Umeå universitets logga

Money laundering poses a critical threat to the integrity of the global financial system, acting as a primary engine for organized crime and terrorism financing. While financial institutions are increasingly adopting machine learning (ML) to enhance detection capabilities, these models are fundamentally constrained by severe class imbalance and the lack of high-quality labels, as confirmed cases of money laundering are rare and often delayed. 

This thesis investigates the trade-offs between label coverage and label noise by evaluating two distinct weak labeling strategies using customer data from corporate entities provided by a major financial institution. Strategy A utilizes a binary classification framework based on Suspicious Activity Reports (SARs). Strategy B employs a multiclass approach that incorporates internal investigation stages as proxies for suspicion to increase the number of training instances. Four ML models, Logistic Regression, Decision Tree, Random Forest, and XGBoost, were evaluated using cost-sensitive learning and temporal hold-out splits.  

The results indicate that while multiclass Strategy B successfully reduced the class imbalance ratio from approximately 202:1 to 45:1, it did not resolve the underlying label sparsity. Instead, it redistributed the imbalance into a more complex internal structure. Furthermore, Strategy B introduced significant temporal non-stationarity, increasing the risk that models learn time-specific operational noise instead of generalizable behavioral patterns. Across both strategies, advanced ensemble methods like XGBoost demonstrated the highest potential for capturing complex relationships but were highly prone to overfitting, exhibiting significant generalization gaps between training and test sets.  

In conclusion, this research indicates that increasing label granularity through multiclass labeling does not inherently improve model performance, as it introduces temporal instability and new operational noise. Financial institutions must therefore carefully balance maximizing training data with preserving label quality and explainability to ensure robust detection systems.

Penningtvätt utgör ett allvarligt hot mot det globala finansiella systemets integritet och fungerar ofta som en central motor bakom organiserad brottslighet och finansiering av terrorism. Även om finansiella institutioner i allt större utsträckning använder maskininlärning (ML) för att förbättra upptäcktsförmågan, begränsas effektiviteten av dessa modeller av kraftig klassobalans och bristen på kvalitativa etiketter (eng. labels) eftersom bekräftade fall av penningtvätt är sällsynta och ofta upptäcks med fördröjning.  

Denna studie undersöker avvägningen mellan etiketttäckning och etikettbrus genom att utvärdera två olika strategier av svag etikettering med hjälp av kunddata från företagskunder tillhandahållen av en stor finansiell institution. Strategi A använder en binär klassificeringsmodell baserad på rapporter om misstänkta aktiviteter (SAR). Strategi B tillämpar en multiklassansats där interna utredningsnivåer används som proxyvariabler för misstanke i syfte att öka antalet träningsobservationer. Fyra ML-modeller, Logistisk Regression, Decision Tree, Random Forest och XGBoost, utvärderades med hjälp av kostnadskänslig inlärning och tidsbaserad holdout-split.  

Resultaten visar att även om multiklass-strategin (Strategi B) minskade klassobalansen från cirka 202:1 till 45:1, löste den inte det underliggande problemet med balans av etiketter. Istället omfördelades obalansen till en mer komplex intern struktur. Dessutom introducerade Strategi B betydande tidsbaserad icke-stationaritet, vilket medför en risk att modellerna lär sig tidspecifikt brus snarare än generaliserbara beteendemönster. För båda strategierna visade avancerade ensemblemetoder såsom XGBoost störst potential att fånga komplexa samband, samtidigt uppvisade dessa modeller en tydlig tendens till överanpassning samt ett betydande generaliseringsgap mellan tränings- och testdata.  

Sammanfattningsvis tyder resultaten på att ökad granularitet i etiketter genom multiklassmärkning inte nödvändigtvis förbättrar modellernas prestanda, eftersom det samtidigt introducerar tidsmässig instabilitet och ytterligare operationellt brus. Finansiella institutioner måste därför noggrant balansera behovet av större mängder träningsdata mot bevarandet av etikettkvalitet och modellernas förklarbarhet för att säkerställa robusta system för upptäckt av penningtvätt.