Estudio de la prevención y detección de fraudes financieros a través de técnicas de aprendizaje automático

Muchas organizaciones se ven afectadas actualmente por fraudes financieros convirtiéndose en una preocupación para el área financiera de cualquier entidad, ya que al materializarse perjudica directamente el patrimonio de cualquier empresa pública o privada. Para ello se han implementado técnicas supervisadas y no supervisadas que usan la inteligencia artificial para la prevención y detección temprana de estos fraudes y así minimizar riesgos en las operaciones financieras. Debido a lo anterior, el estudio analiza el uso de las técnicas supervisadas, su estado referencial por medio del análisis cienciométrico y bibliométrico, determinando la importancia de ellas para la prevención y detección de los fraudes financieros. A nivel metodológico es un estudio documental, exploratorio y analítico. Los resultados del estudio indican que las técnicas de aprendizaje automático supervisadas son las más precisas en el momento de aplicar los experimentos para la detección y prevención, logrando así resultados de efectividad superiores al 90% utilizando algoritmos como árbol de decisión, redes neuronales, Naive Bayes, Maquina de vectores de soportes, Bosque aleatorio y regresión logística, siendo notable en los resultados que los fraudes financieros mayormente analizados en estos estudios fueron falsificación de estados financieros, fraude de tarjetas de crédito, informes financieros fraudulentos y fraude de servicios financieros. Por otra parte, se resalta que el tema de investigación está en crecimiento gracias a que la detección de fraudes se está volviendo necesaria para las organizaciones y con mayor relevancia para las instituciones financieras, por ser una de las mayores afectadas por este flagelo del fraude.

• Autores: Hernández Aros, Ludivia; Gutierrez Portela, Fernando; Rodríguez Cárdenas, Stefania; Patiño Ospina, Laura Paola
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2023
• Institución: Universidad Cooperativa de Colombia
• Repositorio: Repositorio UCC
• OAI Identifier: oai:repository.ucc.edu.co:20.500.12494/52793
• Acceso en línea: https://doi.org/10.23925/cafi.v6i1.58372; https://hdl.handle.net/20.500.12494/52793
• Palabra clave: Fraude financiero; Inteligencia artificial; Técnicas supervisadas; Detección de fraudes; Minería de datos; Financial fraud; Artificial intelligence; Supervised techniques; Fraud detection; Data mining
• Rights: closedAccess
• License: http://purl.org/coar/access_right/c_14cb