ИСПОЛЬЗОВАНИЕ ИМПЛИЦИТНЫХ И ЭКСПЛИЦИТНЫХ ЗНАНИЙ ДЛЯ ВЫЯВЛЕНИЯ НЕОБЫЧНЫХ СДЕЛОК В ПРОЦЕССЕ ВНУТРЕННЕГО КОНТРОЛЯ

Апалькова Тамара Геннадьевна
Московский государственный машиностроительный университет (МАМИ)
кандидат экономических наук, профессор кафедры «Информационные бизнес системы»

Аннотация
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.

Ключевые слова: добыча данных, имплицитные знания, Мониторинг сделок, поиск необычных операций, правила внутреннего контроля, эксплицитные знания


USING THE EXPLICIT AND IMPLICIT KNOWLEDGE TO IDENTIFY THE OF UNUSUAL TRANSACTIONS IN THE INTERNAL CONTROL PROCESS

Apalkova Tamara Gennadjevna
Moscow state university of mechanical engineering (MAMI)
PhD in Economical Science, Professor of the Informational Business Systems Department

Abstract
The subject of the article is the substantiation of necessity of mathematical methods application in the process of monitoring internal operations of the organization in order to identify of unusual transactions as part of compliance with legal regulations aimed at anti money laundering. The use of mathematical tools is seen as a way to obtain the missing explicit knowledge about the specific transactions that allow to classify the latter as unusual and (or) fraudulent.

Keywords: data mining, explicit knowledge, implicit knowledge, internal control rules, Monitoring of transactions


Рубрика: 08.00.00 ЭКОНОМИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Апалькова Т.Г. Использование имплицитных и эксплицитных знаний для выявления необычных сделок в процессе внутреннего контроля // Современные научные исследования и инновации. 2015. № 4. Ч. 4 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2015/04/52246 (дата обращения: 16.03.2024).

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 путём, 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 чётких критериев сопряжено с определёнными сложностями. Так, например, при рассмотрении по отдельности, признаки могут оказаться млоинформативными, но при определённом 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. Всё вышесказанное позволяет заключить, что кредитные организации, ломбарды, управляющие компании, риэлторские 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 определённых 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 объём 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 путём, и финансированию терроризма. URL: http://arb.ru/b2b/docs/pismo_arb_rukovoditelyu_departamenta_finansovogo_monitoringa_i_valyutnogo_kontro-411892/(дата обращения 18.04.2015)


Количество просмотров публикации: Please wait

Все статьи автора «Апалькова Тамара Геннадьевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация