Введение
Схемы отмывания денег представляют собой действия, направленные на сокрытие незаконно полученных доходов и создание видимости их происхождения из легальных источников [1]. Эти схемы могут быть реализованы с использованием человеческого фактора, например, через «денежных мулов» (людей, которые переводят средства за комиссионные), или информационных технологий, таких как виртуальные валюты. Некоторые схемы могут быть простыми, например, «смурфинг» – разделение крупных сумм на небольшие депозиты ниже порогового значения, требующего отчетности перед регуляторами [2]. Однако многие схемы имеют сложный характер, включают множество организаций и стран, и требуют использования многоуровневых корпоративных структур, чтобы скрыть доходы от незаконной деятельности под видом легальных.
Государственный и частный секторы вкладывают значительные ресурсы в противодействие этим схемам: государственные службы проводят аудит налоговых деклараций, а подразделения финансовой разведки (ПФР) анализируют отчеты о подозрительных операциях. Финансовые учреждения внедряют и соблюдают дорогостоящие процедуры по борьбе с отмыванием денег, чтобы ограничить доступность доходов от преступлений, и обязаны выполнять требования международных норм, таких как рекомендации группы разработки финансовых мер борьбы с отмыванием денег FATF (Financial Action Task Force) [3]. Эти процедуры включают в себя идентификацию клиентов, проверку источников финансирования и мониторинг транзакций.
Одним из основных элементов системы противодействия отмыванию денег являются отчеты о подозрительной активности (Suspicious Activity Reports, SAR), которые финансовые учреждения обязаны предоставлять в соответствующие надзорные органы при выявлении операций, имеющих признаки отмывания денег или иной противоправной деятельности. SAR требуют профессионального суждения при их составлении. Эксперты обязаны распознавать признаки подозрительных операций, следуя правилам процедурной оценки рисков. Однако процесс усложняется из-за отсутствия данных о преступных источниках дохода у оцениваемых клиентов.
Целью исследования является анализ влияния когнитивных факторов, таких как чрезмерная самоуверенность и предвзятость, на точность экспертных оценок рисков отмывания доходов, полученных преступным путем, с последующей разработкой подходов для минимизации когнитивных искажений, повышения качества экспертных суждений и улучшения эффективности системы противодействия финансовым угрозам в соответствии с международными стандартами.
Материалы и методы исследования
Одним из методов изучения вероятностных суждений является полевой эксперимент с использованием экспериментальных виньеток. Он позволяет респондентам оценивать ситуации, максимально приближенные к реальным, оставаясь при этом отстраненными от личного участия. Этот подход снижает риск социальной или подсознательной желательности экспертных суждений в ответах и повышает точность исследования. Респондентам предоставляются сценарии, основанные на реальных финансовых операциях, и они должны указать, считают ли они транзакцию подозрительной, и выразить свою уверенность в процентах (от 50% до 100%). Эксперимент проводится с целью сравнения точности оценок экспертов и новичков. Подробно подобный эксперимент и его результаты рассмотрены в работе Ogbeide, Henry Thomson, Mary Elizabeth, Gonul, Mustafa Sinan, Pollock, Andrew Castairs, Bhowmick, Sanjay, Bello, Abdullahi Usman. The anti-money laundering risk assessment: A probabilistic approach [4].
В исследовании приняли участие 155 человек из 13 стран. Группа экспертов включала сотрудников банков с опытом работы в сфере ПОД (в среднем 6,7 года), а группа новичков состояла из студентов бизнес-школ без опыта в данной области. Каждому участнику было предложено оценить 12 случаев, часть из которых представляла реальные примеры отмывания денег, а часть – законные операции. Они должны были указать, считают ли транзакцию подозрительной, а также оценить свою уверенность в этом решении (в процентах).
Основные этапы эксперимента:
1. Разработка виньеток: виньетки были созданы на основе реальных данных о транзакциях с учетом рекомендаций FATF. Проект прошел пилотное тестирование и доработку с учетом отзывов экспертов.
2. Процедура: участники читали описания случаев и принимали решения о том, подозрительна ли транзакция, оценивая свою уверенность от 50% до 100%. Данные собирались через онлайн-опрос.
3. Статистический анализ: для оценки качества суждений использовались использовались следующие показатели:
− Mean Outcome Index (Средний индекс результата) – это доля правильных оценок, отражающая общее качество суждений участников;
− MSPS (Mean Squared Probability Score) – статистика, измеряющая среднеквадратическое отклонение между оцененной вероятностью события и реальными исходами. Значение ближе к нулю указывает на высокую точность.
На практике для анализа аспектов точности можно дополнительно провести декомпозицию MSPS с разбивкой на три компонента для оценки различных аспектов качества суждений:
− калибровка – измеряет степень систематического отклонения между средней оценкой вероятности и фактическими исходами. Положительное значение указывает на избыточную уверенность;
− разрешающая способность – способность участника различать события, которые скорее произойдут, от тех, которые маловероятны. Определяется углом наклона регрессионной линии между оценками вероятностей и фактическими исходами;
− шум (ошибка, вариативный разброс) – измеряет случайные ошибки, не связанные с точностью, и отражает непоследовательность в оценках.
Результаты исследования и их обсуждение
Индикаторы риска отмывания денег включены в национальные системы оценки рисков, но их сложно адаптировать к практическим действиям. Эксперты должны уметь интерпретировать сложные финансовые следы, часто ориентируясь на вероятностные модели. При этом точность оценки рисков во многом зависит от контекстных знаний экспертов, а не от их специальной и технической подготовки. Однако, как показывает практика, даже эксперты могут проявлять предвзятость, основываясь на эвристиках [5]. Чрезмерная самоуверенность экспертов может негативно сказаться на точности их суждений. Она проявляется, когда субъективные вероятности превышают реальную долю правильных решений. Поэтому крайне важно внедрение методов, которые минимизируют предвзятость и усиливают точность экспертных заключений.
Таким образом, возникает проблема при оценке качества экспертных суждений не только на предмет их правильности, но и уровня уверенности в них. Чрезмерная уверенность часто связана с переоценкой точности своих решений. Например, хорошо калиброванный эксперт прав в 70% случаев, если он указывает вероятность 70%. Однако многие эксперты демонстрируют либо излишнюю самоуверенность, либо недостаточную уверенность.
Отдельные метрики, такие как среднеквадратичная ошибка (MSE), помогают оценить точность вероятностных суждений. Этот показатель можно разложить на компоненты, включая смещение и вариацию, что позволяет глубже анализировать эффективность экспертов в оценке рисков ОД/ФТ.
В рассмотренном эксперименте [4] показатель калибровки у экспертов составил 0,1904, у новичков – 0,1896, что свидетельствует об избыточной уверенности у обеих групп, причём эксперты продемонстрировали слегка более выраженную избыточную уверенность. По показателю «разрешающая способность» эксперты имели чуть более высокий показатель (0,0159) по сравнению с новичками (0,0070), что указывает на их чуть лучшую способность различать вероятности. Однако различие было статистически незначимым. Уровень шума у экспертов был ниже (0,0111), чем у новичков (0,0132), что указывает на большую последовательность экспертов в оценках. При этом, точность оценок (Mean Outcome Index) у экспертов составила 0.5010 (почти 50%), а у новичков – 0.5122, что означает равнозначность обеих групп к случайному угадыванию. А показатель MSPS у экспертов показатель составил 0.2967, у новичков – 0.3027, то есть разница между группами незначительна и статистически несущественна.
Таким образом, на основе этих результатов можно заключить следующее:
− новички показывают чуть более высокий средний показатель точности, чем эксперты, хотя разница была статистически незначимой;
− эксперты и новички продемонстрировали склонность к избыточной уверенности в своем решении, при этом эксперты проявили её немного сильнее;
− у обоих групп наблюдалась предпочтительность ложноположительных решений перед ложноотрицательными, что увеличивает вероятность ошибок в определении подозрительных транзакций;
− разрешающая способность экспертов была выше, но уровень шума в их оценках был ниже, чем у новичков.
Вопрос о том, насколько эксперты защищены от когнитивных искажений, остается открытым. Теория вероятностных суждений помогает оценить уверенность экспертов в своих решениях.
В сфере оценки рисков ОД/ФТ эксперты сталкиваются с трудностями из-за отсутствия систематической обратной связи, что ограничивает их возможности улучшать точность суждений. Например, подразделения финансовой разведки редко предоставляют экспертам детальную информацию о качестве их отчетов о подозрительных операциях. Это снижает их способность развивать свои когнитивные навыки.
Большая часть наблюдений в системах противодействия отмыванию денег является скрытой. Например, автоматизированные системы проверяют транзакции на аномалии, основываясь на известных типологиях, или выявляют политически значимых лиц (ПДЛ), которым уделяется усиленное внимание. Банки используют автоматизированные решения для оценки рисков, но подозрительные транзакции все равно требуют ручной проверки персоналом. Одной из самых сложных задач для сотрудников является разработка критериев идентификации подозрительного поведения. Без надлежащего качества программ по противодействию отмыванию денег преступники могут остаться незамеченными, что приведет к значительным штрафам для финансовых учреждений.
Риск отмывания денег не изолирован от других преступлений, таких как торговля людьми или незаконный оборот оружия. Задача экспертов состоит в том, чтобы выявлять подозрительные транзакции, основываясь на разумных основаниях [3]. Однако оценка таких рисков субъективна и связана с экономическим обоснованием транзакций. Программа комплексной проверки клиентов (Customer Due Diligence, CDD) требует идентификации и проверки их личности, что помогает определить вероятность риска. Парадокс оценки рисков состоит в том, что она представляет собой не столько точное измерение, сколько субъективный отклик на требования системы противодействия отмыванию доходов, полученных преступным путем, и финансированию терроризма (ПОД/ФТ). Например, FATF еще в 2013 году представила систему оценки рисков ОД/ФТ, где они оцениваются на основе вероятности отмывания доходов и связанных с этим последствий. Банки могут классифицировать транзакцию как подозрительную, если вероятность отмывания денег высока, или если предполагаемые последствия значительны.
Риск-ориентированный подход к борьбе с отмыванием денег подразумевает оценку риска клиента на основе таких факторов, как географический риск, риск клиента и риск продукта или услуги. Оценка риска включает субъективные суждения, так как нет физического индикатора для определения риска. При этом исследования человеческого фактора в оценке рисков остаются ограниченными, хотя литературные данные подчеркивают важность когнитивных аспектов для качества оценок [5].
Другим важным моментом для исследования представляется выявление влияния опыта на точность вероятностных суждений. Сравнение результатов работы экспертов и новичков является одним из основных методов исследования роли опыта. В различных профессиональных областях результаты неоднозначны. Например, в клинической науке эксперты часто демонстрируют большую точность, чем новички, но при этом склонны к чрезмерной самоуверенности в своих специализированных областях знаний, когда в других случаях наблюдается «обратный эффект экспертизы», при котором новички демонстрируют более точные результаты, чем эксперты. Например, исследования прогнозирования цен на акции показали, что новички иногда превосходят профессионалов из-за меньшей зависимости от сложных сигналов в условиях высокой неопределенности [7].
Эксперты по оценке рисков ОД/ФТ обязаны принимать важные решения, от которых зависит выявление подозрительных операций, связанных с отмыванием денег. Неправильная оценка рисков может привести к серьезным последствиям, включая финансовые штрафы, потерю репутации и снижение доверия со стороны регуляторов.
Основная задача экспертов заключается в балансе между чувствительностью анализа и минимизацией ложноположительных и ложноотрицательных результатов. Однако разногласия в практике оценки, когда одинаковые типы операций оцениваются по-разному, остаются значительной проблемой. Это подчеркивает необходимость непрерывного обучения и обновления руководств по оценке рисков ОД/ФТ.
Результаты исследования подчеркивают значимость когнитивных предубеждений в процессе оценки рисков, особенно чрезмерной самоуверенности, которая выявлена у более чем 85% экспертов и 89% новичков. Эти данные ставят под сомнение точность системы оценки рисков ОД, особенно если учитывать, что предвзятость самоуверенности – лишь одно из многих когнитивных искажений (например, предвзятость подтверждения, предвзятость упущения).
Можно сформулировать следующие важные для практического развития заключения и рекомендации:
1. Устранение проблемы ложноположительных оценок. Предпочтение ложноположительных результатов приводит к увеличению числа подозрительных операций, которые затем требуют проверки. Это повышает затраты на обработку данных, увеличивает нагрузку на финансовые учреждения и снижает эффективность правоохранительных органов, которые вынуждены работать с ненадежными данными.
2. Повышение роли обратной связи. Отсутствие обратной связи от подразделений финансовой разведки ограничивает возможности экспертов по борьбе с отмыванием денег улучшать свои когнитивные процессы и навыки. Регулярная обратная связь о качестве отчетов о подозрительных операциях может существенно повысить точность экспертных суждений.
3. Необходимость обучения. Постоянное обучение экспертов, направленное на уменьшение когнитивных искажений и улучшение вероятностных суждений, должно стать ключевой частью профессионального развития. Это особенно важно в условиях высокой неопределенности, характерной для сферы ПОД/ФТ.
4. Улучшение процедур оценки. Автоматизация процессов анализа рисков ОД/ФТ требует дальнейшего совершенствования. Технологии машинного обучения и анализа больших данных могут быть эффективными в выявлении подозрительных операций, если они интегрированы с надежными методиками человеческой проверки.
5. Интеграция качественных методов. Помимо количественных критериев, таких как вероятность риска, оценка должна включать качественные аспекты, такие как экономическое обоснование транзакций и контекстные данные. Это повысит способность экспертов отличать реальные риски от ложных тревог.
Выводы
Исследование показало, что когнитивные искажения, такие как чрезмерная самоуверенность и предпочтение ложноположительных ошибок, существенно снижают точность и эффективность оценки рисков отмывания доходов и финансирования терроризма. Для преодоления этих проблем важно внедрить системы обратной связи, которые помогут экспертам и организациям минимизировать влияние человеческого фактора. Механизм обратной связи может включать в себя предоставление экспертам информации о точности их оценок, включая статистику ошибок, таких как ложноположительные и ложноотрицательные срабатывания. Также важно регулярно информировать специалистов о реальных результатах их решений, включая подтверждение или опровержение подозрительных операций. Такой подход позволит выявлять типичные ошибки и скорректировать методы оценки. Кроме того, обратная связь может быть реализована через регулярное обучение на основе реальных примеров, где эксперты смогут тренироваться в анализе сложных случаев и улучшать свои навыки распознавания рисков. Включение таких элементов в рабочие процессы позволит финансовым учреждениям и регуляторам повысить качество принимаемых решений, снизить количество ошибок и сократить затраты, связанные с обработкой ложных сигналов.
Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финансового университета при Правительстве Российской Федерации.
Библиографическая ссылка
Фешина С.С., Боташева Л.Х. РОЛЬ КОГНИТИВНЫХ ФАКТОРОВ В ОЦЕНКЕ РИСКОВ ОТМЫВАНИЯ ДЕНЕГ И ПРОТИВОДЕЙСТВИЯ ФИНАНСОВЫМ УГРОЗАМ // Вестник Алтайской академии экономики и права. – 2024. – № 12-2. – С. 323-328;URL: https://vaael.ru/ru/article/view?id=3924 (дата обращения: 21.01.2025).