ВВЕДЕНИЕ 6
ГЛАВА 1. АНАЛИЗ МЕТОДОВ ВЫЯВЛЕНИЯ МОШЕННИЧЕСТВА С
БАНКОВСКИМИ КРЕДИТАМИ СРЕДИ ЮРИДИЧЕСКИХ ЛИЦ 11
1.1 Анализ проблемы мошенничества с банковскими кредитами среди юридических лиц 11
1.1.1 Основные понятия и статистика 11
1.1.2 Проблема мошенничества в сфере кредитования 13
1.1.3 Проблема незаконного получения кредита 18
1.1.4 Проблема преднамеренного банкротства 19
1.2 Общие рекомендации по выявления мошенников в сфере банковского
кредитования среди юридических лиц 24
1.3 Финансовые методы по выявления мошенников в сфере банковского
кредитования среди юридических лиц 27
1.4 Вероятность дефолта и уровень потерь при дефолте как методы по выявления мошенников в сфере банковского кредитования среди юридических лиц 34
1.5 Использование алгоритмов машинного обучения для выявления
мошенников в сфере банковского кредитования среди юридических лиц 41
1.6 Постановка задачи на разработку методики создания ИТ-
инфраструктуры для выявления мошенничества с банковскими кредитами среди юридических лиц 53
ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ ПРОЕКТИРОВАНИЯ ИТ-
ИНФРАСТРУКТУРЫ СИСТЕМЫ ВЫЯВЛЕНИЯ МОШЕННИЧЕСТВА С
БАНКОВСКИМИ КРЕДИТАМИ СРЕДИ ЮРЕДИЧЕСКИХ ЛИЦ 56
2.1 Выбор источника данных для нахождения мошенников среди
юридических лиц 56
2.2 Процесс построения алгоритмов для нахождения мошенников среди
юридических лиц 59
2.2.1 Алгоритм выявления мошенничества на основе назначения платежа в
транзакции 63
2.2.2 Алгоритм выявления мошенничества на основе отчетности РСБУ 79
2.2.3 Алгоритм графового анализа связи клиента для выявления
мошенничества 89
2.2.4 Общие выводы 96
2.3 Процесс построения архитектуры системы выполнения алгоритмов для нахождения мошенников среди юридических лиц 97
ГЛАВА 3. ОЦЕНКА ТЕХНИКО-ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ РАЗРАБОТАННОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ НА ОСНОВЕ ПРЕДЛОЖЕННОЙ МЕТОДИКИ 115
3.1 Разработка пользовательской части системы поиска мошенников с
банковскими кредитами среди юридических лиц 115
3.2 Оценка качественных показателей разработанного программного
средства 120
3.3 Оценка экономической эффективности 125
ЗАКЛЮЧЕНИЕ 135
СПИСОК ЛИТЕРАТУРЫ 139
В 2018 году компания ООО «Уралэлектрострой» подала заявление в суд о признание себя банкротом и данное заявление было удовлетворено [46]. В рамках процедуры банкротства было введено внешнее управление. Общий требования только ПАО «Сбербанк» к данной компании составляют 6,2 миллиардов рублей, при этом залоговое имущество оценивается в 1,1 миллиардов рублей. 11 марта 2019 года арбитражный управляющий подал заключение о нахождение признаков преднамеренного банкротства [45]. Более того, компания ПАО «Сбербанк» выдала ООО «Уралэлектрострой» новый кредит в размере 200 миллионов рублей за несколько месяцев до подачи заявления о банкротстве. Самые ранние сделки, оспоренные внешним управляющим, датируются 2016 годом [20].
Таким образом, если бы ПАО «Сбербанк» зафиксировал подозрительную активность в 2018 году, то были бы сохранены 200 миллионов рублей. В случае фиксирования таких действий в 2016 году, банк смог бы сохранить всю сумму кредита подав заявление о банкротстве на начальном этапе совершения незаконных действий должника [50].
Только за 2019 год преднамеренное банкротство было выявлено в 5,5% всех закрытых дел о банкротстве, что по оценкам с оставляет 181 миллиард рублей требований кредиторов [51].
Помимо преднамеренного банкротства большой ущерб банкам наносят мошенничество с кредитами и незаконное получение кредита, нижняя граница ущерба от которых в 2017 году оценивается в 1076 миллионов рублей.
При этом, все приведенные правонарушения фиксируются только после выдачи кредита банком. В следствие чего банк теряет большую часть этих денег без возможности их вернуть.
В данной работе под термином «мошенничество» будет пониматься совокупность трех видов преступлений: мошенничество с кредитами, незаконное получение кредита, преднамеренное банкротство.
Как видно из приведенной статистики банки не имеют специализированных автоматизированных инструментов для поиска мошенничества или эти инструменты являются недостаточно эффективными. При этом, ключевыми точками во времени для максимально эффективной фиксации мошенничества являются: момент принятия решения о выдачи кредита и момент принятия решения о стратегии урегулирования проблемной задолженности.
При этом, может показаться, что момент принятия решения о выдачи кредита покрыт высокоэффективными инструментами во всех современных банках, которые поддерживают условия Базель II. Такими алгоритмами является являются модели LGD и PD. Более того, одним из самых популярных способов применения искусственного интеллекта и машинного обучения является задача кредитного скоринга. Но как видно из приведенных данных этих методов недостаточно.
Одну из ключевых проблем в решение данной задачи отлично сформулировал автор статьи на сайте Habr.com: «Первое правило антифрода — никому не рассказывать про антифрод» [38]. На сегодняшний день крайне мало научных работ, в которых предложена методика и алгоритмы выявление мошенников среди юридических лиц с банковскими кредитами [23].
Таким образом в данной работе будет представлена методика на основе которой любой банк сможет построить систему поиска мошенников с банковскими кредитами среди юридических лиц.
Актуальность работы как было показано ранее состоит в необходимости создания данного инструмента для банковской сферы. Были показаны большие потери, которые несут банки. Более того, как следствие таких ущербов банки будут становится все более осторожными, их аппетит к риску будет уменьшаться. Что в свою очередь приведет к уменьшению количества выданных кредитов и реструктуризации добросовестным клиентам, которые способны выполнить обязательства.
Цель и задачи исследования.
Целью исследование является разработка методики построения ИТ-инфраструктуры системы поиска мошенников с банковскими кредитами среди юридических лиц. Предлагаемая методика позволяет повысить качество проверки заемщика и обоснованность принятия решения по вопросам кредитования, таким образом уменьшает риск выдачи мошеннику кредита или выдачи реструктуризации.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Провести подробный анализ методов, которые применяют мошенники при совершении правонарушений.
2. Проанализировать существующие методы, которые могут использоваться для выявления мошенников.
3. Изучить общие подходы к построению взаимодействия различных подразделений банка и подходы к построению взаимодействия подразделений в рамках поиска мошенников.
4. Провести анализ видов данных для решения данной задачи и ранжировать их по эффективности.
5. Разработать методику построения алгоритмов для поиска мошенников.
6. Разработать методику построения архитектуры системы применения алгоритмов для поиска мошенников.
7. Проанализировать технические показатели системы, разработанной по предложенной методики.
8. Проанализировать экономическую эффективность разработанной системы на основе предложенной методики.
Объектом исследования является вопросы обеспечения безопасности банка в сфере кредитования юридических лиц.
Предметом исследования является методы выявления мошенников с банковскими кредитами среди юридических лиц.
Новизна работы заключается в разработке уникальных алгоритмов по выявлению мошенников и архитектуры системы для применения алгоритмов, что позволит снизить потери банка от мошенничества.
Теоретической основной исследования стали:
1) Отечественные и зарубежные исследования по методам выявления мошенничества в различных сферах деятельности.
2) Отечественные и зарубежные исследования по современным методам машинного обучения, графам, временным рядам.
3) Публикации на сайтах о методах построения распределенных систем вычисления.
Теоретическая и практическая значимость работы заключается в том, что на основе полученных знаний:
1) Можно в короткий срок ознакомиться с необходимой теорией по выявлению мошенничества на основе, которой можно разработать собственную методику построения ИТ-инфраструктуры систем выявления мошенничества с банковскими кредитам среди юридических лиц, исходя из требований и возможностей компании.
2) На основе данного материала можно построить систему по выявлению мошенничества с банковскими кредитами среди юридических лиц, которая будет иметь высокие показатели качества и высокую эффективность.
3) собранный материал представляет собой уникальное методическое пособие по изучению методов мошенничества и методов выявления мошенничества в банковской сфере на территории Российской Федерации.
Основные положения, выносимые на защиту:
1) Обоснование целесообразности построения системы выявления мошенничества с банковскими кредитами среди юридических лиц.
2) Описание разработанной методики построения ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
3) Порядок применения описанной методики ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц на примере системы «АнтиФрод».
4) Оценка технических параметров применения методики ИТ-инфра-структуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
5) Оценка эффективности применения методики построения ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
ВКР состоит из введения, трех глав, заключения и списка литературы. Общий объем основного текста содержит 139 страниц, включая 29 рисунков и графиков и 12 таблиц.
Данная работа посвящена разработке методики построения ИТ-инфраструктуры системы выявления мошенничества с банковским кредитами среди юридических лиц.
В итоге проведенного исследования получены следующие результаты:
1) Была обоснована целесообразность построения системы выявления мошенничества с банковскими кредитами среди юридических лиц.
На данный момент банки несут большие потери из-за мошенничества с кредитами. Такие потери являются как финансовыми и оцениваются миллиардами рублей, так и репутационными. Кроме того, от отсутствия систем по выявлению мошенничества страдает и рынок в целом из-за уменьшения аппетита к рискам у банков, как у крупнейших кредиторов. При этом в открытом доступе практически невозможно найти информацию о методах выявления мошенничества среди юридических лиц, хотя присутствует большое количество информации по поиску мошенников среди физических лиц.
Также на рынке отсутствуют компании, которые предлагают уже готовые решения для выявления мошенничества среди юридических лиц, хотя достаточно много компаний, которые предлагают подобные системы для физических лиц.
Таким образом, данная методика является актуальной на сегодняшний день. Учитывая финальные показатели качества и финансовый эффект системы, построенной на основе приведенной методики она может применяться банками для построения на ее основе собственных систем выявления мошенничества.
2) Была описана разработанная методика построения ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
Была проведен анализ источников данных, которые можно использовать для построения данной системы. На основе данного анализа были выделены три
класса источников на основе их надежности. Такой подход позволяет в дальнейшем строить систему с учетом надежности источника, что является критически важным для получения высококачественной системы. Результатом стало разделение источников данных на: «надежные», «внешние», «не надежные».
Была предложена методика построения трех алгоритмов для выявления мошенничества. Данные алгоритмы совместно покрывают все критические для выявления мошенничества точки во времени. Совместно разработанные алгоритмы используют все классы надежности данных, при этом учитывая к какому классу относится конкретный источник. Был проведен машинный эксперимент по результатам которого было показано, что предложенные алгоритмы обладают высокими показателями качества и могут использоваться в промышленном решение.
Далее была разработана методика построения архитектуры системы для выполнения предложенных алгоритмов. Данная архитектура базируется на распределенных вычислениях, что позволяет быстро производить расчеты на больших объемах данных. Также архитектура предлагает использование экосистемы Hadoop, что сильно уменьшает стоимость ее реализации, так как инструменты Hadoop являются программным обеспечением с открытым исходным кодом. Следовательно, из затрат на разработку исключается покупка лицензии на использование ПО. Еще одним плюсом предложенной архитектуры является использование ПО только из экосистемы Hadoop, что облегчает разработку, так как все интерфейсы взаимодействия между различными ПО хорошо проработаны и совместимы друг с другом.
3) Был показан порядок применения описанной методики ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц на примере системы «АнтиФрод».
Был показан способ применения результатов работы системы, построенной на основе приведенной во второй главе методики. Показан способ представления результатов пользователю, учитывающий особенности визуализации результатов каждого алгоритма. Представленная система является, по мнению автора, наиболее удобной для пользователя, и при этом, отражающей всю необходимую для анализа информации.
4) Была проведена оценка технических параметров применения методики ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
Было показано, что данная система, разработанная на основе данной методики, обладает очень хорошими техническими показателями. На основе приведенного анализа можно судить, что испытания программного средства в соответствие со стандартом ISO9126 показали хорошие результаты качественных показателей, в частности, высокая надежность подтверждает стабильность и отказ о- устойчивость программного средства.
Как было показано, надежность программного средства при разработке системы на основе данной методики является критически важным показателем.
5) Была проведена оценка эффективности применения методики построения ИТ-инфраструктуры системы выявления мошенников с банковскими кредитами среди юридических лиц.
В рамках данной оценки был произведен дополнительный машинный эксперимент, который должен показать качество работы системы построенной на основе приведенной методики и использовался для дальнейшего расчета экономического эффекта.
На основе данного эксперимента было показано, что данная система может приносить около 1 миллиарда рублей в год, при затратах на разработку и первый год эксплуатации оцениваемых в 2 миллиона рублей. Но при этом эффект данной системы является не стабильным, так как появление мошенников среди клиента банка является случайным процессом. Таким образом, в один год система может принести только убытки, а в другой год может вовремя выявить клиента похожего на ООО «Уралэлектрострой» и предупредить убытки на несколько миллиардов рублей. Таким образом, необходимо признать разработанную методику эффективной и рекомендовать к использованию в банковском секторе.
Была достигнута цель и выполнены все задачи, поставленные во введение данной работы.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
