La tesi analizza il fenomeno del de-risking e i suoi effetti sull’inclusione finanziaria, esaminando l’evoluzione normativa internazionale e il ruolo delle Linee Guida EBA 2023 nel promuovere un approccio basato sul rischio. Dopo aver descritto cause, sviluppi storici e impatti del de-risking su ONG, migranti e attività transfrontaliere, la ricerca evidenzia come pratiche di esclusione indiscriminata compromettano flussi finanziari leciti, stabilità economica e diritti fondamentali. La seconda parte approfondisce il quadro regolamentare europeo e italiano, con particolare attenzione all’art. 16, comma 2-bis del D.Lgs. 231/2007 e agli obblighi di valutazione individuale introdotti da EBA/GL/2023/03. La tesi propone infine un modello quantitativo basato su scorecard e algoritmo di classificazione, fondato su variabili coerenti con i fattori di rischio AML/CFT e finalizzato a supportare decisioni proporzionate di onboarding e monitoraggio. Lo studio mostra come strumenti analitici trasparenti e replicabili possano ridurre il ricorso al de-risking non giustificato, conciliando integrità del sistema e inclusione finanziaria.
De-risking e inclusione finanziaria: un modello quantitativo per la gestione del rischio AML alla luce delle Linee Guida EBA 2023
VISENTIN, ENRICO
2024/2025
Abstract
La tesi analizza il fenomeno del de-risking e i suoi effetti sull’inclusione finanziaria, esaminando l’evoluzione normativa internazionale e il ruolo delle Linee Guida EBA 2023 nel promuovere un approccio basato sul rischio. Dopo aver descritto cause, sviluppi storici e impatti del de-risking su ONG, migranti e attività transfrontaliere, la ricerca evidenzia come pratiche di esclusione indiscriminata compromettano flussi finanziari leciti, stabilità economica e diritti fondamentali. La seconda parte approfondisce il quadro regolamentare europeo e italiano, con particolare attenzione all’art. 16, comma 2-bis del D.Lgs. 231/2007 e agli obblighi di valutazione individuale introdotti da EBA/GL/2023/03. La tesi propone infine un modello quantitativo basato su scorecard e algoritmo di classificazione, fondato su variabili coerenti con i fattori di rischio AML/CFT e finalizzato a supportare decisioni proporzionate di onboarding e monitoraggio. Lo studio mostra come strumenti analitici trasparenti e replicabili possano ridurre il ricorso al de-risking non giustificato, conciliando integrità del sistema e inclusione finanziaria.| File | Dimensione | Formato | |
|---|---|---|---|
|
Enrico_Visentin_Tesi_Magistrale-879086 .pdf
accesso aperto
Dimensione
1.58 MB
Formato
Adobe PDF
|
1.58 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14247/28404