SAS | The Leader in Business Intelligence -- Software and Services that give you The Power To Know HírekRendezvényekEgyetemi programKarrierPartnerekKapcsolat
Home Termékek és megoldások Referenciák Tanfolyamok CégismertetoTechnikai Támogatás www.sas.com

 
jó hírünk van!

Sajtóközlemények
Sajtóközpont
Iparági elemzések
eTudósító
2006/1
2005/2
2005/1
2004/2
2004/1
2003/3
2003/2
- Előre jelzett kárigény
- Pénzmosás ellen
- Már nem terra incognita
- Előnyök az OLAP-pal
- Kilencedik verzó
- Webvadászat
- Gyors és pontos hitelbírálat
- Balanced Scorecard
- Megoldás a közszférának
- Biztosra mentek
2003/1
sascom magazin
e-hírlevelek

 



Pénzmosás ellen

A csalásból, pénzmosásból származó veszteséget nehéz pontosan megállapítani, fokozott figyelmet kell fordítani tehát e bűncselekmények feltárására. Ezáltal a pénzintézetek csökkenthetik kockázataikat, növelhetik jövedelmezőségüket, illetve megerősíthetik jó hírnevüket.

A technológiai fejlődés egyszerűbbé tette az illegális tevékenységek, tranzakciók elrejtését. A pénzmosási technikák finomodásával, az illegális tranzakciók számának és összetettségének növekedésével a bűncselekmények feltárása során immár szükségszerű, hogy a pénzintézetek és a hatóságok egyre szorosabban működjenek együtt. Egyik pénzintézet hírnevére sem vet ugyanis jó fényt, ha kiderül ügyfeleiről, hogy terroristaakciókat finanszíroznak, szervezett bűnözők, vagy netán egy drogkartell tagjai.

A bankoknak tehát fontos, hogy egy robusztus csalásfelderítési megoldásba invesztáljanak, mert ezzel

  • elkerülhetik a negatív reklámot;
  • megőrizhetik a vállalat jó hírét, valamint az ügyfelek és befektetők bizalmát;
  • megfelelnek a felügyeleti elvárásoknak, továbbá a hazai és EU-normáknak;
  • elkerülhetik a felügyeleti, tulajdonosi vizsgálatok és a rendőrségi nyomozás okozta kellemetlenségeket.

A törvények

A szervezett bűnözés elleni harc eredményeként több országban született törvény arról, hogy a pénzintézeteknek milyen kötelezettségeik vannak a pénzmosás elleni küzdelemben; ennek eredményeként azonosíthatóvá válnak a pénzmosásban részt vevő gyanús ügyfelek. Magyarországon is több törvény szolgálja a pénzmosás felderítését, illetve megakadályozását. Ilyen többek között a pénzmosás megelőzéséről és megakadályozásáról szóló 2003. évi XV. törvény, a terrorizmus elleni küzdelemről, a pénzmosás megakadályozásáról szóló rendelkezések szigorításáról, valamint az egyes korlátozó intézkedések elrendeléséről szóló 2001. évi LXXXIII. törvény. Ide tartozik továbbá a 2000. évi CI. törvény, amely a pénzmosásról, a bűncselekményből származó dolgok felkutatásáról, lefoglalásáról és elkobzásáról szóló, Strasbourgban, 1990. november 8-án kelt egyezményt hirdeti ki.

A pénzmosás fázisai

A pénzintézeteknél világszerte ugyanazok a kérdések merülnek fel a pénzmosás elleni megoldás keresése során. A megoldás tulajdonképpen az ügyfelekben rejlő kockázatok ismeretében rejlik, azaz abban, hogy a bankok mennyire alaposan ismerik ügyfeleiket, vagy miként tudják őket még jobban megismerni. Mindez lehetőséget teremt arra, hogy a pénzmosás elleni küzdelem integrálódjon a csalásfelderítéssel, a vállalati kockázatkezeléssel és az ügyfélkapcsolat-kezeléssel. A pénzmosás elleni küzdelemben fontos szerep jut az olyan szoftvermegoldásoknak, amelyek képesek a gyanús tevékenységek kiszűrésére, illetve a pénzmosás három fázisának azonosítására, illetve nyomon követésére. Ez a három fázis:

  • a placement - a nem egyenes úton szerzett pénz bejuttatása a bankrendszerbe törvényesnek tűnő tranzakciókon keresztül (például betétek);
  • a layering - több tranzakció felhasználása, gyakran több pénzintézet és letét bevonásával, a nyom eltüntetése érdekében;
  • az integráció (integration) - a pénz átalakítása valamilyen legális formává (például letétnyugta révén) az elhelyezés és a megforgatás után.

Alapfunkciók

A pénzmosás elleni szoftvermegoldásnak az alábbi funkciókkal kell rendelkeznie.

Az adatok kinyerése, átalakítása, összehasonlítása és betöltése. A pénzmosás rejtett folyamat, így a feltárására, megértésére és megelőzésére szolgáló bizonyítékok, adatok több operatív rendszerben és adatbázisban lehetnek szétszórva. Ezekhez az adatokhoz hozzá kell férni, illetve ki kell őket nyerni. Néhány adatot lehet, hogy át kell alakítani annak érdekében, hogy jobban elemezhetővé váljon. Mivel különböző adatforrásból származó adatokat kell feldolgozni, szükség van a rekordok összehasonlítására, összehangolására - s ez már önmagában is feltárhat pénzmosási tevékenységet.

Információtárolás. A pénzmosás feltárása során elemzett adatokat valahol tárolni kell, ennek során az alábbiakat célszerű figyelembe venni:

  • az eredeti adatokat bizonyító erejüknél fogva nem lehet semmilyen módon megváltoztatni;
  • az elemzéshez szükséges adatmennyiség jóval nagyobb lehet annál, mint ami más alkalmazásokhoz szükséges, hiszen ebben az esetben nagyon kevés, ám hasonlóságot produkáló tranzakciót keresünk;
  • nemcsak egy részhalmaz, hanem az egész adathalmaz elemzésére van szükség, ugyanis ha az összes pénzmosás-gyanús tranzakciót szeretnénk összegyűjteni, szükség lehet a rekordok egyenkénti vizsgálatára.

Üzleti intelligencia. A pénzmosásra vonatkozó adatokat nehéz megjeleníteni vagy megosztani. Különböző jelentéskészítő technológiák segítségével azonban lehetővé válik az információmegosztás olyan lefúrható és könnyen érthető formában, ami megfelel a feladatnak. Az adatok felhasználhatóak továbbá trendek előrejelzésére is.

Elemző intelligencia. Minden fejlett megoldásnak, amely pénzmosás felderítésére és megelőzésére szolgál, az adatbányászat az alapja. Ez teszi lehetővé a pénzintézet számára, hogy megismerje, hol történt pénzmosás, miként hajtották végre. Csak így lehet olyan modellt kialakítani, amellyel megelőzhetők a további bűncselekmények, illetve mérhető a megelőzés hatékonysága. Az adatbányászatot a pénzmosás felderítése során tipikusan három területen alkalmazzák:

  • Prediktív szabályok levezetése és optimalizálása. Igen sok operatív pénzmosás-felderítési rendszer az egyedi tranzakciókat/alkalmazásokat szabályrendszerekkel veti össze, majd egy numerikus értéket rendel hozzá. Az értékek összessége adja meg a "gyanússági szintet". Azonban ezek a szabályrendszerek nem teljesen pontosak, ezért a valódi pénzmosási esetek feltárásainak száma alacsony, míg a hamis riasztások száma túl magas. Adatbányászati technikák alkalmazásával azonban olyan új modellek (szabályok) kialakítására van lehetőség, amelyek hozzáadhatóak a scorecardhoz, és elősegítik pénzmosási esetek pontosabb azonosítását.
  • Scoring. Nagy adatállományokon végzett adatbányászati eljárásokkal olyan modelleket lehet kialakítani, amelyekkel előre jelezhetők a potenciális pénzmosási esetek. A historikus adatokon történő alkalmazásukkal pedig olyan pénzmosási esetek kerülhetnek napvilágra, amelyek nem derültek ki a múltban elvégzett vizsgálatok során.
  • Pénzmosási hálózat elemzése. A pénzmosók, tranzakciók és számlák között általában nagyon összetettek az összefüggések, ám adatbányászattal könnyedén feltárhatóak. Például a gyanús számlatulajdonosok sajátosságainak elemzésével feltárható, ha ugyanabba a fiókirodába járnak, ugyanazzal az ügyintézővel bonyolítják ügyleteiket, stb.

Tudásmenedzsment. Végül, de nem utolsósorban fontos a pénzmosásgyanús esetek eljuttatása a megfelelő emberekhez, a megfelelő időben és használható formában. Ez jelenthet egyszerű adatexportot, de akár e-mailen elérhető riportokat is. Ezen a területen az idő létfontosságú, hiszen a pénzmosók legtöbbször az azonosításra és feltárásra fordított időt használják ki az eltűnésre.

Hol a határ?
Az Amerikai Egyesült Államok törvényhozása 2001 októberében USA Patriot néven törvényt fogadott el, amely új, a terrorizmus elleni harcot szolgáló pénzügyi előírásokat tartalmaz, és azonos követelményeket állapít meg mind a bankok, mind az egyéb pénzintézetek vonatkozásában. Ennek eredményeképpen a USA Patriot kötelezővé teszi a pénzügyi szolgáltatásokat nyújtó intézmények számára, hogy csalásfelderítési, illetve pénzmosás elleni programokat vezessenek be, s felelősek legyenek a látókörükbe kerülő minden ilyesfajta tevékenységért.
Magyarországon a pénzmosás megelőzéséről szóló 2003. évi XV. törvény az EU-előírásoknál sok tekintetben szigorúbb. A magyar jogszabály például az azonosítási küszöbértéket 2 millió forintban adja meg, míg például Ausztria és Németország 15 ezer, Olaszország 10 ezer euróban, az Egyesült Államok pedig 10 ezer dollárban húzza meg ugyanezt a határt, s ez minden esetben több a magyar küszöbnél. Szigorúbb megítélés alá veszi a törvény a könyvelőket, sőt az ügyvédeket is, bár az EU-ban jelenleg még nem terjedt el e tevékenységek ilyen jellegű vizsgálata.
Az Európai Bizottság és a párizsi székhelyű független kormányközi testület (FATF = Financial Action Task Force) ajánlásainak ilyen mértékű, törvényben szabályozott figyelembevétele egyrészt azt eredményezte, hogy hazánk véglegesen lekerült a "nem együttműködő országok" listájáról, másrészt garantálja, hogy ne kerüljön vissza oda.
The Power to Know
   Kapcsolat     Keresés     Felhasználási feltételek & Jogi közlemény     Adatvédelem   Copyright © 2008 SAS Institute Inc. All Rights Reserved