Модель управления финансовой безопасностью в банках второго уровня

В условиях нарастания социально-экономических угроз, связанных с риском вовлечения банков второго уровня в легализацию незаконных доходов, необходимо создание эффективной системы финансового мониторинга для снижения этого риска. Цель исследования - предложить и протестировать модель управления финансовой безопасностью в банках второго уровня в Казахстане, основанную на комбинации моделей кластеризации и рекурсивных наименьших квадратов, которая позволяет осуществлять трехуровневую обработку входящей информации в банках с целью выявлять скрытые данные, представляющие финансовую угрозу для деятельности банков второго уровня. Методология исследования основана на сочетании моделей алгоритма кластеризации APC-III и рекурсивного метода наименьших квадратов (RLS), при этом алгоритм немного модифицирован в соответствии с рекомендациями OECD. Такой подход позволил рассматривать операции банков на трех уровнях и во время переходов выявлять подозрительные операции, требующие немедленной проверки руководством банка. Применение модели позволило выявить, что в среднем около трети операций банков можно отнести к категории подозрительных, а значит, они требуют тщательного изучения. В нашем случае мы выбрали 200 случаев из исходных данных, смешанных с 70 подозрительными транзакциями, для изучения модели. В результате статистической обработки банковских операций было выявлено 90 операционных данных, из которых 27 оказались подозрительными, то есть около 30% проверенных транзакций были признаны подозрительными. В результате предоставления этой информации банку удалось выявить 19 транзакций, направленных на отмывание денег.

финансовый мониторинг, модель управления, финансовое обеспечение, банковское дело, финансовый менеджмент, риск-менеджмент

1. Alpysbayev K.S. O natsional’noy sisteme protivodeystviya legalizatsii dokhodov, poluchennykh prestupnym putem (na materialakh Kazakhstana) // Izvestiya SPbGEU. 2017. - №4 (106). - S.11-115.

2. Chernikova L.I., Zayernyuk V.M. Rol’ bankovskogo sektora v bor’be s otmyvaniyem deneg: otechestvennyy i zarubezhnyy opyt // Natsional’nyye interesy: prioritety i bezopasnost’. 2012. №18. - S.46- 54.

3. Karanina E. V., Blednykh O. I. Financial security as a component of the concept of economic security of the state // The Genesis of Genius. 2016. no. 6. Pp. 94-99

4. Averyanova Yu. g. Theoretical aspects of financial security of a commercial Bank // Economic Sciences, 2011, no. 4, Pp. 220-225.

5. Chong, A., Lopez-De-Silanes, F.: Money laundering and its regulation. Economics & Politics. 27(1), 78-123 (2015). doi:10.1111/ecpo.12051

6. Sat, D.M., Krylov, G.O., Bezverbnyi, K.E., Kasatkin, A.B., Kornev, I.A.: Investigation of money laundering methods through cryptocurrency. Journal of Theoretical and Applied Information Technology. 83(2), 244-254.

7. Teichmann, F.M.J.: Twelve methods of money laundering. Journal of Money Laundering Control. 20(2), 130-137 (2017). doi:10.1108/jmlc-05-2016-0018

8. Melnik D.Yu. (2018). Basic elements and main components of a bank economic safety. The Eurasian Scientific Journal, [online] 4 (10). Available at: https://esj.today/PDF/13ECVN418.pdf (in Russian)

9. Serdyuk V.A. New in protection against hacking of corporate systems / V.A. Serdyuk. - M.: Technosphere, 2007. - 360 p.

10. Pramod, V., Li, J., Gao, P.: A framework for preventing money laundering in banks. Information Management & Computer Security. 20(3), 170-183 (2012). doi:10.1108/09685221211247280

11. Gayduk Vladimir Ivanovich, Vorokov Anzor Ladinovich, Gayduk Natal’ya Viktorovna Finansovaya bezopasnost’ kommercheskikh bankov: kriterii i indikatory // Nauchnyy zhurnal KubGAU - Scientific Journal of KubSAU. 2015. №114. URL: https:// cyberleninka.ru/article/n/finansovaya-bezopasnost-kommercheskih-bankov-kriterii-i-indikatory (дата обращения: 28.09.2020).

12. Evseev S.P. A Synergistic approach to assessing the security of banking systems // Information processing systems, 2016, issue 4 (141). - S.90-103.

13. Kozminykh S.I. Mathematical modeling of ensuring complex security of objects of informatization of the credit and financial sphere // Issues of cybersecurity, 2018. -№1 (25) -. - S.54-63.

14. Mukhopadhyay, A., Chatterjee, S., Bagchi, KK et al. Cyber Risk Assessment and Mitigation (CRAM) Framework Using Logit and Probit Models for Cyber Insurance. Inf Syst Front 21, 997-1018 (2019). https://doi.org/10.1007/s10796-017-9808-5

15. Official website of the OECD [Electronic resource]//http://www.oecd-ilibrary.org/

16. Honghong Duan, Jie Jia, Ruifeng Ding Twostage recursive least squares parameter estimation algorithm for output error models// Mathematical and Computer Modelling Volume 55, Issues 3-4, February 2012, Pages 1151-1159.

17. Benesty J., Paleologu C., Gänsler T., Ciochină S. (2011) Recursive Least-Squares Algorithms. In: A Perspective on Stereophonic Acoustic Echo Cancellation. Springer Topics in Signal Processing, vol 4. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-22574-1_6

18. Rafal Drezewskia, Jan Sepielaka, Wojciech Filipkowskib, System supporting money laundering detection // Digital Investigation, 2012. - Vol.9(1). - pp. 8-21.//http://dx.doi.ofg/10.1016/j.diin.2012.04.003

19. Shaten P. L. Prevention of money laundering and terrorist financing: a practical guide for banking professionals-Moscow: Alpina publishers, 2011. - 316p.//https://openknowledge.worldbank.org bitstream/ handle/10986/2638/488950PUB00RUS00Box0361504 B0PUBLIC0.pdf?sequence=7&isAllowed=y

20. Bonnie Buchanana, Money laundering-a global obstacle [Electronic source] // Research in International Business and Finance, 2004. - Vol. 18(1). - pp. 115-127. - //http://dx.doi.org/l0.1016/j. ribaf.2004.02.001.

21. Shijia Gao, Dongming Xu, Coneeptual modeling and development of an intelligent agent- assisted decision support system for anti-money laundering // Expert Systems with Applications, 2009. - Vol. 36 (2). - pp. 1493-1504 // http// dx.doi. org/10.1016/j.eswa.2007.11.059.