Under the microscope: Clustering analysis for unmasking money laundering networks in financial institutions

Abstract

This dissertation examines the potential for integrating clustering algorithms, network analysis and graph theory to enhance the detection of money laundering within financial systems. As those engaged in money laundering employ increasingly sophisticated methods, traditional systems are unable to trace complex networks concealing illicit activities. This research develops a conceptual framework that incorporates advanced analytical techniques to predict and identify complex laundering schemes, thereby addressing gaps in current anti-money laundering strategies. The dissertation is structured into five chapters. It begins with an overview of money laundering stages and current anti-money laundering technologies, which typically focus on isolated transactions rather than comprehensive network analysis. The methodology incorporates advanced clustering algorithms to identify anomalous behaviours among banking customers, network analysis to map transactional relationships, and graph theory for deeper network insights. The empirical results demonstrate that the combination of these techniques significantly enhances the detection of money laundering by revealing hidden relationships and transaction patterns that are missed by traditional methods. The research contributes to the fields of financial security and anti-money laundering by proposing a dynamic approach that adapts to evolving criminal tactics. Finally, the study presents recommendations for practitioners and outlines potential avenues for future research. It emphasises the necessity for sophisticated models to manage the growing complexity of financial transactions, with the aim of strengthening financial system integrity and informing policy decisions.

Esta dissertação examina a integração de algoritmos de clustering, análise de redes e teoria dos grafos para melhorar a deteção de branqueamento de capitais em instituições financeiras. À medida que os envolvidos no branqueamento de capitais usam métodos cada vez mais sofisticados, os sistemas tradicionais falham em rastrear redes complexas que ocultam atividades ilícitas. Esta pesquisa desenvolve uma estrutura conceptual que utiliza técnicas analíticas avançadas para prever e identificar esquemas complexos, abordando lacunas nas estratégias atuais de combate ao branqueamento de capitais. A dissertação está estruturada em cinco capítulos, começando com uma visão geral das etapas de branqueamento de capitais e das tecnologias atuais, que se concentram em transações isoladas, ao invés de uma análise de rede abrangente. A metodologia incorpora algoritmos avançados de clustering para identificar comportamentos anómalos entre os clientes bancários, analisa a construção de redes para mapear relações transacionais e aborda a teoria dos grafos para obter conhecimentos mais profundos. Os resultados mostram que a combinação dessas técnicas melhora significativamente a deteção de branqueamento de capitais, revelando relações ocultas e padrões de transações não detetados pelos métodos tradicionais. A dissertação contribui para os setores de segurança financeira e de prevenção de branqueamento de capitais e financiamento do terrorismo propondo uma abordagem dinâmica que se adapta às táticas criminosas em constante evolução. Por fim, a dissertação apresenta recomendações para os profissionais e traça potenciais vias para futuras investigações. Salienta a necessidade de modelos sofisticados para gerir a crescente complexidade das transações financeiras, com o objetivo de fortalecer a integridade do sistema financeiro e informar as decisões políticas.