Detecting financial frauds: the role of anomaly detection in AML pipeline

Petra Kohoutová

Diplomová práce

Odhalování finančních podvodů: úloha detekce odlehlých pozorování v AML procesu

Anotace:

V době sofistikované finanční kriminality je boj proti praní špinavých peněz a financování terorismu nezbytný. Monitorování transakcí je základním stavebním kamenem v této snaze, ale představuje řadu výzev. Komplexnosti moderního bankovnictví, digitálních transakcí a rozšiřujících se globálních systémů umožňují zločincům zneužívat zranitelností, což zvyšuje složitost detekce této kriminální činnosti. Tato práce se zabývá řešením těchto složitých problémů tím, že zkoumá klíčovou roli monitorování transakcí. Středobodem této analýzy je představení segmentace zákazníků a kalibrace prahových hodnot, koncepty, které mají potenciál zvýšit účinnost systémů sledování transakcí. Tyto mechanismy jsou zkoumány pro jejich schopnost posílit celkovou odolnost sledovacího procesu. Tato studie představuje a používá Isolation Forest, pokročilou techniku strojového učení použitelnou pro detekci odlehlých hodnot. Tato metoda nabízí slibnou cestu k řešení výše uvedených hrozeb a přispívá k arzenálu potenciálních řešení v tomto neustálém boji.

Abstract:

In the landscape of sophisticated financial crimes, countering money laundering and terrorist financing has become a critical issue. Transaction monitoring, a pivotal component in this endeavor, faces its share of hurdles. The complexities inherent in modern banking, digital transactions, and the expansion of global systems provide a fertile ground for criminals to exploit vulnerabilities, thereby amplifying the intricacy of detection. This thesis takes on the task of navigating these intricate challenges by delving into the pivotal role that transaction monitoring assumes. Central to this exploration is the introduction of customer segmentation and threshold calibration, concepts poised to enhance the efficacy of transaction monitoring systems. These mechanisms are examined for their potential to bolster the overall robustness of the monitoring process. This study presents and utilizes the method of the Isolation Forest, an advanced machine learning technique for outlier detection. This method offers a promising avenue toward addressing the aforementioned threats, adding to the arsenal of potential solutions in this ongoing battle.

Klíčová slova

Finanční kriminalita, Praní špinavých peněz, Detekce odlehlých pozorování, Strojové učení, Učení bez učitele, Monitorování transakcí

Keywords

Financial criminality, Money laundering, Outlier detection, Unsupervised learning, Machine learning, Transaction monitoring

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 24. 8. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 14. 9. 2023
• Vedoucí: Karel Janda
• Oponent: Bohumil Stádník

Vysoká škola ekonomická v Praze

Magisterský studijní program:
Finanční inženýrství