SARLAFT:¿Ciencia o Arte?
11 lecciones como fruto de la consultoría
KYC
KYR
Metodologías Detección Segmentación Monitoreo Consolidar Consolidación electrónica Parámetros Indicadores Cuantitativo Cualitativo Tecnológico Reconocido valor técnico Modelos Señales de alerta Razones objetivas Criterios objetivos Prospectivamente Homogeneidad Heterogeneidad Variables relevantes Razones financieras Razonable
Riesgo 129
Metodologías 26 Detección 16 Segmentación 16Monitoreo 16Consolidar 13Consolidación electrónica 7Parámetros 7Indicadores Cuantitativo Cualitativo Tecnológico Reconocido valor técnico Modelos Señales de alerta Razones objetivas Criterios objetivos Prospectivamente Homogeneidad Heterogeneidad Variables relevantes Razones financieras Razonable
Lección # 1
ROMA no se hizo en un día
Una gran idea, pero…
R*=P x I
Lección # 2
Medir es difícil… decidir lo es aún
más
DMG
Madoff
Capital Asset Pricing Model (CAPM)(Modelo de Fijación de precios de activos de capital)
Se les olvidó una formulita
Lección # 3
Matemáticas para pensar mejor
¿Dónde está la bolita?
¿Dónde está la bolita?
VALLE BOGOTÁ ANTIOQUIA RISARALDA SANTANDER0
500
1,000
1,500
2,000
2,500
2,072
985
264
48 24
Número de domicilios en Lista OFAC por departamento
OFAC
VALLE BOGOTÁ ANTIOQUIA RISARALDA SANTANDER0
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
18,000
20,000
17,729
12,295
4,665
1,208 1,241
Bienes incautados por departamento (1989-2008*)
DNE
VALLE BOGOTÁ ANTIOQUIA RISARALDA SANTANDER0
5,000
10,000
15,000
20,000
25,000
30,000
23,55125,046
11,8009,792
1,473
Número de ROS por departamento (1999-2008*)
ROS
0 5,000 10,000 15,000 20,000 25,000 30,0000
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
18,000
20,000VALLE 2.072
BOGOTÁ 985
ANTIOQUIA 264
RISARALDA 48SANTANDER 24
RELACIÓN NÚMERO DE ROS, BIENES INCAUTADOS Y NÚMERO DE DO-MICILIOS EN LISTA OFAC POR DEPARTAMENTO
Bienes Incautados
Núm
ero
de R
OS
Valle Bogotá Antioquia Risaralda Santander
OFAC 1 2 3 4 5
DNE 1 2 3 4 5*
ROS 2 1 3 4 5
Lección # 4
Datos casi no hay
Lavado (FT) no es…
• Sanciones de la Superfinanciera• Señales de alerta• Inusualidades• ROS• Denuncias
2. KYR
La segmentación
Total
Uno Dos Tres
Frank, Mass, Wind, Wedel y Kamakura
1. Facilmente identificables y mesurables2. Sustanciales3. Estables4. Diferenciados
Criterio de máxima homogeneidad
Cuatro Clientes
Cuatro Clientes
Cuatro Clientes
¿Cómo segmento?¿Cómo segmento?
Cuatro Clientes
Opción 1: Riesgo
Alto Riesgo Bajo Riesgo
Riesgo
Cuatro Clientes
Opción 2: Detección
Alta transaccionalidad Baja transaccionalidad
Transacciones
Pero las cosas no son tan simples…
Lección # 4
SegmentacionesMulti-propósito y
Múltiples segmentaciones
TEST de Detección
α Falso Positivo Reportar No Lavadores
β Falso Negativo No Reportar Lavadores
Lección # 5
Certeza no existe
1. Scoring2. Escenarios3. Visualización4. Reglas5. Segmentación6. Perfiles7. Listas8. Vínculos aparentes9. Vínculos no aparentes10. Verificación11. Indicadores12. Inteligencia analítica
Detección por segmentación
Segmento 1Octubre 2008
Segmento 3Marzo 2009
CLIENTES CON EDADES ATÍPICAS
Clientes Bebés ?
Clientes de más de 100
años?
Lección # 6
No se case con una sola técnica
Predicción
• KYC• Histórico• Pares / Similares•Modelos financieros
Sociodemograficas
Transaccionales
Predicción de VariablesModelos:
• Empleados• Oficiales• Empresas• Sectores
KYC
PerfilTransaccional
T
Modelo de predicción LAFT
Ingresos
Modelo de predicción LAFT
ActivosActivos
Modelo de predicción LAFT
ActivosApalancamientoApalancamiento
+ Probabilidad de acierto
Lección # 7
Predicción …pero saque paraguas
Des/Agregación
R=57
R=57
R=57.34
Lección # 8
Precisiónno pida tanto
R=5
R=5
STOP
OJO
GO
Calculo de la Función de Riesgo Basado en Impacto y Probabilidad
Productos
Canales
Jurisdicciones
OJO
STOP GO
Entidad
Negocios
Distribución de la Probabilidad de un Riesgo en un Factor de Riesgo
Criterios objetivos y subjetivos
IngresosGastosEscenariosIndicadores
ProcesosModelos
IndicadoresSARLAFT
IngresosVolumenActivosTransaccionesEmpleados
Eventos de Riesgo
Factores de riesgo
OJO
E
PolíticasProcedimientosDispositivos
E´
Lección # 9
Desagregar para gestionar
(detectar)
TEST de Análisis
Graficos explicativos
1996 1998
Probabilidad individual: 1 en 8.500
Culpable
Inocente
http://www.inference.phy.cam.ac.uk/sallyclark/MEN02.html
Eventos independientes
Eventos dependientes
1 en 73 millones 1 en 130.000
Lección # 10
Peligro de las estadísticas
mal empleadas
quincunxpc.exe
Lección # 11
No confunda riesgo con detección
Historia
1494Luca Paccioli
SFC2007
Galileo
•Instrumentos•Modelos•Datos
Historia
1738Bernoulli
HOY
¿Dónde está la bolita?
Top Related