Análise de Tipologias de Lavagem de Dinheiro em uma Rede de Correlação de Contas Bancárias utilizando Métodos de Ciência da Redes

Resumo

A lavagem de dinheiro é o processo de ocultar a origem ilícita de fundos por meio de transações financeiras para integrá-los à economia formal, gerando graves consequências socioeconômicas, como o aumento da desigualdade e da insegurança. No Brasil, por exemplo, este tipo de crime causou um prejuízo de R$ 123 bilhões à economia entre 2013 e 2017 (Assumpçao et al., 2022). Contudo, os métodos tradicionais de detecção frequentemente falham em capturar a complexa rede de relações entre as transações, o que torna crucial o desenvolvimento de abordagens de investigação mais robustas para combater um delito que afeta diretamente toda a sociedade (Jensen e Iosifidis, 2023). Este trabalho propõe uma abordagem baseada em ciência de redes para a análise de tipologias de lavagem de dinheiro, especificamente a fragmentação de depósitos (I-d), a fragmentação de saques (I-e) e o recebimento de depósitos de múltiplas origens sem justificativa econômica (IV-n), conforme classificações do Banco Central do Brasil (Xavier et al. 2024). O objetivo é aprimorar os modelos analíticos de combate à lavagem de dinheiro por meio da identificação de padrões estruturais em redes financeiras. A metodologia empregou um conjunto de 167.032 transações bancárias anonimizadas, fornecidas pela Polícia Civil do Estado de Pernambuco (PCPE) e originadas de investigações reportadas ao Conselho de Controle de Atividades Financeiras (COAF). A partir desses dados, foi construída uma rede de correlação onde a intensidade da associação entre as contas foi quantificada pelo coeficiente ϕ (phi), uma métrica de correlação para variáveis binárias (Hidalgo et al., 2009). Foram consideradas apenas as conexões positivas (ϕij>0) que superam a ocorrência ao acaso. Para a análise estrutural da rede, foram aplicadas as seguintes métricas: coeficiente de assortatividade, para avaliar a tendência de conexão entre contas com atributos semelhantes de envolvimento em lavagem de dinheiro; algoritmos de detecção de comunidades (Louvain e Infomap), para identificar grupos de contas com alta densidade de conexões internas (Rosvall e Bergstrom, 2008; Blondel et al., 2008); e centralidade de intermediação de arestas, para localizar os caminhos transacionais mais críticos. Para validação estatística, foi realizada uma análise comparativa com 30 redes aleatórias geradas pelo modelo Erdős-Rényi (Erdds e R&wi, 1959) e com a mesma proporção de indícios de cada tipologia. Os resultados demonstram que a rede de lavagem de dinheiro é desassortativa, indicando uma tendência de que contas envolvidas em atividades ilícitas evitam conexões diretas entre si, um padrão distinto do observado nas redes aleatórias. Os algoritmos de detecção de comunidades identificaram estruturas coesas e bem definidas, frequentemente organizadas em torno de contas centrais (padrões egocêntricos), característica não encontrada nas redes aleatórias. A análise de centralidade, por sua vez, destacou as conexões de maior impacto estrutural. Conclui-se que a abordagem de redes pode se tornar uma ferramenta eficaz para a caracterização e análise de atividades suspeitas de lavagem de dinheiro, revelando a complexa natureza relacional dessas operações. Sugere-se, para trabalhos futuros, a integração de outras variáveis transacionais (valor, data, tipo) e a aplicação de Redes Neurais de Grafos (GNNs) para aprimorar os modelos de detecção.