A MECHANISM FOR CYCLIC-DYNAMIC SCREENING OF PRIMARY FINANCIAL MONITORING ENTITIES UNDER WARTIME CONDITIONS

Abstract

This study aims to develop a mechanism for cyclic-dynamic screening of the activities of primary financial monitoring entities (PFMEs) under wartime conditions. The proposed mechanism identifies atypical behavioural patterns, enhances responsiveness to rapidly evolving risks, and improves the quality of financial offence detection. The study constructed additive time series models for two distinct periods: pre-war (2011–2019) and wartime (2021–2024). Smoothing techniques, time series decomposition, seasonal component estimation, and analytical trend modelling were applied. In the first period, the model demonstrated high accuracy (coefficient of determination R² = 90,87%), while in the second period, the accuracy remained acceptable (R² = 65,80%), reflecting increased volatility in the financial environment. The results highlight the importance of analyzing fluctuations and trends to detect suspicious financial transactions on time and to improve the effectiveness of primary financial monitoring procedures during wartime. The proposed mechanism enhances the accuracy of identifying anomalous operations, enables adaptive risk response, and strengthens the monitoring and control of financial flows. The practical implementation of this methodology contributes to ensuring national financial stability and security, which is critically important for maintaining the integrity of the state's financial system under wartime conditions.

Alternate abstract:

Метою дослідження є розроблення механізму циклічно-динамічного скринінгу діяльності суб’єктів первинного фінансового моніторингу (СПФМ) в умовах війни, застосування якого дозволяє виявляти нетипові поведінкові патерни, підвищити адаптивність до швидкозмінних ризиків і сприяти підвищенню якості виявлення фінансових правопорушень. Основні результати. У дослідженні побудовано адитивні моделі часових рядів для двох окремих періодів: довоєнного (2011–2019) та періоду, що включає воєнні умови (2021–2024). Застосовано методи згладжування, декомпозиції часових рядів, розрахунку сезонних складових та аналітичного вирівнювання трендів. У першому періоді модель забезпечила високу точність (коефіцієнт детермінації 90,87%), водночас у другому періоді — прийнятний рівень точності (65,80%), що обумовлено підвищеною волатильністю у фінансовому середовищі. Основні висновки. Результати дослідження підкреслюють важливість аналізу коливань і трендів для своєчасного виявлення підозрілих фінансових транзакцій, а також підвищення ефективності процедур первинного фінансового моніторингу в умовах війни. Запропонований механізм дозволяє не лише підвищити точність виявлення аномальних операцій і адаптивно реагувати на ризики, а й підсилити моніторинг обігу коштів і контроль за ним. Практичне впровадження цієї методики сприятиме забезпеченню національної фінансової стабільності та безпеки, що є критично важливим для підтримання цілісності фінансової системи держави в умовах воєнного часу.