CC BY
81
9. Granger C.W.J. Investigating Causal Relations by Econometric Models and Cross-spectral Methods // Econometrica. 1969. V. 37, N 3. P. 424-438.
S.S. Dubrovin
Research of efficiency management security portfolio
Method of decision-making is consideration at formation and management of security portfolio by the investor in the conditions of risk and the uncertainty, including a complex of methods of selection of assets, forecasting of their profitability, and also definition ofpreliminary and final estimate structure of portfolio.
Keywords: decision-making, security portfolio, multicriteria optimization, profitability, risk, optimal resolution, management of assets.
УДК 338.124.4; 336(7)
В.В. Евсюков, доцент, (Россия, Тула, ВЗФЭИ)
АНАЛИЗ РИСКОВ В СФЕРЕ ИОД/ФТ ПРИ ОСУЩЕСТВЛЕНИИ БАНКОВСКОЙ ДЕЯТЕЛЬНОСТИ С ИСПОЛЬЗОВАНИЕМ ГИБРИДНОЙ ТЕХНОЛОГИИ МОДЕЛИРОВАНИЯ
Рассматриваются вопросы анализа возникающих у банков рисков, обусловленных противоправной деятельностью в области отмывания полученных преступным путем доходов и финансированию терроризма. Данный подход предполагает применение гибридной технологии, опирающейся одновременно на сформулированные в законодательных и нормативных актах правила и на генетический алгоритм, позволяющий выявлять ассоциации данных.
Ключевые слова: анализ рисков, ПОД/ФТ, гибридная технология моделирования.
Десять лет в нашей стране действует Федеральный закон «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» от 7 августа 2001 г. № 115-ФЗ (далее — Закон).
Тем не менее в Заявлении Правительства Российской Федерации и Центрального банка Российской Федерации «О стратегии развития банковского сектора Российской Федерации на период до 2015 года» среди основных направлений его развития выделена деятельность по предотвращению вовлечения кредитных организаций в противоправную деятельность, прежде всего в целях легализации (отмывания) доходов, полученных преступным путем, и финансирования терроризма.
В соответствии с Законом кредитные организации (КО) для противодействия легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма (далее ПОД/ФТ):
- идентифицировать находящихся на обслуживании лиц;
- разрабатывать и реализовывать правила и программы внутреннего контроля по борьбе с легализацией (отмыванием) доходов, полученных преступным путем, и финансированием терроризма;
- передавать информацию по подлежащим обязательному контролю и подозрительным операциям в Комитет финансового мониторинга России (Росфинмониторинг) и др.
С целью повышения эффективности деятельности КО в сфере ПОД/ФТ Банк России активно участвует в работе, направленной на совершенствование подходов к определению перечня операций, подлежащих обязательному контролю, на использование механизмов риск-ориентированного подхода при идентификации клиентов, выгодоприобретателей, на расширение оснований, по которым КО вправе отказаться от заключения договора банковского счета (вклада), от выполнения распоряжения клиента о проведении операции; на предоставление КО права отказаться от исполнения договора банковского счета (вклада), а также на уточнение полномочий надзорных органов по контролю за соблюдением организациями, осуществляющими операции с денежными средствами или иным имуществом, отдельных требований законодательства в сфере противодействия легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма [2].
В.Н. Мельников отмечает [1], что на ранних этапах реализации требований Закона в банковской деятельности (2001-2003 гг.) в надзорной практике основное внимание сосредотачивалось на соблюдении сугубо формальных признаков. При этом, как показала практика, в ряде КО во многих очевидных случаях не делались попытки связать проводимые клиентом операции в одну логическую цепь, не выстраивались взаимосвязи между клиентом и его контрагентами, без должного внимания оставалась реальная деятельность клиента, которая может нести в себе риск осуществления легализации доходов, полученных преступным путем.
Риски, связанные с прямым или косвенным участием КО в процессе легализации преступных доходов, могут оказаться несопоставимо большими по сравнению с затратами на создание эффективно действующей системы ПОД/ФТ.
Многие КО исходят из того, что эффективная деятельность в сфере ПОД/ФТ позволяет им без опасений работать на мировом финансовом рынке, защититься от финансового мошенничества, снизить репутацион-ный, операционный и кредитный риски, а также потери от штрафных санкций (риск применения санкций со стороны надзорных органов) [1].
Для КО деятельность по противодействию легализации преступных доходов относится к важнейшим направлениям работы системы внутреннего контроля.
Принимаемые Банком России меры к КО, нарушающим требования Закона или занимающимся операциями со средствами сомнительного происхождения, включают широкий спектр воздействий — от предупреждений до установления ограничений на проведение отдельных видов банковских операций и отзыва лицензии на осуществление банковской деятельности (таблица) [5].
Принудительные меры воздействия со стороны Банка России
Год Требования об устранении выявленных нарушений Наложение штрафов Введение ограничений либо запретов на осуществление отдельных видов банковских операций Отзыв лицензий
2005 373 284 238 14
2006 389 232 133 51
2007 344 252 41 44
2008 229 170 252 7
2009 196 122 162 10
2010 115 104 87 3
Основные причины нарушений, как правило, связаны с недостаточным контролем руководства КО за деятельностью соответствующих структурных подразделений и, как следствие, низким качеством проверок, проводимых службами внутреннего контроля, либо с пассивной позицией и недостаточным уровнем квалификации ответственных сотрудников по ПОД/ФТ [2].
Важнейшие проблемы внутреннего и внешнего характера, непосредственно влияющие на эффективность деятельности в сфере ПОД/ФТ, связаны с совершенствованием:
- нормативно-правовой базы;
- методологического обеспечения;
- информационного обеспечения;
- подготовки (квалификации) персонала.
Основными подходами, на основе которых базируется мировая практика деятельности в сфере ПОД/ФТ, являются:
- подход, основанный на контроле за соблюдением правил, ориентирован на раскрытие трансакций и схем, традиционно ассоциирующихся с преступной деятельностью. Правила обычно базируются на определениях
(шаблонах), предоставленных правоохранительными органами, политическими и промышленными группами;
- подход, основанный на выявлении аномального поведения. Программы по предотвращению отмывания денег и финансирования терроризма должны быть нацелены на необычные трансакции и в целом на необычную деятельность, т. е. нетипичную для конкретной организации или субъекта. Главный недостаток такого подхода — для деятельности, которая выглядит как аномальная, часто есть какое-то объяснение. Сложно выработать критерии, которые бы явно отличали легальную деятельность от нелегальной, а не просто обычную деятельность — от необычной;
- подход, основанный на предсказывающем моделировании. Опираясь на практический опыт различных видов деятельности, включенных в разряд подозрительных, аналитики могут использовать предсказательные технологии, например дерево альтернатив, регрессионный анализ и нейронные сети, для построения моделей, с помощью которых можно оценить любую новую деятельность с точки зрения ее подозрительности. Однако этот подход подразумевает обладание данными истории предмета, т. е. тем, какие последствия имели те или иные виды деятельности.
Решение этих задач в рамках любого из представленных подходов предполагает аналитическую обработку большого объема накапливаемых в базах данных (БД) автоматизированных банковских систем (АБС) разноплановых данных, в той или иной степени связанных с реализацией всего спектра банковских операций, извлечение из этих данных необходимой информации, ее правильной оценки и принятия по результатам анализа обоснованных решений [3].
Эти обстоятельства, а также использование квалифицированной юридической поддержки лицами, совершающими операции по отмыванию преступных доходов и финансированию терроризма, предопределяют необходимость разработки специализированных инструментальных средств, позволяющих с высокой вероятностью выявлять участников подобных трансакций, подпадающих под действие Закона. Реализация таких средств опирается на развитые аналитические технологии с широкими возможностями настройки алгоритмов поиска в рамках специализированных автоматизированных рабочих мест (АРМ) инспекторов в области ПОД/ФТ.
К основным требованиям, предъявляемым к таким АРМ, следует отнести:
- реализация алгоритмов поиска на основе гибридных технологий, включающих интеллектуальные технологии, способных выявлять объективно существующие связи между «объектами» (реквизитами банковских операций или полями записей БД АБС и специализированных БД служб внутреннего контроля.) в автоматическом режиме;
- возможность поиска связей «объектов» через промежуточные уровни с целью выявления цепочек косвенных связей, объективно существующих между ними в рамках той или иной деятельности;
- наличие удобного пользовательского интерфейса, реализованного в терминологии банковского дела и сферы ПОД/ФТ, с развитыми средствами визуализации, ориентированными как на отображение результатов поиска, так и на постановку задачи поиска;
- возможность влияния пользователя на процесс поиска, т. е. поддержка интерактивного режима работы (не предполагающего обязательного присутствия обслуживающего АРМ программиста);
- возможность поиска связей по всему объему имеющихся данных в рамках необходимой интерпретации целей и ограничивающих условий;
- достаточный уровень быстродействия;
- автоматическое формирование базы «объектов» и моделей, связанных с выявленными нарушениями, и ее использование при поиске;
- формирование сводных документов в различных аналитических разрезах.
Один из вариантов построения АРМ в сфере безопасности банков описан в работе [4], где в качестве потенциальных задач его применения авторами определены: выделение банковских операций, подлежащих обязательному контролю в целях реализации требований Закона; выявление сведений о сотрудниках банка, которые могут быть признаны лицами, заинтересованными в операциях (сделках); обнаружение деловых и иных связей между заемщиками и или группами заемщиков; определение мошеннических операций с платежными картами.
Возможности автоматического поиска сведений по заданным параметрам и установления скрытых связей могут успешно использоваться в целях выявления различного рода банковских рисков и угроз. Основу поисковой и аналитической деятельности с использованием этого АРМ образует множество разработанных шаблонов (моделей, заданных параметров).
Статья 6 Закона законодательно закрепляет перечень банковских операций, подлежащих обязательному контролю в целях реализации требований этого закона; в ней содержится описание вероятных способов совершения преступления и сопутствующих ему признаков из 23 ситуаций, которые, в свою очередь, состоят из 70 структурных элементов, имеющих самостоятельное значение.
Банк России, обобщая результаты надзорной деятельности, периодически разрабатывает определенные нормативные документы, расширяющие методическое обеспечение для использования КО при исполнении ими требований Закона. Так, в течение 2010 г. были подготовлены рекомендации, содержащие описание признаков, характерных для операций, требующих повышенного внимания в силу отсутствия в них очевидного экономического смысла или очевидной законной цели (письма Банка Рос-
сии от 11 июня 2010 г. № 83-Т, от 16 сентября 2010 г. № 129-Т), и призванные оказать содействие в выявлении таких операций и принятии мер по ограничению рисков при их проведении.
Таким образом, соответствующее законодательное и нормативное обеспечение Банка России ориентирует КО на реализацию подхода, основанного на контроле за соблюдением четко сформированных правил, базирующихся на однозначно трактуемых определениях или шаблонах.
В то же время на инспекционные группы Банка России и инспекторов по финансовому мониторингу в составе КО возложена обязанность выявления «необычных» (подозрительных) операций, критерии которых строго не формализованы. И в настоящее время «необычные» операции — это некий «камень преткновения» по работе КО в сфере ПОД-ФТ. Именно это обстоятельство во многом объясняет фактическое предоставление КО права самостоятельно решать, относятся или нет (с формальной позиции, если не проводить анализа и не выстраивать взаимосвязи между операциями и контрагентами, они могут и не вызывать подозрений) те или иные операции к разряду необычных, возможно связанных с легализацией доходов.
Возможность отзыва банковской лицензии в связи с неполным выполнением требований Закона остро ставит перед КО проблему своевременного выявления «необычных» операций (при отсутствии формализации их признаков), потенциально способных попасть в сферу действия данного закона.
КО имеют право использовать свои критерии определения «необычных» операций.
Важную роль при решении задачи выявления «необычных» операций в сфере ПОД-ФТ могут сыграть интеллектуальные информационные технологии, позволяющие извлекать знания из корпоративных транзакци-онных БД с целью поддержки формирования инспектором мотивированного суждения. При этом особую актуальность представляет поиск знаний о характере связи между задаваемыми инспектором объектами, в качестве которых могут рассматриваться клиенты, документы, операции и др. Целью поиска является выявление последовательности взаимосвязанных операций, характерных для деятельности по легализации доходов (многоходовых групповых операций в рамках общего «бизнес-плана»), когда изначально заданным объектом является конкретная банковская операция (получение кредита, перевод средств и др.), т. е. извлечение знаний в виде ассоциативных правил.
Решение задачи поиска ассоциативных правил реализовано на базе SQL-запросов вида
Q(Y, c) = {SELECT Y WHERE <c>},
где <с> — кортеж, содержащий наборы условий на языке SQL, описывающих ограничения по ряду атрибутов исходного отношения и объединенных логической функцией AND; Y — схема формируемого отношения.
В общем случае схема отношения определяется выражением
q = Q(R),
где R — схема отношения, на котором строится запрос Q.
Каждый запрос Q имеет смысл правила
IF (< с >) THEN q.
При реализации данного выражения кортежи q содержат результаты выполнения запроса Q.
С позиции реляционной теории запросы SQL-запросы представляют собой конструкцию вида
Q(Y, с) = ^ (г)),
где с — кортеж ограничений, накладываемых на отношение г;
k
c=ACioici;
i=1
Ci — атрибут в R, по которому накладывается ограничение. QeR; Oi — оператор сравнения, oieO, O = (больше, меньше, равно}; ci — элемент из множества значений Ci. ciedom(Ci); uC=c(r) = (t e r 11(C) = c} — операция выбора; nX (r) = (t(X) 11 e r}, XcR — операция проекции.
Таким образом, при известном результате запроса Q необходимо найти множество ограничений с. Данная задача относится к классу обратных задач извлечения данных, предполагающих восстановление правил по данным, полученным в результате выполнения запросов (в отличие от прямой задачи, ориентированной на извлечение данных по указанным в запросе условиям).
Для решения задачи управления формированием запросов использован генетический алгоритм, позволяющий исключить полный перебор возможных вариантов запросов и заменяющий его направленной эволюцией множества решений. Алгоритм реализует следующую итерационную последовательность действий.
1. Случайным образом создается начальная популяция P(0) — множество условий запросов, которые должны возвращать заданное множество объектов. Значение i устанавливается в 0.
2. Следующая последовательность действий повторяется до достижения критерия останова.
2.1. Оценивается пригодность каждого индивидуума в популяции P(i) путем выполнения соответствующего запроса к базе данных и после-
дующей оценке его результатов. Пригодность назначается выше тем запросам, которые точнее описывают заданное множество объектов.
2.2. Выбирается поколение родителей Pp(i) из P(i) на основе их пригодности в P(i).
2.3. Применяется оператор рекомбинации к парам родителей из Pp(i) для получения потомков Pc(i).
2.4. Применяется оператор мутации с заданной вероятностью к потомкам из Pc(i) и составляется следующее поколение P(i+1).
Критерием останова алгоритма является стабилизация значений функции пригодности, определяемой в процессе выполнения запросов к
БД.
В качестве объектов, задаваемых при поиске ассоциативных правил, служат поля БД АБС, отражающие значения реквизитов проводимых банковских операций, включая сведения об отправителе платежа, получателе платежа и его банке, дате, сумме и валюте платежа и др.
Таким образом, предложенный подход к анализу рисков в сфере ПОД/ФТ, реализующий гибридную технологию моделирования, включающую процедуры выявления подозрительных операций на основе сформулированных в законодательных и нормативных документах Банка России правил (шаблонов) и поиск ассоциаций в БД АБС и БД службы внутреннего контроля, позволяет расширить число выявляемых подозрительных операций и тем самым своевременно принять решение об уклонении от обслуживания КО тех или иных лиц, т. е. снизить свои риски в сфере ПОД/ФТ.
Библиографический список
1. Мельников В.Н. Противостоять уязвимости банковского сектора. // Банковское дело. 2005. № 7. С. 23-25.
2. Филимонов В.Ф., Иванов А.С. Повышение эффективности деятельности кредитных организаций в области ПОД/ФТ // Деньги и кредит. 2011. № 5. С. 43-50.
3. Евсюков В.В. К вопросу о противодействии легализации преступных доходов // Финансы. 2004. № 7.
4. Гамза В.А., Ткачук И.Б., Чокпаров М.К. Специальные аналитические технологии в сфере безопасности банков // Банковское дело. 2005. № 5. С. 46-51.
5. Банк России: годовые отчеты за 2005-2010 гг. [Электронный ресурс]. Режим доступа: www.cbr.ru.
V.V. Evsujkov
Analysis risk in the field of confrontation laundering illegal profit in banking activities with hybrid technology modeling
In this article are examined questions connected analysis risk in the field of confrontation laundering illegal profit with hybrid technology modeling in commercial bank.
Key words: analysis risk, confrontation, laundering illegal profit, hybrid technology modeling.
