Upload
haliem
View
235
Download
0
Embed Size (px)
Citation preview
Page 1 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Aplicación efectiva de los Estándares Internacionales a través del Enfoque Basado en Riesgo
Copyright © SAS Institut e Inc . Al l rights reserv e d .
42%
De los 88 países y territorios incluidos en la lista de "Principales países blanqueadores de activos", 37 se encuentran en Latinoamérica. En comparación con 2016, este año hay 17 jurisdicciones latinoamericanas más en la lista como Cuba, Ecuador, Perú y Trinidad y Tobago
Page 2 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
El lavado en la región del Caribe sigue siendo un grave
problema que parece ser particularmente agudo en Antigua, la
República Dominicana, Jamaica y San Vicente y las Granadinas.
En Estados Unidos, dominicanos involucrados en el lavado de
activos utilizan empresas que se dedican a las transferencias de
fondos para enviar a la República Dominicana sumas inferiores
los 10.000 dólares bajo nombres falsos.
En Jamaica se descubrió un caso reciente de lavado de activos
de varios millones de dólares mediante una operación de
apuesta por teléfono en el extranjero.
Recientemente, el gobierno de los Estados Unidos aplicó
sanciones e incluyó en la lista OFAC a principales oficiales del
gobierno venezolano, empezando por el presidente Nicolás
Maduro
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Evolución Cumplimiento de Estándares GAFI por Guatemala
2001 2004 2005 2009 2010 2011 2012 2013 2016
Ingreso a lista negra GAFI
Salió de Lista negra
1era Evaluación GAFIC
2da Evaluación GAFIC
Recomendaciones GAFI Estándares
Internacionales. Ingreso a GAFISUD
Metodología de Evaluación de
cumplimiento técnico y efectividad
Ingreso GAFILAT
Evaluación 2016
Page 3 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Enfocado en la Regulación
Datos dispares o en silos
Basado en reglas Retroalimentación
Problema
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Page 4 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
2012 HSBC es acusado de lavar 881 millones de dólares de carteles mexicanos y colombianos
Cuando HSBC llega a Colombia en 2007 es considerado según FORBES el segundo banco mas grande del mundo y la quinta
empresa mas grande a nivel global
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Historia
Surge del Hong Kong and Shangai Banking Co. Con oficinas en Shangai,
Londres y San Francisco
En 1965, adquiere la mayoría del Hang Seng Bank y se convierte en el segundo
mas importante en Hong Kong
En 1980 adquiere el 51% del Marine Midland Bank en Nueva
York y se llama HSBC USA NA
En 1983 HSBC USA adquiere Carrol McEntee & McGinley y se
denomina HSBC Securities USA
En 1991 Se Crea el HSBC Holding y sus acciones cotizan en las bolsas
Hong Kong y Londres
En 2000 Las acciones se cotizan en la bolsa de Paris y adquiere el CCF,
el banco mas grande de Francia (HSBC Francia)
En 2002 adquiere Grupo Financiero Bital SA en Mexico y se
crea el Grupo Financiero HSBC Mexico
En 2007 llega a Colombia tras la
compra de Banitsmo
En 2012 detona el escandalo de Lavado de Activos y tras un año de investigación el senado de EUA da
a conocer su informe donde lo involucra
HSBC piensa en vender sus
operaciones en Uruguay, Paraguay, Perú y Colombia, ya no es el
segundo mas grande del mundo y
pasa al 4to lugar
Page 5 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Que Sucedió?
2012 Acusado de Lavar 881 Millones de Dólares a través de Carteles mexicanos y colombianos
• HSBC No Monitoreo mas de 9,400 millones de dólares en compras de divisa de HSBC Mexico • Al menos 881 Millones en ganancias de las drogas del cartel de Sinaloa en Mexico y del Norte de
Valle de Colombia fueron lavados a través de HSBC Bank USA • Los Carteles mexicanos lavaron dinero desde el 2002 hasta el 2009 • Pesquisas de la DEA encontraron traficantes que estaban depositando cientos de miles de
dólares en efectivo todos los días hacia cuentas de HSBC Mexico • Ejecutivos del HSBC en EUA aceptaron que sus estructuras financieras en Mexico, Iran y Siria,
entre otros países, permitieron el lavado de dinero de miles de millones de dólares procedentes del narcotráfico, contrabando de armas y terrorismo
• HSBC Acordo pagar 1,920 millones de dólares para resolver una investigación criminal por lavado de dinero en Estados Unidos
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Como Sucedió?
• Fracaso TOTAL en el control del programa Anti Lavado de Dinero que hizo que los carteles se adentraran en la institución
• Funcionarios de riesgo no detectaron y/o no informaron sobre las deficiencias significativas del programa AML de HSBC Mexico, a pesar de saber de estos problemas y su efecto potencial en el flujo de fondos ilícitos
• Escasa supervisión de las operaciones realizadas debido a los bajos estándares en sus sistemas de control y monitoreo en la entidad
Page 6 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Reglas de la Gestión de Riesgo LA/FT
• Sistema basado en riesgo, diferente para cada persona o empresa de acuerdo a sus características particulares.
• Reconoce que la naturaleza del impacto varía entre los distintos factores
Sistema basado en Reglas, basado en entidades y eventos como un todo no
sólo en impacto por evento
Estas definiciones excluyen el riesgo reputacional y operacional
Gestión de Riesgo Cumplimiento
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Non Personal
• Industry Classification Code • Legal Entity Status • Not For Profit • Money Service Business • Foreign Consulate/Embassy • PEPs • Negative News Search (Case
Management)
Personal Attributes • Occupation • PEPs • Negative News Search
Low Medium High
Entity Risk Attributes
• Common Attributes: • Deposit • Credit Cards • Loans • Investments • Foreign Exchange • Bulk
Cash/Banknotes • Trade Finance
Non Personal
• Country of Incorporation • Primary Business Address • Country of Residence (Beneficial
Owner) • Country of Residence Directors
Personal Attributes
• Country of Residence • Country of Citizenship
Product/Service Risk Attributes Country Risk Attributes
Atributos de Análisis
Page 7 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
El valor de la Analítica en LA/FT
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Datos
Información
Conocimiento
Sabiduría
• Conocimiento predictivo y prescriptivo
• Habilita mejores y mas rápidas decisiones de negocio
• Permite la automatización del proceso de negocio
• Información organizada y analizada
• Provee la causa efecto
• Reactivo, mira al pasado
• No accionable
• Datos procesados, filtrados,
estandarizados y limpios
• Accesible y significativo
• Provee entendimiento, pero no la foto
completa
• Estructurados o No estructurados
• Diferentes fuentes y formatos • Calidad no administrada • Necesarios, pero no suficientes
en el estado actual
Val
or
Accionable Predictivo Prescriptivo
Causa-Efecto De Negocio
Acceso, Entendimiento
Potencial
Page 8 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Data Science
Databases
Datamining
Statistics Pattern
Recognition
Computational Neuroscience
Machine Learning
KDD
AI
Naturaleza multidisciplinaria de la Analítica
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Métodos de aprendizaje
• Descubrir patrones en los datos que relacionan sus atributos a ciertas etiquetas
• Los patrones se utilizan para predecir los valores de las etiquetas en datos futuros
• Los datos no tienen etiquetas
• La meta es explorar los datos para encontrar estructuras intrínsecas en ellos
Supervisado No supervisado
Page 9 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Métodos de Aprendizaje – Aplicaciones LA-FT
Analítica predictiva Identificación de factores de riesgo para el lavado de activos Calificación de riesgos a clientes, regiones geográficas, operaciones…
Conglomerados y segmentación Segmentación de clientes o empresas
Detección de casos atípicos
Alertamiento de operaciones inusuales
Supervisado No supervisado
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Descubrimiento de relaciones sobre entidades
Identificar el grado y tipo de relación
Integrar diversas fuentes de datos que se encuentran en silos
Análisis de Redes
Page 10 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Proactivamente aplica la combinación de todos los enfoques a nivel de entidad y red
Enfoque Híbrido
Aprovechar elementos de datos no estructurados en
el análisis
Ejemplo:
Elementos de datos estáticos (por
ejemplo, dirección) utilizados para
vincular la actividad sospechosa
Minería de texto
Para patrones conocidos
Para patrones desconocidos
Para patrones complejos
Para datos no estructurados
Empleados Clientes
Productos Transacción
Proveedores Listas
especiales
Datos
Datos de terceros
Dominio Público
Reglas para los patrones
conocidos de lavado de activos
Ejemplo:
Monto de la transacción
superior al umbral
Reglas
Algoritmos para descubrir
comportamientos inusuales
Ejemplo:
Volumen de transacciones
anormal en comparación con
sus pares
Modelos Predictivos
Identificar los atributos del
comportamiento de lavado de
activos
Ejemplo:
Los patrones de las operaciones
confirmadas como lavado de activos
Para asociaciones
Análisis de vínculos
Descubrimiento asociativo
mediante análisis automatizado de
redes
Ejemplo:
Red colusoria de empresas que lavan activos
Vista consolidada
Gestión modelos
Repositorio Analítico
Preparación datos
Análisis y reportes
Detección de anomalías Integración
Activos X
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Modelo de madurez de gobierno de datos
BAJA
ALTA
RE
CO
MPE
NSA
ALTO
BAJO
RIE
SGO
PERSONAS, PROCESOS, ADOPCIÓN DE TECNOLOGÍA
REACTIVA
PROACTIVA
GOBERNADA
INDISCIPLINADA • Proyectos impulsados
por Línea de negocio o TI
• Información redundante frustra esfuerzos multi-funcionales
• Altos costos para mantener diversas aplicaciones
• Proyectos impulsados por TI
• Datos duplicados e inconsistentes
• Incapacidad de adaptarse a los Cambios del Negocio
• Los grupos de tecnología y negocio colaboran para crear vistas empresariales de producto o clientes
• Los datos y los procesos de negocio permanecen aislados lo cual implica un freno para la innovación
• Los requerimientos de negocio impulsan todos los esfuerzos de TI.
• Procesos de Negocio repetibles y automatizados
• Relacionamiento con cliente personalizado y cadena de suministro optimizada
Page 11 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Madurez Analítica Etapas de desarrollo
INMADUREZ
CONOCIMIENTO
INFORMADA
AUTOSUFICIENTE
INNOVADORA
1
2
3
4
5
Poco uso analítico.
Prácticas empíricas y herramientas rudimentarias.
Solamente procesos de misión crítica utilizan
analítica de predicción.
Beneficios del uso de analítica no son
entendidos por la mayoría de la empresa.
Aplicación analítica es de manera táctica y
ad-hoc.
Desarrollo y deslizamiento de
soluciones analíticas tienen muchos
obstáculos y son hechos por expertos
departamentales.
Talento analítico esta centralizado en
departamentos mas grandes.
La gerencia entiende
y fomenta uso analítico como valor
estratégico y consolida su visión
analítica entre todos los departamentos
de la empresa.
La empresa esta comprometida a
hacer del uso analítico parte de su plan de crecimiento.
Departamentos son
capaces de ser arquitectos de sus
planes de transformación
analítica.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
Análisis Descriptivo ¿Qué Sucedió?
Análisis Diagnostico ¿Por qué Sucedió?
Análisis Predictivo ¿Qué Sucederá?
Análisis Prescriptivo ¿Qué debe suceder?
Simulación y Visualización
Debida diligencia
Reglas Duras
Modelos predictivos basados en historia
Analítica Avanzada
¿Dónde se encuentra su Empresa?
Page 12 sas.com
Copy right © SAS Inst i tute Inc . Al l rights reserved.
Copyright © SAS Institut e Inc . Al l rights reserv e d .
• Esquemas sofisticados requieren sofisticadas técnicas de detección
• Adoptar un enfoque institucional mejora enormemente la detección y proporciona economías de escala
• La detección y la prevención deben ser parte del proceso operativo
• Los reguladores y sujetos obligados deben estar equipados con tecnología moderna para maximizar la efectividad
Conclusiones