Forecasting the risk of money laundering through financial intermediaries

Abstract

Основною метою проведеного дослідження є побудова прогнозної нейромережевої моделі для визначення динаміки ризику використання банківських установ для легалізації кримінальних коштів. Методичним інструментарієм проведеного дослідження стали методи експоненційного згладжування (з використанням експоненційного тренду, лінійної моделі Хольта та затухаючого тренду), моделі штучної нейронної мережі (багатошаровий персептрону MLP-архітектури з використанням алгоритму BFGS, радіальна базисна функція RBF-архітектури з використанням алгоритму RBFT). Об’єктом дослідження обрано 20 банків України. Побудова прогнозної моделі в статті здійснено в наступній логічній послідовності: визначено прогнозні значення релевантних факторів впливу на ризик залучення фінансової установи в тіньові операції; навчання нейронних мереж за сформованою вибіркою показників; прогнозування ризику використання фінансових посередників України для легалізації кримінальних доходів на період 2020-2025 рр. на основі побудованих нейронних мереж. Проведені розрахунки засвідчили, що до 2025 року лише 40% аналізованих банків України зможуть зменшити їх участь в легалізації незаконно отриманих коштів.

Основной целью проведенного исследования является построение прогнозной нейросетевой модели для определения динамики риска использования банковских учреждений для легализации криминальных средств. Методическим инструментарием проведенного исследования стали методы экспоненциального сглаживания (с использованием экспоненциального тренда, линейной модели Хольта и затухающего тренда), модели искусственной нейронной сети (многослойный персептрона MLP-архитектуры с использованием алгоритма BFGS, радиальная базисная функция RBF-архитектуры с использованием алгоритма RBFT). Объектом исследования избран 20 банков Украины. Построение прогнозной модели в статье осуществлен в следующей логической последовательности: определены прогнозные значения релевантных факторов влияния на риск привлечения финансового учреждения в теневые операции; обучения нейронных сетей по сложившейся выборкой показателей; прогнозирования риска использования финансовых посредников Украины для легализации криминальных доходов на период 2020-2025 гг. на основе построенных нейронных сетей. Проведенные расчеты показали, что к 2025 году только 40% анализируемых банков Украины смогут уменьшить их участие в легализации незаконно полученных средств.

The primary purpose of the study is to build a predictive neural network model to define the dynamics of the risk of using banking institutions to legalize criminal funds. The methodological tools of the study were methods of exponential smoothing (using exponential trend, linear Holt model and decaying trend), artificial neural network model (multilayer perceptron MLP-architecture using BFGS algorithm, radial basis function of RBF-architecture usage). Assessment and forecasting of money laundering risk through financial institutions is based on 13 relevant indicators, the source of which is internal financial statements. The object of research is the chosen 20 Ukrainian banks. Investigation of the forecast model in the paper is carried out in the following logical sequence: the forecast values of relevant factors influencing the risk of using financial institution in shadow operations are determined; training of neural networks according to the formed sample of indicators; forecasting the risk of using financial intermediaries of Ukraine for the legalization of criminal proceeds for the period 2020-2025 based on constructed neural networks. The calculations showed that by 2025 only 40% of the analyzed banks in Ukraine would be able to reduce their participation in the legalization of illegally obtained funds.