«ВЕЕРНОЕ» И «МИКСЕРНОЕ» ОБНАЛИЧИВАНИЕ: ПОДХОДЫ К ПРОТИВОДЕЙСТВИЮ НА СТОРОНЕ ПОЛУЧАТЕЛЯ
Росфинмониторинг опубликовал очередной выпуск журнала «Финансовая безопасность» № 26/2020
В этом выпуске интересная статья про современные способы обналичивания денежных средств. Редакция AML клуба решила опубликовать для своих читателей эту статью.
АВТОР:
Дмитрий Петрович Гронин,
руководитель службы внутреннего контроля
ООО НКО «Яндекс.Деньги», член Совета комплаенс
Демонстрируемый на протяжении последних лет регуляторами и участниками финансового рынка системный подход к противодействию наиболее опасным противоправным схемам, связанным с обналичиванием денежных средств, приводит к тому, что интерес недобросовестных участников рынка смещается в сторону «веерных» и «миксерных» схем перевода грязных денег в адрес множества подставных физических лиц — получателей по различным фиктивным основаниям — мелкими суммами в целях обхода установленных автоматизированными системами контролей. Выявление и пресечение указанных схем становится актуальной задачей для финансовых организаций, обслуживающих физических лиц, в целях своевременного выявления и пресечения преступных типологий, связанных с выводом из-под налогообложения денежных средств фирмами-однодневками, неправомерным получением средств из бюджета, а также от реализации запрещенной продукции (наркотики, оружие и т. д.), различных мошеннических и иных схем незаконного обогащения.
Компания «Яндекс.Деньги», являясь небанковской кредитной организацией (НКО), действует на основании лицензии Банка России и оказывает услуги электронного кошелька миллионам своих клиентов — физических лиц. Как и в любом современном банке простота и высокая скорость расчетов, дистанционный характер услуг требуют от персонала нашей кредитной организации регулярного изучения актуальных типологий осуществления незаконных финансовых операций и выстраивания комплаенс-процедур, в т. ч. с применением современных алгоритмов машинного обучения, искусственного интеллекта и иных средств автоматизации. Указанные цели достигаются внедрением организационных и технических методик, применяемых с учетом оценки риска не только клиента, но и банковских продуктов и услуг в разрезе различных каналов пополнения. Описанные подходы, на наш взгляд, применимы не только к электронным кошелькам, но и к иным финансовым продуктам для физических лиц (банковские счета, платежные карты и т. д.), с использованием которых в адрес клиента может производится поступление активов.
В первую очередь специальному контролю и ограничениям подлежат операции, связанные с прямым зачислением в адрес физических лиц денежных средств от юридических лиц и индивидуальных предпринимателей. Общим техническим решением минимизации рисков фиктивных зачислений при этом является введение лимита допустимого объема зачислений за период времени на все кошельки системы с реквизита внешнего плательщика. В качестве такого реквизита может быть принят ИНН контрагента во входящем платежном поручении. Объем поступивших средств определяется по каждому выявленному ИНН накопительно за период. Для зачисления средств по каналам платежных систем ограничениям подлежат также корпоративные карты стороннего плательщика. Выявлению факта использования корпоративной карты с высокой степенью достоверности могут способствовать настраиваемые на стороне кредитной организации получателя алгоритмы анализа BIN/PANкода сторонней карты и вида карточного продукта
платежной системы (Financial Network Code).
Вместе с тем применение исключительно инструментария лимитов и запретов в ряде случаев стало бы необоснованной мерой, не отвечающей критериям риск-ориентированного подхода. Для зачисления клиентам — физическим лицам сумм в рамках более высоких лимитов требуются дополнительные мероприятия в отношении участников расчетов, способные минимизировать возникающий риск. В качестве такого инструмента может выступить практика заключения договоров информационных и технологических услуг по сбору, обработке и передаче информации о совершаемых зачислениях непосредственно со сторонним плательщиком-выплатником, что позволяет наделить его статусом клиента, провести идентификацию в установленном порядке, получить и проанализировать дополнительные документы и информацию, установив специфику бизнеса, проанализировав клиентскую оферту, основания осуществляемых переводов и их соответствие масштабам хозяйственной деятельности плательщика и его профилю.
В настоящее время практика массовых реестровых выплат широко востребована среди легальных хозяйствующих субъектов. Опыт взаимодействия с ними позволил обобщить и классифицировать ряд оснований переводов, в отношении которых возможно создание методик и автоматизированного инструментария контроля, позволяющих минимизировать возникающие риски отмывания денег как в момент приема клиента на обслуживание, так и в ходе его деятельности (см. рисунок). При заключении выплатного договора подлежит анализу, в частности, информация о месте нахождения, точках обслуживания клиентов — физических лиц, о числе лиц, состоящих в штате организации или взаимодействующих с организацией в рамках гражданско-правовых договоров, бухгалтерская и налоговая отчетность, применяемые формы договоров с физическим лицом (типовой договор, шаблон, оферта). В зависимости от основания выплат, результата оценки профиля выплатника, в т. ч. с применением скорринг-алгоритмов, производится детальная настройка лимитирования: используются индивидуальные разовые, дневные и месячные накопительные лимиты не только в рамках конкретного выплатного договора, но и в разрезе получателей.
Практика выявления сомнительных операций показывает, что в качестве наиболее высокорисковых оснований выплат могут быть признаны такие, как переводы за выполнение работ/услуг по договорам подряда, по агентским договорам, возврата ранее принятых средств, расчеты за продажу виртуальных активов и игрового контента, страховые, благотворительные и иные безвозмездные выплаты. Запуск указанных оснований в работу потребует применения дополнительных подходов, например, открытие выплатнику банковского счета для использования в качестве основного, регулярный анализ налоговой дисциплины, хозяйственных расходов, профиля контрагентов.
В отношении выплатных оснований приемлемого риска также установлены дополнительные организационные процедуры подключения и требования:
1. Займы. К подключению допускаются исключительно микрофинансовые организации, ломбарды, кредитные потребительские кооперативы. Анализу подлежат основные формы отчетности Банка России с отметками о сдаче. Проверяется наличие компании в реестре Банка России, отсутствие в негативных списках регулятора.
2. Фондовый доход. Контролируется наличие лицензии профучастника рынка ценных бумаг или иной применимой лицензии зарубежной юрисдикции.
3. Скидки и иные компенсации от уплаченной за товар суммы. Анализируется описание процесса реализации товаров и услуг, правил и условий предоставления скидки (компенсации) покупателю, типовой договор с покупателем.
4. Бонусирование (выплата за свой счет сумм бонусов, призов, оплата за прохождение опросов и викторин, кешбэк-сервисы, иные стимулы покупательской активности). Анализируются правила осуществления рекламной акции (конкурса), устанавливающие порядок определения получателей стимулирующей выплаты (правила определения победителя). Предоставляются договоры со сторонними заказчиками. Контролируется наличие в договорной базе условий об исполнении обязанностей налогового агента в отношении физических лиц — получателей бонусных выплат.
5. Выплаты площадки-посредника по сделкам физических лиц. Анализируются правила работы площадки. Расчеты проводятся с открытием площадке-посреднику номинального банковского счета, либо с получением документальных подтверждений, что используемый площадкой сторонний банковский счет является номинальным. Исключение «серого» выплатного потока обеспечивается введением единого технического идентификатора сделки продавца и покупателя, в рамках которого обеспечивается строгое соответствие входящего и исходящего платежа между сторонами сделки.
Целям своевременного выявления изменившегося платежного поведения или несоответствия выплат согласованным основаниям служит проведение на периодической основе мониторинга объема и структуры фактически произведенных операций. При выявлении рисковой платежной картины клиентамвыплатникам направляются запросы, истребуются документы, подтверждающие обоснованность произведенных выплат и их целевой характер. Например, для скидок и ряда случаев бонусирования предоставляются заверенные исполняющими банками документы, подтверждающие факт осуществления обуславливающей скидку и бонус реальной покупки, документальные подтверждения фактического исполнения обязанностей налогового агента. Физическим лицам — получателям крупнейших выплат направляются перекрестные запросы, которые позволяют выявить нецелевой характер деятельности выплатника или противоречия в его аргументации.
Для оценки риска платежной картины выплат по итогу контрольного периода, помимо факта достижения общего лимита на договор, абсолютных значений числа и объема произведенных выплат, применяются следующие показатели:
1. Пики: доля крупнейших N реквизитов получателей в общем объеме выплат.
Указывает на наличие выделяющихся на общем фоне по объему крупнейших получателей, вероятно фиктивных.
2. Коэффициент дробления: отношение общей суммы выплат к числу платежных реквизитов получателей, являющихся уникальными, и сумме установленного лимита на реквизит.
Приближение коэффициента снизу к единице указывает на то, что суммы фактических выплат консолидируются в районе установленных лимитов, что говорит о массовом характере дробления с целью уклонения от лимита.
3. Медианный коэффициент: доля числа уникальных реквизитов получателей, на которые приходится 50% выплат.
Также является показателем неравномерности выплат и наличия крупнейших выделяющихся получателей (безотносительно настроечного значения N, как у показателя «Пики»).
Более сложными к выявлению оказываются «миксерные» схемы, связанные со сложным и запутанным движением грязных денег по длинной цепочке счетов подставных физических лиц. Такие деньги заходят в систему как персональные расчеты. Выявить их становится возможным с применением как традиционных периодических выборок по критериям массовости и дробления, так и с использованием сложных автоматизированных аналитических систем, функционирующих на базе машинного обучения.
Оперативное реагирование на высокорисковую картину поступлений обеспечивается работой специализированного программного комплекса «аналитической машины», результатом чего являются как направляемые оповещения сотрудникам комплаенс, так и блокировки операций выявленных кошельков до ручного разбора сложившейся ситуации. Описанием и корректировкой правил и процедур реагирования аналитической машины занят штат аналитиков НКО. Среди правил имеются алгоритмы лингвистического разбора полей комментариев, сопровождающих операцию, правила выявления транзитных схем, характеризующихся множественностью входящих и исходящих транзакций с реквизитами физических лиц, находящихся как на обслуживании в НКО, так и за ее пределами. «Миксерные» схемы с длинной цепочкой маскируются их организаторами путем множественного дробления и вовлечения в схему большой базы подставных физических лиц — «дропов». Связать таких лиц в единую схему позволяют применяемые в аналитической машине технологии Fingerprint, позволяющие группировать множества на основании не только персональных данных клиентов, но и иных факторов, таких как совпадающие место и время прохождения идентификации или доставки карты, банкоматы последовательного получения наличности, совпадающие IP-адреса и реквизиты устройств регистрации и удаленного доступа, закономерности в иных информационных следах, оставляемых пользователем применяемого программного обеспечения.
С операциями выявленных кошельков проводится экспертная работа на предмет корректности автоматической классификации операций и профиля. Клиенту направляются запросы и ведется переписка с использованием специализированного программного комплекса «Контакт-центр», обеспечивающего единое хранение клиентского досье и материалов углубленной проверки. Экспертная обработка результатов срабатывания аналитической машины обеспечивает машинное обучение и способствует тонкой подстройке применяемых алгоритмов. В указанной системе «эксперт-машина» предусмотрены в т. ч. и обратные связи, благодаря которым машинные алгоритмы обеспечивают отслеживание неизменности проанализированной экспертом картины платежного поведения, в отношении которой ранее была вынесена положительная оценка, и выявление фактов ее новации.
В отношении наиболее критичных выявляемых факторов применяются оперативные меры реагирования, включающие прекращение договорных отношений и репортинг (например, очевидные текстовые триггеры, рецидивы ранее выявленных и проанализированных схем, информация надежного стороннего источника). В отношении платежной картины, где комплаенс-аналитик не может сделать однозначный и самостоятельный вывод без дополнительной информации, клиентам направляются запросы, истребуются документы и пояснения.
Применение указанных организационных и технических мероприятий при регулировании и анализе поступающего на кошельки денежного потока позволяют оперативно выявлять и пресекать деятельность, имеющую признаки противоправной. При этом, например, пресечение деятельности фиктивных микрофинансовых организаций (МФО) в ряде случаев удавалось осуществлять на раннем этапе — до момента размещения в их отношении негативной информации регулятором и пресечения, таким образом, деятельности фиктивного МФО в целом.
