Medir el lavado de activos (LA) es una tarea de enorme dificultad metodológica. A diferencia de otros fenómenos criminales, el LA no deja víctimas directas identificables, se confunde deliberadamente con transacciones legítimas y opera con un marcado carácter transnacional. Desde los años setenta, tiempo en el cual formalmente se colocaba el lavado de activos como problema público global, economistas y criminólogos han propuesto enfoques variados para estimar su magnitud, sin alcanzar consenso.
Este artículo busca proponer una tipología sistemática de métodos de medición del fenómeno de lavado de activos, evaluando sus principales aplicaciones y sus limitaciones.
1. El lavado de activos como objeto de medición
Previamente, para comprender los obstáculos metodológicos, conviene delimitar el fenómeno en tres dimensiones: qué se lava, cómo y dónde, y quiénes lo ejecutan.
Qué se lava. El objeto del delito abarca cualquier activo —dinero, inmuebles, vehículos, metales, criptoactivos— que provenga de una actividad ilícita y cuyo origen se pretenda encubrir (ONU, 2000). Esta amplitud dificulta la construcción de métricas homogéneas.
Cómo y dónde. El proceso clásico involucra tres fases: colocación (ingreso al sistema económico), transformación (operaciones para ocultar el origen) e integración (reincorporación como fondos aparentemente lícitos). Sin embargo, no todos los casos de estudio atraviesan cada fase, y la dimensión transnacional multiplica la complejidad del rastreo.
Quiénes lavan. No existe un perfil único. Los delitos precedentes van desde el narcotráfico y la corrupción hasta la minería ilegal y el fraude financiero, y cada uno genera tipologías distintas de lavado.
2. Tipología de métodos de medición
Se proponen cinco familias de métodos, organizadas según su enfoque analítico y la naturaleza de los datos que utilizan.
2.1 Métodos basados en discrepancias en el flujo de capitales
Son métodos top-down con enfoque macroeconómico. Parten del supuesto de que los flujos de dinero ilícito generan distorsiones detectables en los registros macroeconómicos. El método Hot Money (Cuddington, 1986) identifica errores y omisiones inexplicables entre flujos de capital en la balanza de pagos, interpretándolos como movimientos de fondos de "origen oscuro". El método residual (Colaco et al., 1985) calcula la fuga de capitales como la diferencia entre entradas de capital y el incremento de reservas oficiales. El método de Dooley (1986) se centra en flujos de capital que no generan ingresos registrados en la balanza de pagos. Finalmente, el enfoque de error de facturación comercial detecta sub o sobrefacturación de exportaciones e importaciones para transferir activos disfrazados de transacciones comerciales, siendo especialmente útil para el trade-based money laundering.
Su principal limitación es que no distinguen entre fuga de capitales legal (evasión fiscal, ahorros en el exterior) y flujos propiamente ilícitos. Dicho de otra forma, son muy sensibles a la calidad estadística de la balanza de pagos, que en economías informales suele ser baja.
2.2 Métodos basados en estimaciones de la economía subterránea
También top-down, estos métodos buscan estimar el tamaño de la economía no registrada como proxy del lavado. El método Currency Demand (Tanzi, 1996) analiza el exceso de circulante respecto a lo explicable por factores estructurales: dado que los lavadores tienden a operar en efectivo para evitar el control financiero, un exceso de demanda de efectivo es interpretado como indicador de actividad ilícita. Este enfoque fue aplicado en Canadá por FINTRAC (2015) y en Italia por Ardizzi et al. (2012) mediante regresiones de mínimos cuadrados ordinarios, con variables como el PBI per cápita provincial, tasas de desempleo y volumen de pagos electrónicos.
El método por discrepancia entre indicadores de actividad económica y el PBI oficial sigue una lógica similar, comparando consumo eléctrico u otros indicadores físicos con el producto registrado. El modelo más sofisticado de esta familia es el DYMIMIC (Dynamic Multiple-Indicators Multiple Causes), que trata la economía subterránea como una variable latente inobservable estimada a partir de causas (nivel de regulación, eficiencia tributaria) y efectos (demanda de efectivo, criminalidad). Schneider (2007) lo aplicó a 145 países.
La limitación central de esta familia es que la economía subterránea incluye tanto actividades ilícitas como informales de origen lícito (trabajo no declarado, economía de subsistencia), por lo que sobreestima sistemáticamente el LA.
2.3 Métodos basados en modelos predictivos de abajo hacia arriba
A diferencia de los anteriores, estos métodos parten de datos sobre el producto de crímenes específicos para extrapolar volúmenes de dinero lavado. El más influyente es el Walker Gravity Model, desarrollado por John Walker (1995) para la Unidad de Inteligencia Financiera de Australia. Walker estimó las ganancias de 14 categorías criminales a partir de estadísticas policiales y encuestas a expertos, y modeló los flujos de dinero lavado entre países incorporando variables de distancia —no solo física, sino cultural, lingüística e institucional.
El modelo descansa en supuestos con sólida intuición criminológica: los países con alta corrupción atraen lavadores; los paraísos fiscales y jurisdicciones con controles Know Your Customer (KYC) débiles son destinos preferentes; los vínculos étnicos y comerciales orientan los flujos. La estimación para Australia en 1994 situó el dinero lavado entre 400 millones y 4.500 millones de dólares australianos anuales. Unger et al. (2006) refinaron el modelo ajustando el peso relativo de la distancia cultural frente a la física. La versión Walker & Unger (2009) aplicada por UNODC (2011) estimó que el LA global equivale al 2,7% del PBI mundial (1,6 billones de dólares), cifra que el GAFI aún cita como referencia principal.
Su principal debilidad es la dependencia de estadísticas criminales heterogéneas y de difícil verificación entre jurisdicciones, así como la sensibilidad de los resultados a los supuestos sobre pesos de las variables.
2.4 Métodos basados en la medición del riesgo de lavado de activos
Este grupo no busca dimensionar cuánto dinero se lava, sino estimar qué tan probable es que el LA ocurra en un entorno determinado. El Basel AML Index, publicado anualmente desde 2012 por el Basel Institute on Governance, construye un índice compuesto que agrega información de Transparencia Internacional, el Banco Mundial, el Foro Económico Mundial y el propio GAFI, ponderando variables de calidad regulatoria, corrupción, transparencia financiera, rendición de cuentas y riesgo político.
El índice de riesgo de flujos financieros ilícitos de Tax Justice Network (Cobham et al., 2021) introduce una metodología cuantitativa que mide la vulnerabilidad de cada canal económico (comercio, IED, banca, cartera) según el secreto financiero de los países contraparte. Calcula tres componentes: vulnerabilidad (proporción del flujo proveniente de jurisdicciones opacas), intensidad (peso de esos flujos sobre el PBI) y exposición (combinación de ambos).
El GAFI, por su parte, exige a sus miembros realizar Evaluaciones Nacionales de Riesgo (ENR) bajo un marco conceptual que define el riesgo como la combinación de amenazas, vulnerabilidades y consecuencias, aunque sin prescribir una metodología cuantitativa unificada. Algunos países —como el Reino Unido con el MoRiLe— han desarrollado scores cuantitativos subnacionales (Hopkins & Shelton, 2019).
La limitación fundamental de esta familia es conceptual: mide el entorno propicio para el LA, no el fenómeno mismo. Una jurisdicción puede tener alto riesgo y poco lavado efectivo, o viceversa.
2.5 Métodos basados en los resultados del sistema antilavado
Este enfoque bottom-up dimensiona el LA a partir de lo que el propio sistema de prevención y sanción logra detectar. La primera vía es el análisis de Reportes de Operaciones Sospechosas (ROS/STR): las UIF reciben reportes de los sujetos obligados (bancos, aseguradoras, casinos, notarios, abogados) y su análisis acumulado puede servir para extrapolaciones sobre la escala del fenómeno. Levi y Gold (1994) aplicaron esta metodología al caso británico.
La segunda vía es el análisis de sentencias condenatorias: estudiar los casos judicializados con éxito permite identificar tipologías, sectores, montos y delitos precedentes. Ejemplos recientes incluyen el Informe de Tipologías de Chile (UAF, 2021), que analizó sentencias entre 2007 y 2020, y el VI Informe de Sentencias de Lavado de Activos en el Perú 2012-2023 de la SBS (2024).
Las limitaciones son severas: el universo de datos está acotado a lo que el sistema detecta y procesa exitosamente, lo que implica una subestimación estructural del fenómeno real. Además, el seguimiento de capas (layering) de operaciones puede generar doble conteo en el análisis de ROS. Ferwerda y Reuter (2019), al comparar las ENR de Italia y Suiza, encontraron que el primero basó su análisis principalmente en opinión de expertos, mientras el segundo incorporó mayor data cuantitativa de STR.
| Tipo de método | Enfoque | Métodos principales | Limitación clave |
|---|---|---|---|
| Discrepancia en flujo de capitales | Top-down / Macro | Hot Money, Método Residual, Dooley, Error de facturación | No distingue LA de otras fugas de capital legítimas |
| Economía subterránea | Top-down / Macro | Currency Demand, Discrepancia PBI, DYMIMIC | Mezcla LA con evasión fiscal y economía informal |
| Modelos predictivos (bottom-up) | Bottom-up / Micro→Macro | Walker Gravity Model (1995, 2009) | Depende de estadísticas criminales de baja calidad |
| Riesgo de lavado de activos | Compuesto / Índices | Basel AML Index, Tax Justice Network, ENR-GAFI | Mide vulnerabilidad, no magnitud del fenómeno |
| Resultados del sistema antilavado | Bottom-up / Operativo | Análisis de ROS/STR, análisis de sentencias condenatorias | Subestima la escala real; sesgo de detección |
3. Conclusión
La ausencia de consenso metodológico para medir el lavado de activos no es una anomalía, sino una consecuencia estructural de la naturaleza del fenómeno: inobservable, transnacional y deliberadamente camuflado. Cada familia de métodos aquí descrita aporta una perspectiva parcial y válida —pero insuficiente por sí sola. Los métodos macroeconómicos (discrepancias en flujos, economía subterránea) ofrecen escala pero poca especificidad; los modelos predictivos aportan sofisticación teórica, pero dependen de datos criminales de calidad heterogénea; los índices de riesgo miden el entorno pero no el fenómeno; los métodos basados en resultados del sistema son los más confiables para análisis tipológico pero subestiman la magnitud real.
La respuesta no es elegir un método, sino construir enfoques complementarios que combinen estas perspectivas y que sean calibrados a las particularidades de cada contexto.
Referencias
- Ardizzi, G., Petraglia, C., Piacenza, M., Schneider, F., & Turati, G. (2012). Estimating Money Laundering through a Cash Deposit Demand Approach.
- Basel Institute on Governance. (2021). Basel AML Index: 10th Public Edition.
- Cobham, A., Garcia-Bernardo, J., et al. (2021). Vulnerabilidad y exposición al riesgo de los flujos financieros ilícitos en América Latina. Tax Justice Network.
- Cuddington, J. T. (1986). Capital Flight: Estimates, Issues, and Explanations. Princeton University.
- Dooley, M. P. (1986). Country specific risk premiums, capital flight and net investment income payments. IMF.
- Ferwerda, J., & Reuter, P. (2019). Learning from Money Laundering National Risk Assessments. European Journal on Criminal Policy and Research, 25, 5-20.
- FINTRAC. (2015). Estimating the Scale of Money Laundering in Canada.
- GAFI. (2012). International Standards on Combating Money Laundering and the Financing of Terrorism & Proliferation. FATF.
- Hopkins, M., & Shelton, N. (2019). Identifying Money Laundering Risk in the United Kingdom. European Journal on Criminal Policy and Research, 25, 63-82.
- ONU. (2000). Convención de las Naciones Unidas contra la Delincuencia Organizada Transnacional.
- Reuter, P., & Truman, E. (2004). Chasing Dirty Money: The Fight Against Money Laundering. Institute for International Economics.
- SBS. (2022). III Informe de Sentencias Condenatorias de Lavado de Activos en el Perú. Superintendencia de Banca, Seguros y AFP.
- Schneider, F. (2007). Shadow Economies and Corruption All Over the World: New Estimates for 145 Countries. Open Assessment E-Journal.
- Tanzi, V. (1996). Money Laundering and the International Financial System. IMF.
- UAF. (2021). Informe de Tipologías y Señales de Alerta de Lavado de Activos en Chile.
- Unger, B., et al. (2006). The Amounts and the Effects of Money Laundering. Dutch Ministry of Finance.
- UNODC. (2011). Estimating illicit financial flows resulting from drug trafficking and other transnational organized crimes.
- Walker, J. (1995). Estimates of the extent of money laundering in and throughout Australia. AUSTRAC.
- Walker, J., & Unger, B. (2009). Measuring Global Money Laundering: 'The Walker Gravity Model'. University of Wollongong.