Descripción:
Al escuchar lavado de dinero como una afección directa a las instituciones financieras en especial a los bancos, resulta un tema aparentemente ajeno al ciudadano común, sin embargo, tiene un impacto directo en la estabilidad del sistema financiero y por lo tanto en la sociedad en general, no solo por ser los bancos uno de los principales objetivos para tratar de lavar dinero, sino, por las implicaciones que tiene que una institución se vea involucrada en este proceso. Una de estas implicaciones y tal vez la más grave es que se producen lo que se denomina una distorsión económica, es decir, los capitales lícitos no tienen manera de competir con los ilícitos, ya que estos últimos provienen de una actividad económico con un margen de ganancias mucho mayor.
Para evitar el lavado de dinero se han propuesto medidas de prevención como las del Comité de Supervisión Bancaria de Basilea (Comité de Basilea) que deben ser adaptadas por los gobiernos locales a su sistema legal e implementadas por las instituciones bancarias para no servir como instrumentos de blanqueo de capital, pero, ¿qué problema hay si ya se han propuesto medidas de seguridad? Si bien en México se han aceptado las propuestas del comité de Basilea como normatividad bancaria por la Comisión Nacional Bancaria y de Valores (CNBV), aún hay trabajo por hacer dado que no hay procesos o métodos especializados en el tema de lavado de dinero. Adicionalmente, los mecanismos para el lavado de dinero están actualizándose constantemente.
Este trabajo presenta un modelo de prevención e identificación de potenciales perfiles de clientes bancarios que pueden estar al servicio de blanqueo de capitales, El modelo utiliza los recientes desarrollos maten áticos y computacionales como son las redes basadas en la inferencia Bayesiana.
La información se maneja en forma de matriz normalizada. Dando como resultado el perfil de un potencial lavador, así como las características específicas o detalladas de los factores de riesgo identificados a lo largo de la investigación. Un ejemplo de lo antes mencionado es que se identificó que un potencial lavador usa instituciones con buen nivel de organización y estructura interna, al mismo tiempo que este cuenta con un bajo perfil para identificar si realiza operaciones con recursos de procedencia ilícita.