Entre los delitos financieros cometidos por individuos u organizaciones para obtener una ventaja personal o de negocio destaca el lavado de dinero. Este problema cuesta varios miles de millones de pesos al año y afecta la vida de gran parte de la población (Agus et al. 2010). Este delito se da cuando se oculta el verdadero origen de los fondos, movilizándolos a través de una serie de transacciones para encubrir el hecho de que los fondos fueron adquiridos como resultado de algún tipo de actividad ilícita. Estos recursos, a su vez, pueden ser utilizados para promover actividades ilegales, tales como el financiamiento del tráfico de drogas ilegales, actividades de prostitución y el contrabando de armas.

El lavado de dinero puede amenazar la estabilidad del sector financiero de un país. Por ello, la lucha contra el lavado de dinero y el financiamiento de actividades criminales son esenciales para salvaguardar la integridad de los mercados financieros locales y mundiales. Las medidas para evitar y combatir el lavado de dinero, por lo tanto, responden no sólo a una obligación moral sino a una necesidad económica (Mitsilegas y Gilmore, 2007).

Las instituciones financieras están obligadas a detectar y reportar actividades sospechosas que, a su vez, pueden estar relacionadas con actividades criminales (Sathye, 2008). Una cantidad importante de transacciones sospechosas se envían a las unidades de inteligencia financiera para identificar e investigar posibles actividades de lavado de dinero.

Generalmente, para vigilar y analizar los datos de las actividades sospechosas es necesario hacer uso de una gran cantidad de recursos como empleados, computadoras, comunicaciones, almacenamiento, entre otros. Utilizar estos recursos para prevenir el lavado de dinero requiere que los intermediarios financieros y las autoridades inviertan grandes cantidades de dinero.

El cumplimiento de las regulaciones anti-lavado de dinero es una pesada y costosa carga para los intermediarios financieros (Geiger y Wuensch, 2007). Como resultado, no todos los intermediarios financieros están dispuestos a comprometer recursos adicionales y soportar el aumento de los costos de cumplimiento de la regulación anti-lavado de dinero.

Administración del riesgo.

Por lo tanto, la creación de un modelo integral de administración de riesgos de lavado de dinero ayudará a mejorar el monitoreo y análisis de las transacciones. Los estudios realizados sobre el cumplimiento de la regulación anti-lavado de dinero y sobre la efectividad del sistema para reportar transacciones sospechosas muestran serias deficiencias en la implementación de los programas anti-lavado de dinero. En este sentido, Pellegrina y Masciandaro (2009) con base en un modelo de agente principal estudian como incrementar la efectividad de las reglas anti-lavado de dinero a través de un enfoque basado en el riesgo.

En México, las Sociedades Financieras de Objeto Múltiple (SOFOMES)^[1] se han identificado como un sector del sistema financiero que presenta una alta vulnerabilidad con respecto del lavado de dinero.[2] En este sentido, México ha adoptado un sistema operativo de contención dirigido desde la Fiscalía General de la Federación (FGF). Los avances en este sentido han sido poco satisfactorios y deficientes en la lucha contra este delito, planteándose frecuentemente dificultades de coordinación de la FGF con la Secretaría de Hacienda y Crédito Público (SHCP) y las instituciones financieras, lo cual genera un distanciamiento entre el sistema financiero y las autoridades en la persecución del delito.

Por las razones anteriores surge la necesidad de implantar modelos para cuantificar el riesgo de lavado de dinero en las SOFOMES, tanto a las reguladas como las que no están vigiladas directamente por la Comisión Nacional Bancaria y de Valores (CNBV).

Los modelos deben estar alineados a las últimas modificaciones a la Ley General de Organizaciones y Actividades Auxiliares de Crédito y a las mejores prácticas internacionales al respecto.

Referencias

Agus, S., Sheela, N., Ming, Y., Zhang, A. J., and Fernando, C. D. (2010). Statistical Methods for Fighting Financial Crimes. Technometrics, 52(1), 5-19.

Geiger H. and Wuensch, O. (2007). The fight against money laundering: An economic analysis of a cost-benefit paradoxon. Journal of Money Laundering Control. 1(10), 91-105.

https://www.researchgate.net/publication/224331674_A_RBF_neural_network_model_for_anti-money_laundering

Mitsilegas, V. and Gilmore B. (2007). The EU Legislative Framework against Money Laundering and Terrorist Finance: A Critical Analysis in the Light of Evolving Global Standards. Cambridge University Press.

Pellegrina, L. D. and Masciandaro, D. (2009). The Risk-Based Approach in the New European Anti-Money Laundering Legislation: A Law and Economics View. Review of Law and Economics 5(2). 6-6