Bankrobotika: mesterséges intelligencia és gépi tanulás alapú banki kockázatkezelés : Pénzmosás és terrorizmusfinanszírozás megakadályozása

IF 0.4 Q4 BUSINESS, FINANCE

Public Finance Quarterly-Hungary Pub Date : 2022-01-01 DOI:10.35551/psz_2022_2_8

Alexandra Prisznyák

{"title":"Bankrobotika: mesterséges intelligencia és gépi tanulás alapú banki kockázatkezelés : Pénzmosás és terrorizmusfinanszírozás megakadályozása","authors":"Alexandra Prisznyák","doi":"10.35551/psz_2022_2_8","DOIUrl":null,"url":null,"abstract":"A Pénzügyi Akciócsoport pénzmosással és terrorizmusfinanszírozással összefüggő országvizsgálat alapján leminősítette Magyarország R15-ajánlásnak (új technológiák alkalmazása) való megfelelését. Ezzel párhuzamosan a Magyar Nemzeti Bank 2020–2021 között számos, Magyarországon működő kereskedelmi bank esetében állapított meg bírságot a pénzmosás és terrorizmusfinanszírozás megelőzésével kapcsolatos hiányosságok miatt. A tanulmány hiánypótló elemzésként a banki kockázatkezelés, pénzmosás és terrorizmusfinanszírozás megelőzésért felelős területek nagymértékben kiegyensúlyozatlan adatállományán operáló felügyelt (osztályzás, regresszió), felügyelet nélküli (klaszteranalízis, anomália-észlelés) és hibrid gépi tanulási modelleket, alkalmazott algoritmusokat vizsgálja. A szerző hangsúlyozza, hogy nincs egyetlen ideális algoritmus. A választást a mögöttes működési logika mellett számos összehasonlító tényező támogatja. A modellépítés az üzleti IT- és vizionárius menedzsment hibrid szempontjainak kialakítását igényli.","PeriodicalId":42979,"journal":{"name":"Public Finance Quarterly-Hungary","volume":null,"pages":null},"PeriodicalIF":0.4000,"publicationDate":"2022-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Public Finance Quarterly-Hungary","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35551/psz_2022_2_8","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"BUSINESS, FINANCE","Score":null,"Total":0}

引用次数: 1

Abstract

A Pénzügyi Akciócsoport pénzmosással és terrorizmusfinanszírozással összefüggő országvizsgálat alapján leminősítette Magyarország R15-ajánlásnak (új technológiák alkalmazása) való megfelelését. Ezzel párhuzamosan a Magyar Nemzeti Bank 2020–2021 között számos, Magyarországon működő kereskedelmi bank esetében állapított meg bírságot a pénzmosás és terrorizmusfinanszírozás megelőzésével kapcsolatos hiányosságok miatt. A tanulmány hiánypótló elemzésként a banki kockázatkezelés, pénzmosás és terrorizmusfinanszírozás megelőzésért felelős területek nagymértékben kiegyensúlyozatlan adatállományán operáló felügyelt (osztályzás, regresszió), felügyelet nélküli (klaszteranalízis, anomália-észlelés) és hibrid gépi tanulási modelleket, alkalmazott algoritmusokat vizsgálja. A szerző hangsúlyozza, hogy nincs egyetlen ideális algoritmus. A választást a mögöttes működési logika mellett számos összehasonlító tényező támogatja. A modellépítés az üzleti IT- és vizionárius menedzsment hibrid szempontjainak kialakítását igényli.

查看原文本刊更多论文

银行机器人：基于人工智能和机器学习的银行风险管理：防止洗钱和恐怖融资

金融行动小组根据一项与洗钱和资助恐怖主义有关的国家调查，降低了匈牙利对R15建议（使用新技术）的遵守程度。与此同时，在2020年至2021年间，Magyar Nemzeti银行对在匈牙利经营的几家商业银行处以罚款，原因是它们在防止洗钱和恐怖融资方面存在不足。作为一项填补空白的分析，该研究考察了监督（分类、回归）、无监督（聚类分析、异常检测）和混合机器学习模型，以及在负责银行风险管理、洗钱和恐怖融资预防的领域的高度不平衡数据集上运行的应用算法。作者强调，不存在单一的理想算法。除了基本的操作逻辑外，这一选择还得到了一些比较因素的支持。模型构建需要业务IT和前瞻性管理的混合方面的发展。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Public Finance Quarterly-Hungary BUSINESS, FINANCE-

CiteScore

0.90

自引率

40.00%

发文量