однако для обладания этим типом знаний ответственное лицо должно иметь значительный практический опыт успешного выявления подозрительных сделок. В то же время, непосредственный мониторинг операций - процедура рутинная, при большом количестве сделок (например, в кредитной организации) довольно монотонная, требующая усидчивости, сосредоточенности и как было сказано выше - на практике выполняемая чаще всего рядовыми сотрудниками, не имеющими должного опыта. Более эффективным для решения подобных задач может оказаться использование явных (эксплицитных) знаний, получение которых возможно при помощи определенных процедур обработки имеющейся в распоряжении информации.
Эффективность процедура обработки информации с целью обнаружения нелегальных и мошеннических операций может быть значительно повышена благодаря использованию математических методов анализа данных. Методиками добычи данных, реализующими поиск нетипичных операций, являются:
Кластерный анализ: кластеры с незначительным числом объектов, а также граничные точки кластеров интерпретируются как "нетипичности" для рассматриваемого множества операций. Преимущества этого метода состоят в том, что он относится к категории классификационных процедур "без учителя", то есть не требует использования обучающей выборки, позволяя получить информацию о естественном расслоении объектов, характеризуемых совокупностью признаков (так называемое "признаковое пространство" операции). Необычность операции устанавливают исходя из комбинации параметров из ее "признакового пространства", к которым относят:
- - вид основной деятельности компаний, участвующих в операции - характер операции (инкассация наличности, взятие кредита, снятие денег по карточке) - география сделки (участие в сделке компаний из оффшорной зоны, из стран, уклоняющихся от сотрудничества с FATF) - события, непосредственно предшествующие операции (например, изменение состава собственников компании, получение компанией крупного займа) - история движения денежных средств между участниками операции.
Приведенный состав "измерений" признакового пространства не является раз и навсегда заданным, но зависит от специфики и может изменяться в зависимости от наличия источников информации об операции и применяемой методики мониторинга операций.
Анализ временных рядов, регрессионно-факторное моделирование: роль нетипичностей в этом случае выполняют выбросы значений эндогенной (моделируемой) переменной, в качестве которой может выступать, например, сумма операции, или частотные характеристики операций за некоторый период. Если объем выборки данных для анализа невелик, то применение указанных информационных технологий можно осуществлять каждый раз, когда поступают новые данные (данные о новых операциях). С течением времени выборка может стать слишком большой для использования ее в целях оперативного анализа и в этом случае целесообразно прибегнуть к сегментации выборки (использовать ее наиболее актуальную часть), или применить технологию расчета решающих правил построить логические критерии отнесения операций к нетипичным. В последнем случае исходный массив данных играет роль обучающей выборки для решающих правил. К методам, использующим обучающую выборку, также относятся дискриминантный анализ; нейронные сети.
Таким образом, разработанный на сегодняшний день математический аппарат вполне представителен и разнообразен. Его использование может позволить облегчить систематизацию информации в процессе внутреннего контроля сделок организациями, что особенно актуально, когда ежедневный объем операций значителен. Разумеется, само принятие решения об отнесении сделки к мошеннической требует опыта и компетенции, использования неявных знаний, заключающихся в умении интерпретировать результаты анализа, проведенного с применением вышеуказанных математических методов. Но предварительная аналитическая подготовка материалов может быть осуществлена рядовыми сотрудниками, от которых требуется только владение соответствующим программным обеспечением. При этом также можно ожидать существенной экономии времени на мониторинг операций.
Библиографический список
- 1. Федеральный закон от 07.08.2001 N 115-ФЗ "О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма" [Электронный ресурс]. Доступ из справ.-правовой системы "КонсультантПлюс". URL: http://www. consultant. ru/document/cons_doc_LAW_173889/(дата обращения 18.04.2015) 2. Приказ от 23 августа 2013 г. N 231 О внесении изменений в приказ Федеральной службы по финансовому мониторингу от 8 мая 2009 г. № 103 "Об утверждении рекомендаций по разработке критериев выявления и определению признаков необычных сделок". [Электронный ресурс]. Доступ из справ.-правовой системы "КонсультантПлюс". URL: http://www. consultant. ru/document/cons_doc_LAW_151128/(дата обращения 18.04.2015) 3. Ассоциация российских банков [Электронный ресурс] // Типовые правила внутреннего контроля, направленным на противодействие легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма. URL:http://arb. ru/b2b/docs/pismo_arb_rukovoditelyu_departamenta_finansovogo_monitoringa_i_valyutnogo_kontro-411892/(дата обращения 18.04.2015)
Похожие статьи
-
Применение статистических методов анализа для адекватной интерпретации результатов контроля остаточных знаний соискателей высшего образования на примере...
-
Пример успешного использования методов многошагового обучения для задачи управления производством. Рассмотрим простейший вариант, когда производится лишь...
-
Понятие и применение графа рынка - Использование квази-клик для анализа графа рынка России
Динамика характеристик отражающих тенденцию поведения фондового рынка может быть интересна многим участникам фондовой биржи и, в особенности, инвесторам....
-
Среди различных конфигураций искусственных нейронных сетей встречаются такие, при классификации которых по принципу обучения, строго говоря, не подходят...
-
Выводы - Использование нейродинамики для моделирования производственных процессов предприятия
Исходя из вышеизложенного, можно заключить, что для решения задач прогнозирования наиболее подходит сеть с обратным распространением. Она позволяет...
-
Программное управление является приемлемым подходом во многих прикладных ситуациях. На этом принципе основаны, например, простые металлорежущие станки...
-
Программное управление Относительно просто может быть сформулирована так называемая задача программного управления. В ней предполагается, что управляющие...
-
Введение - Метод представления знаний в интеллектуальных системах поддержки экспертных решений
Во многих областях человеческой деятельности - науке, технике, бизнесе - широко распространены проблемные ситуации, которые могут быть описаны исходными...
-
Завод по изготовлению телевизоров, находясь в состоянии 1, может увеличить спрос путем организации рекламы. Это требует добавочных затрат и уменьшает...
-
Алгоритмы поиска квази-клики в графе. - Использование квази-клик для анализа графа рынка России
Как и для поиска клик существуют алгоритмы поиска квази-клик в графе. Далее мы рассмотрим некоторые из них. Как было сказано ранее, задача поиска...
-
Адсорбционные методы исследования свойств поверхности позволяют количественно охарактеризовать происходящие при адсорбции межмолекулярные взаимодействия,...
-
Табличное представление цен действий и состояний задачи имеет естественные ограничения по масштабируемости задачи на большую размерность. В дискретных...
-
Этапы моделирования - Общая схема и этапы процесса экономико-математического моделирования
Проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования. 1. Постановка экономической проблемы и ее...
-
Построим теперь на базе полиинтервальной оценки такую теоретико-вероятностную модель представления экспертных знаний, которая сочетала бы в себе описание...
-
Модель в общем смысле (обобщенная модель) есть создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа,...
-
Операционно-техническое разделение труда в процессе управления - Управление операциями с информацией
Операционно-техническое разделение труда в процессе управления обусловлено его динамикой. Процесс управления в динамике можно представить с помощью...
-
Пусть Dl, r() соответственно левые (правые) границы интервалов I, отвечающих на криволинейной трапеции ОИО значениям 0< < 1. Тогда интересующая нас...
-
Комментарии к третьему разделу курсовой работы В третьем разделе курсовой работы студенту предлагается определить оптимальную стратегию заказа в условиях...
-
Экономические и финансовые сети На протяжении долгих лет глобализация ведет к увеличению зависимости различных организаций друг от друга. Правительства,...
-
При анализе больших объемов данных зачастую их можно представить в виде графа. Основными атрибутами графа являются вершины и ребра, поэтому изучение...
-
Следует отметить, что не существует особых сил, вызывающих адсорбцию. Адсорбция молекул на поверхности твердого тела происходит за счет сил притяжения со...
-
О клике. Определим формально задачу поиска максимальной клики, согласно статьи On the maximum quasi-clique problem [17]. Пусть G=(V, E) - простой...
-
Адсорбционные явления чрезвычайно широко распространены в живой и неживой природе. Толщи горных пород и почвы являются огромными колоннами с...
-
Введение - Уровень конкурентоспособности строительных компаний
Актуальность темы исследования. Строительная отрасль характеризуется огромным количеством потенциальных исполнителей. Полный цикл возведения любого...
-
В данной главе мы обсуждаем некоторые общие аспекты разработки прогнозирующих систем: понятие прогноза и цели его использования, основные понятия и...
-
Насосы - НАСАДОЧНАЯ РЕКТИФИКАЦИОННАЯ КОЛОННА ДЛЯ РАЗДЕЛЕНИЯ БИНАРНОЙ СМЕСИ ДИОКСАН - ТОЛУОЛА
Для перекачки кубового остатка и исходной смеси исходя из расходы и высоты, на которую подается жидкость, выберем насосы из таблицы соответственно под...
-
ЭНЕРГЕТИЧЕСКИЙ БАРЬЕР - Процесс катализа
Все каталитические реакции - самопроизвольный процесс, т. е. протекают в направлении убыли энергии Гиббса - убыли энергии системы. Давно уже было...
-
В реальных производственных условиях, во-первых, не может быть мгновенных поставок партий исходного продукта переработки, а во-вторых, технологический...
-
Технологическое оформление процесса получения винилхлорида сбалансированным по хлору методом Первой стадией этого комбинированного процесса является...
-
Спецификация модели Почти каждая компонента динамической части модели потребует комментариев, поэтому для каждой компоненты модели будет отведен...
-
Класс алкилбензолов представлен 37 соединениями в табл.3, где приведены экспериментальные данные, использованные нами при определении значений параметров...
-
Энтропия. Самопроизвольный процесс - Химическая термодинамика и ее процессы
Самопроизвольный процесс - процесс, который может протекать без затраты работы извне, причем в результате может быть получена работа в количестве,...
-
Для анализа был выбран временной диапазон с 2004 года по 2014 год. В целях построения прогнозной модели собранные годовые данные были разделены на две...
-
Экономико-математические методы представляют собой совокупность математических методов (математического программирования, теории вероятностей, теории...
-
КАТАЛИЗ В БИОХИМИИ - Процесс катализа
Ферментативный катализ неразрывно связан с жизнедеятельностью организмов растительного и животного мира. Многие жизненно важные химические реакции,...
-
В процессе анализа и обобщения результатов исследований, проведенных в [4 - 10], стало ясно, что не все ситуации экспертного задания исходных параметров,...
-
К моделированию теплообменника с псевдоожижаемой насадкой для систем аспирации стройиндустрии
К моделированию теплообменника с псевдоожижаемой насадкой для систем аспирации стройиндустрии Модернизация предприятий строительного комплекса на основе...
-
- Ядерная энергетика; - Археология; - Нефтехимия; - Геохимия (изотопная геохронология); - Агрохимия; - Химическая промышленность; - Анализ...
-
Проблема прогнозирования вероятности банкротства существует уже несколько десятков лет - все началось с работ Ramser, Foster (1931), Fitzpatrick (1932) и...
-
Заключение - Моделирование систем массового обслуживания с использованием метода Монте-Карло
Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений. Возникновение идеи...
Использование имплицитных и эксплицитных знаний для выявления необычных сделок в процессе внутреннего контроля