DELITOS FINANCIEROS Y BLANQUEO DE CAPITALES. Application of Data Mining and Expert Systems for Anti-money Laundering Detection

En las últimas décadas, las nuevas tecnologías y el incremento de la capacidad computacional han sido la base de los grandes avances en la ciencia y la tecnología. El área económica, no ajena a este proceso, ha evolucionado desde un modelo tradicional, en el que la contabilidad se llevaba a cabo de forma manual, a un modelo de integración informatizada de todos los documentos administrativos y contables. Particularmente, empujado por este desarrollo de eficiencia tecnológica, los delitos financieros y el blanqueo de capitales han pasado a estructurarse desde un ámbito local, y dedicarse mayoritariamente a lavar el dinero procedente del tráfico de drogas, a crear estructuras internacionales muy sofisticadas, sirviendo incluso para la financiación del terrorismo.Ante este aumento de la ingeniería financiera, la amenaza que suponen los delitos financieros se extiende no sólo a nivel económico sino a toda la sociedad en su conjunto.Hoy en día, la mayoría de las instituciones financieras internacionales han estado implementando soluciones contra estos delitos utilizando técnicas tradicionales, pero dada las nuevas características de los delitos económicos, estas suponen un consumo de recursos desorbitado. Además, la mayoría de las soluciones existentes se basan en técnicas que no utilizan toda la información de la que se dispone, como son las medias y las desviaciones estándar, y por lo tanto no son lo suficientemente eficientes, especialmente para la detección de casos sospechosos en las actividades de inversión. Nuestro grupo de investigación pretende implementar las avanzadas técnicas de Data-Mining y Statistical (Machine) Learning para detectar y analizar las operativas de delitos financieros y desarrollar protocolos que ayuden a prevenirlos.La aplicación de estas técnicas permite predecir patrones de comportamiento de los agentes económicos y detectar operaciones anómalas que pasarían inadvertidas con los métodostradicionales. Especialmente, el Data Mining y el Statisitical Learning son capaces de aprovechar la creciente capacidad de cálculo que las nuevas arquitecturas de hardware y software ponen al servicio de los investigadores, permitiendo descubrir incoherencias y comportamientos fraudulentos.