Навчально-науковий інститут бізнес-технологій «УАБС» (ННІ БТ) (1980-2021)
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/48923
Browse
11 results
Search Results
Item Легалізація кримінальних доходів у банку на основі моделі бізнес-процесу автоматизованого моніторингу фінансових операцій(Sheffield. Science and education LTD, 2021) Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia VasylivnaУ дослідженні розроблено загальну архітектуру автоматизованої інформаційної системи фінансового моніторингу, що складається з 4 рівнів: внутрішній фінансовий моніторинг економічних агентів, банківський фінансовий моніторинг, державний фінансовий моніторинг, правоохоронні й розвідувальні органи. Модель розроблено із застосуванням програмного продукту Bizagi Studio та сучасної нотації BPMN 2.0 автоматизованого моніторингу бізнес-процесу фінансових операцій через систему «Клієнт-Банк». Релевантні критерії перевірки змісту фінансових операцій складають 10 факторів, що є уніфікованими для різних економічних агентів та 13 перевірочних критеріїв, реалізованих безпосередньо на другому рівні перевірки у системі «Клієнт-Банк».Item Gravitational and intellectual data analysis to assess the money laundering risk of financial institutions(Journal of International Studies, 2020) Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia VasylivnaВелика різноманітність схем щодо використання компаній з метою відмивання нелегальних доходів, таких як контрабанда нафтопродуктів, незаконний продаж газу, привласнення рефінансування Центробанків, привласнення коштів банків, привласнення державних підприємств зумовила проблематику дослідження. Об’єктом дослідження є 102 країни світу, які ретельно контролюються Групою розробки фінансових заходів боротьби з відмивання грошей (FATF), мають різний рівень соціально-політичного та економічного розвитку. Науково-методичний підхід до оцінювання ризику питань фінансового моніторингу у розрізі використання фінансових установ країн для легалізації кримінальних доходів ґрунтується на застосуванні методів багатовимірного статичного аналізу, дескриптивного, кластерного та дисперсійного аналізу даних, теорії гравітації, нелінійного економетричного моделювання, диференціального та біфуркаційного аналізу динамічних нелінійних систем. Результатом дослідження є розроблена модель комплексної оцінки ризику фінансових установ країн для легалізації кримінальних доходів, що враховує: групування країн світу за рівнем ризику легалізації кримінальних доходів, ідентифікацію кластеру належності досліджуваної країни; формування інтегрального показника як рейтингової оцінки рівня ризику використання фінансових установ для легалізації кримінальних доходів, так і оцінку ризику на основі гравітаційної моделі; побудову фазового портрету динамічної системи ризикованості використання фінансових установ країн на основі нелінійної економетричної моделі.Item Розроблення моделі бізнес-процесу автоматизованого моніторингу фінансових операцій банком для протидії легалізації кримінальних доходів(Сумський державний університет, 2021) Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia Vasylivna; Кушнерьов, Олександр Сергійович; Кушнерёв, Александр Сергеевич; Kushnerov, Oleksandr SerhiiovychРеабілітація банківського сектору безпосередньо залежить від загального рівня довіри до них, через фінансові та нефінансові аспекти. Проте за останні 5 років значно розширилася кількість та типологія шахрайських дій, що наразі включають крадіжку персональних даних та встановлення контролю за рахунками жертв, кібератаки, шахрайство з безкартковими операціями та схеми з авторизацією пуш-платежів. Системи управління ризиками шахрайства нового покоління повинні бути спроможні працювати в умовах постійної цифрової трансформації, виявляти нові, досі невідомі ризики шахрайських дій, використовувати переваги технологій та зменшувати витрати на забезпечення дотримання законодавства. У статті розроблено загальну архітектуру автоматизованої інформаційної системи фінансового моніторингу, що складається з 4 рівнів: внутрішній фінансовий моніторинг економічних агентів (рівень 1), банківський фінансовим моніторингом (Клієнт-банк – рівень 2), державний фінансовим моніторингом (рівень 3), правоохоронні й розвідувальні органи ( рівень 4). Крім того, розроблено модель із застосуванням програмного продукту Bizagi Studio та сучасної нотації BPMN 2.0 автоматизованого моніторингу бізнес-процесу фінансових операцій через систему «Клієнт-Банк», що розкриває мету та тематику дослідження. Релевантні критерії перевірки змісту фінансових операцій складають 10 факторів, що є уніфікованими для різних економічних агентів та 13 перевірочних критеріїв, реалізованих безпосередньо на другому рівні перевірки у системі «Клієнт-Банк».Item Forecasting the risk of money laundering through financial intermediaries(Університет банківської справи, 2020) Турсалон, М.М.; Зейналов, З.Г.; Гусейнова, А.Т.; Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Боженко, Вікторія Володимирівна; Боженко, Виктория Владимировна; Bozhenko, Viktoriia VolodymyrivnaОсновною 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.Item Financial, economic, environmental and social determinants for Ukrainian regions differentiation by the vulnerability level to COVID-19(Фінансово-кредитна діяльність: проблеми теорії і практики, 2020) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Каща, Марія Олексіївна; Каща, Мария Алексеевна; Kashcha, Mariia OleksiivnaЯк свідчить перебіг пандемії COVID-19, регіони України суттєво відрізняються за рівнем вразливості населення до цієї інфекції. Причини регіональної диференціації захворюваності та смертності населення від COVID-19 ідентифікуються певними патернами (комбінаціями) факторів, які кумулятивно накопичуючись протягом тривалого періоду часу, сформували так звані «ретроспективних портретів вразливості регіону до COVID-19» для кожного регіону. Основною метою дослідження є визначення таких комбінацій фінансових, економічних, екологічних та соціальних факторів, які обумовили різну кількість летальних випадків та захворюваності серед населення різних регіонів України від COVID-19. Дослідження здійснено на основі побудованої просторової нелінійної моделі, в якій за ступінчастим алгоритмом окремі факторні змінні додавалися / вилучалися зі специфікацій моделі покроково методом Ейткена залежно від їх кореляції із показниками захворюваності та смертності від COVID-19 в регіоні, до тих пір, поки не була сформована специфікацію моделі з найвищим рівнем адекватності за p-значенням та t-статистикою. Для побудови індивідуальних «ретроспективних портретів вразливості регіону до COVID-19» для кожного регіону побудовані нелінійні багатофакторні регресійні рівняння залежності між результативною ознакою (рівень захворюваності та смертності населення регіону від COVID-19) від змінних – 23 індикаторів соціального, економічного, екологічного та фінансового розвитку кожного регіону України та міста Київ, сформовані кореляційні матриці та побудовано кореляційні плеяди. Перевірка на мутиколінеарність здійснена на основі кореляційної матриці з використанням алгоритму Фаррара-Глобера, перевірка залишків на наявність автокореляції здійснена методом Дарбіна-Уотсона, перевірка на гетероскедастичність здійснена за допомогою тесту рангової кореляції Спирмена. Результати емпіричного аналізу засвідчили, що на рівень захворюваності від COVID-19 та кількість смертельних випадків найбільше впливає показники міграційного руху, кількісний склад населення та екологічна ситуація в регіоні, але також суттєвим є індикатор готовності медичних закладів до якісного обслуговування хворих в період пандемії та динаміка доходів населення. Використання ретроспективних результатів дослідження можуть бути корисними при створенні дорожніх карт окремих регіонів, для подолання наслідків епідеміологічних впливів у майбутньому.Item Кластеризація країн за рівнем використання фінансових установ для легалізації кримінальних доходів(. Науковий погляд: економіка та управління, 2020) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia VasylivnaСтрімкий розвиток інформаційних технологій, лібералізація руху фінансового капіталу, інтенсивне використання цифрового каналу надання фінансових послуг, а також збільшення масштабів тіньової економічної діяльності призводять до нарощення обсягів незаконно отриманих коштів і вдосконалення схем та методів, які використовують злочинці для легалізації кримінальних доходів. За цих умов зростає необхідність здійснення превентивних заходів щодо протидії легалізації сумнівних доходів за рахунок адекватної оцінки даного ризику. Метою даного дослідження є виокремлення однорідних груп країн за рівнем використання їхніх фінансових установ для легалізації кримінальних доходів. Методичним інструментарієм проведеного дослідження стали методи кластерного, кореляційного, дисперсійного аналізу. За результатами кластерного аналізу виділено 10 груп країн залежно від рівня ризику легалізації кримінальних доходів.Item The risk of money laundering: overview through the operations of insurance companies(Sumy State University, 2020) Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Миненко, Сергій Володимирович; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Люльов, Олексій Валентинович; Люлев, Алексей Валентинович; Liulov, Oleksii Valentynovych; Грек, К.; Миненко, Сергей Владимирович; Mynenko, Serhii VolodymyrovychThe expandance of global integration processes in the world economy in recent years has created favorable conditions for criminal structures for money laundering. This issue became extremely acute on the background of the growing size of the shadow economy in Ukraine. Nowadays, scientists mostly pay attention to the using of banking operations to money laundering. Instead, very small attention is paid to money laundering through insurance companies. Therefore, it is important to identify and describe the risk of money laundering through the operations of insurance companiesItem Інклюзивне зростання: базові положення, індикатори та пріоритети розвитку(Centre of Sociological Research, 2020) Васильєва, Тетяна Анатоліївна; Васильева, Татьяна Анатольевна; Vasylieva, Tetiana Anatoliivna; Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Гриценко, Лариса Леонідівна; Гриценко, Лариса Леонидовна; Hrytsenko, Larysa Leonidivna; Боярко, Ірина Миколаївна; Боярко, Ирина Николаевна; Boyarko, Iryna Mykolaivna; Багмет, Ксенія Вікторівна; Багмет, Ксения Викторовна; Bahmet, Kseniia Viktorivna; Кириченко, Костянтин Іванович; Кириченко, Константин Иванович; Kyrychenko, Kostiantyn Ivanovych; Буряк, Анна Володимирівна; Буряк, Анна Владимировна; Buriak, Anna Volodymyrivna; Бойко, Антон Олександрович; Бойко, Антон Александрович; Boiko, Anton Oleksandrovych; Боженко, Вікторія Володимирівна; Боженко, Виктория Владимировна; Bozhenko, Viktoriia Volodymyrivna; Самусевич, Ярина Валентинівна; Самусевич, Ярина Валентиновна; Samusevych, Yaryna Valentynivna; Височина, Аліна Володимирівна; Высочина, Алина Владимировна; Vysochyna, Alina Volodymyrivna; Пахненко, Олена Михайлівна; Пахненко, Елена Михайловна; Pakhnenko, Olena Mykhailivna; Тютюник, Інна Володимирівна; Тютюнык, Инна Владимировна; Tiutiunyk, Inna Volodymyrivna; Росохата, Анна Сергіївна; Росохатая, Анна Сергеевна; Rosokhata, Anna Serhiivna; Боронос, Володимир Миколайович; Боронос, Владимир Николаевич; Boronos, Volodymyr Mykolaiovych; Єльнікова, Юлія Василівна; Ельникова, Юлия Васильевна; Yelnikova, Yuliia Vasylivna; Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Ярова, Інесса Євгенівна; Яровая, Инесса Евгеньевна; Yarova, Inessa Yevhenivna; Доценко, Тетяна Віталіївна; Доценко, Татьяна Витальевна; Dotsenko, Tetiana Vitaliivna; Шаповал, Владислав; Шаповал, Владислав; Shapoval, Vladyslav; Мареха, Ірина Сергіївна; Мареха, Ирина Сергеевна; Marekha, Iryna Serhiivna; Орєхова, Ярослава; Орехова, Ярослава; Orekhova, Yaroslava; Костенко, Вікторія; Костенко, Виктория; Kostenko, Viktoriia; Лугова, Дар'я; Луговая, Дарья; Luhova, DariiaУ монографії викладено теоретичні положення реалізації концепцію інклюзивного зростання, проаналізовано основні методичні підходи до оцінювання рівня інклюзивності економіки країни, розроблено методичні положення до оцінювання рівня соціального, економічного та політичного розвитку країни, досліджено закордонний досвід участі держави у підтримці соціального підприємництва, а також визначено основні напрямки удосконалення національної економіки в контексті імплементації концепції інклюзивного зростання. Досліджено тіньові процеси та легалізацію кримінальних доходів як основні перешкоди на шляху до переходу на модель інклюзивного розвитку країни. Проаналізовано роль екологічних податків у забезпеченні стабільного економічного розвитку з урахуванням принципів інклюзивності.Item Економіко-математичний інструментарій національної оцінки ризиків легалізації коштів (фінансування тероризму)(Ярославна, 2017) Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Бойко, Антон Олександрович; Бойко, Антон Александрович; Boiko, Anton Oleksandrovych; Боженко, Вікторія Володимирівна; Боженко, Виктория Владимировна; Bozhenko, Viktoriia Volodymyrivna; Дмитров, С.О.; Медвідь, Т.А.У монографії розглянуто теоретико-методичні та практичні аспекти оцінювання ризику використання фінансових установ з метою легалізації коштів, отриманих незаконним шляхом. Розроблено методичні засади до оцінювання ефективності національної системи запобігання та протидії легалізації коштів, отриманих злочинним шляхом. Дослідження рекомендоване для фахівців у галузі фінансового моніторингу, а також для студентів і аспірантів економічних та юридичних спеціальностей, викладачів і науковців.Item Сучасні інструменти боротьби з кібершахрайствами у банках(видавництво "Ярославна", 2018) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Лєонов, Сергій Вячеславович; Леонов, Сергей Вячеславович; Lieonov, Serhii Viacheslavovych; Криклій, Олена Анатоліївна; Криклий, Елена Анатольевна; Kryklii, Olena Anatoliivna; Гриценко, Костянтин Григорович; Гриценко, Константин Григорьевич; Hrytsenko, Kostiantyn Hryhorovych; Пушко, Ольга Олександрівна; Пушко, Ольга Александровна; Pushko, Olha Oleksandrivna; Самусевич, Ярина Валентинівна; Самусевич, Ярина Валентиновна; Samusevych, Yaryna Valentynivna; Доценко, Тетяна Віталіївна; Доценко, Татьяна Витальевна; Dotsenko, Tetiana Vitaliivna; Бояджян, М.М.; Бояджян, М.М.; Boiadzhian, М.М.; Клімов, С.В.; Климов, С.В.; Klimov, S.V.; Ковач, В.О.; Ковач, В.А.; Kovach, V.O.Монографія складається із чотирьох частин. У першій частині «Концептуальні основи мінімізації операційних банківських ризиків в сфері інформаційної безпеки» викладено науковометодичний підхід до операційних ризиків, як складової інформаційної безпеки, з боку його моделювання та стандартизації. У другій частині «Аналіз та оцінка наслідків кібершахрайств у банках» зосереджено увагу на оцінці впливу макроекономічних факторів на формування схильності до шахрайства, моделювання збитків банків від їх залучення до шахрайських операцій. Третя частина «Математичне моделювання як інструмент попередження кібершахрайств у банках» базується на застосуванні інтелектуального аналізу, нечітких множин та динамічного моделювання для попередження кібершахрайств. У четвертій частині «Розробка комплексу автоматизованих превентивних заходів попередження шахрайств» наведено інформаційну модель та прототип автоматизованого модулю процесу виявлення шахрайських операцій з банківськими картками.