Machine learning methodologies against money laundering in non-banking correspondents

Abstract

Las actividades de lavado de activos son el resultado de la corrupción, actividades ilegales y crimen organizado que afectan la dinámica social e involucra, directa e indirectamente a varias comunidades a través de diferentes mecanismos de blanqueo de dinero ilícito. En este artículo, proponemos un enfoque de aprendizaje automático para el análisis de actividades sospechosas en corresponsales bancarios, un tipo de agente financiero que desarrolla transacciones financieras para clientes bancarios específicos. Este artículo utiliza varios algoritmos para identificar anomalías en un conjunto de transacciones de un corresponsal bancario durante 2019 para una ciudad intermediaria en Colombia. Nuestros resultados muestran que algunas metodologías son más apropiadas que otros para este caso y facilita la identificación de las anomalías y transacciones sospechosas en este tipo de intermediario financiero.