پولشویی در بانک و نتایج اجرای مدل

دانلود پایان نامه

گزارش‌‌های مربوط به سرعت گردش وجوه یا گردش حساب مشتری، منعکس کننده کل بدهکاری و بستانکاری حساب مشتری و دفعات بدهکاری و بستانکاری حساب مشتری در یک دوره مشخص (یک ماه)است. با کمک گزارش‌‌های فوق، مشتریانی که گردش حساب بسیار بالا و غیرمعمول دارند قابل شناسایی و ردیابی خواهند بود.
د. موارد مشکوک به پولشویی در بانک‌ها و مؤسسات اعتباری
از جمله موارد مشکوک به پولشویی از طریق بانک‌ها و مؤسسات اعتباری که لازم است به مراجع ذیصلاح گزارش داده شود عبارت اند از:
-وجود انواع حساب به نام مشتری در بانک یا مؤسسه اعتباری واحد در یک منطقه
-افتتاح حساب‌های متعدد و سپرده گذاری در آن‌ها
-گردش عملیات بسیار بالای حساب که تناسبی با حرفه مشتری نداشته باشد
-سپرده گذاری به دفعات و برداشت یکجا و عمده
-ارائه چک‌‌های ظهرنویسی شده متعدد به بانک برای وصول به حساب مشتری
-مراجعات متعدد به صندوق امانات بانک
-پیشنهاد رشوه برای انجام عملیات مشکوک
-امتناع مشتری از ارائه اصل مدارک هویتی
-بروز وقفه در ارائه مدارک ثبتی شرکت،
-تبدیل اسکناس‌‌های ریز به اسکناس‌های درشت در حجم بالا
-تقاضای انتقال وجوه ارزی با مبالغ بالا به خارج از کشور بدون ارتباط با حرفه مشتری
-تغییر ناگهانی الگوی مبادلات ارزی مشتری و عدم تطابق آن با فعالیت‌های معمول وی
-ورود یا سپرده گذاری مبالغ قابل توجه وجوه به حساب مشتری از طریق چک‌‌های بانکی، حواله و یا انتقال تلفنی نامتناسب با نوع کار و فعالیت اقتصادی صاحب حساب
-تفاوت قابل توجه الگوی سپرده‌‌های نقدی یک بنگاه خرده فروشی در یک محله با بنگاه مشابه در همان محل
-نقل و انتقال غیرمعمول وجوه بین حسا ب‌های مرتبط
-تقاضای مبالغ قابل توجه چک بانکی، حواله یا چک‌‌های مسافرتی به میزان سقف تعیینی در مقررات توسط مشتری
داده‌کاوی
تاریخچه داده‌کاوی
با ظهور فناوری اطلاعات که گرداوری، نگهداری و پردازش مقدار‌های انبوه داده را ممکن و تسهیل می‌کند، سازمان‌ها اکنون برای استفاده‌ از داده‌‌هایی که از فرایند‌ها، مشتریان و محیطشان جمع‌آوری می‌کنند، در وضعیت بهتری هستند. اما استخراج معنایی از میان انبوه داده‌‌ها و استفاده از آن برای هدف‌های سودمند سازمانی، مستلزم استفاده از روش‌های پیشرفته، مانند داده‌کاوی است[16] . داده‌کاوی عبارت است از تحلیل داده‌‌ها به‌منظور کشف روابطِ از قبل نامعلومی که اطلاعات مفیدی ارائه می‌کنند [10]. [11]داده‌کاوی را فرایند شناسایی الگو‌های جالب در پایگاه‌‌های داده که می‌توان از آن‌ها در تصمیم‌گیری استفاده کرد، تعریف کرد‌هاند. [12]داده‌کاوی را فرایندی تعریف کرد‌ه‌اند که برای استخراج و شناسایی اطلاعات مفید و در پی آن کسب دانش از پایگاه‌‌های بزرگ داده، از روش‌های آماری، ریاضی، هوش مصنوعی و یادگیری ماشینی استفاده می‌کند. [13] اظهار می‌دارند که هدف داده‌کاوی، کسب اطلاعات مفید و غیرصریح از داده‌‌های ذخیره‌شده در انباره‌‌های بزرگ است. کار داده‌کاوی، کسب آگاهی‌‌هایی از داده‌‌هاست که از نظر آماری اتکاپذیر و کاربردی، اما از پیش ناشناخته اند. این داده‌‌ها باید در دسترس، مربوط و کافی باشند. همچنین، مسئله داده‌کاوی باید حتماً به‌خوبی تعریف شده باشد[14]. داده‌کاوی در صنایع مختلفی مانند بهداشت و درمان، مالی، خرده‌فروشی، ارتباطات راه دور، و غیره برای حل مسئله‌‌ها و بهبود جوانب مختلف کسب‌وکار مورد استفاده قرار گرفته است [14] یاداوری می‌کنند که کشف تقلب به یکی از جاافتاده‌ترین کاربرد‌های داده‌کاوی چه در صنعت و چه در دولت تبدیل شده است. هر چند بسته‌‌های نرم‌افزاری تجاری مختلفی با محیط تعاملی آسان برای کاربران، در حال حاضر در دسترس هستند که انجام کار‌های پیچیده داده‌کاوی را به‌ظاهر آسان می‌کنند؛ اما باید در نظر داشت که داده‌کاوی فرایندی چندگامی است که طی آن دخالت‌ها و تفسیر‌های دقیق انسانی لازم‌اند. به‌طور خلاصه، داده‌کاوی شامل پیمودن گام‌‌های بنیادینی است که باید با دقت برداشته شوند تا نتایج معنی‌داری از تحلیل‌‌های انجام‌شده به‌دست آید. گام نخست در داده‌کاوی، تعریف واضح مسئله است. سپس داده‌‌ها گرداوری و برای مدلسازی آماده می‌شوند. این گام بسیار زمان‌بر است و اساساً شامل تصفیه و دستکاری داده‌‌هاست. سپس، یک مدل داده‌کاوی که برای مسئله مورد بررسی، مناسب‌تر از بقیه به‌نظر می‌رسد، انتخاب می‌شود و مورد استفاده قرار می‌گیرد. در این مرحله، عموماً داده‌‌ها به دو مجموعه‌ آموزش و آزمون (تایید) تقسیم می‌شوند. داده‌‌های آموزش برای استخراج قواعد و روابط و برازش مدل، استفاده می‌شوند، در حالی که داده‌‌های تایید (آزمون) برای این استفاده می‌شوند که تعیین شود قواعد ایجادشده در یک مجموعه‌ متفاوت از داده‌‌ها، به چه کیفیتی عمل می‌‌کنند. بر مبنای نتایج اجرای مدل، عملکرد مدل ارزیابی می‌شود؛ در نتیجه یا اصلاح می‌گردد یا برای حل مسئله به‌کار گرفته می‌شود [9].
داده کاوی از چندین رشته علمی بطور هم‌زمان بهره میبرد نظیر : تکنولوژی پایگاه داده، هوش مصنوعی ،شبکه‌‌های عصبی،آمار،سیستم‌‌های مبتنی بر دانش،بازیابی اطلاعات وغیره، که برای پرهیزاز اطاله کلام می توان آن را به لحاظ تاریخی به اختصار به مراحل زیر تقسیم کرد: