Екінші деңгейдегі банктердегі қаржылық қауіпсіздікті басқару моделі

Екінші деңгейдегі банктерді заңсыз кірістерді заңдастыруға тарту тәуекелімен байланысты әлеуметтік-экономикалық қатерлердің өсуі жағдайында осы тәуекелді азайту үшін қаржы мониторингінің тиімді жүйесін құру қажет. Зерттеудің мақсаты - екінші деңгейлі банктердің қызметіне қаржылық қауіп төндіретін жасырын деректерді анықтау мақсатында банктердегі кіріс ақпараттарын үш деңгейлі өңдеуді жүзеге асыруға мүмкіндік беретін кластерлік модельдер мен рекурсивті ең кіші квадраттардың жиынтығына негізделген Қазақстандағы екінші деңгейлі банктерде қаржылық қауіпсіздікті басқару моделін ұсыну және сынақтан өткізу. Зерттеу әдістемесі APC-III кластерлік алгоритм модельдері мен ең кіші квадраттардың рекурсивті әдісінің (RLS) үйлесуіне негізделген, алгоритм OECD ұсыныстарына сәйкес сәл өзгертілген. Мұндай тәсіл банктердің операцияларын үш деңгейде қарауға және ауысу кезінде банк басшылығының дереу тексеруін талап ететін күдікті операцияларды анықтауға мүмкіндік берді. Модельді қолдану негізінде, орташа есеппен банк операцияларының үштен бірін күдікті деп есептеуге болатынын көрсетті, ал бұл өз кезегінде мұқият зерттеуді талап етеді. Біздің жағдайда модельді зерттеу үшін 70 күдікті транзакциямен араласқан бастапқы деректерден 200 жағдайды таңдадық. Банк операцияларын статистикалық өңдеу нәтижесінде 90 операциялық деректер анықталды, оның ішінде 27-і күдікті болып шықты, яғни тексерілген транзакциялардың шамамен 30%-ы күдікті деп танылды. Осы ақпаратты ұсыну нәтижесінде банк ақшаны жылыстатуға бағытталған 19 транзакцияны анықтай алды.

қаржылық мониторинг, басқару үлгісі, қаржылық қамтамасыз ету, банк ісі, қаржылық менеджмент, тәуекел-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.