Modelo de Segmentación para SARLAFT en R4G

De acuerdo con las observaciones de los diferentes entes de control, la segmentación de los factores de riesgo de Lavado de Activos y Financiación del Terrorismo no contribuye a la correcta categorización de clientes para controlar el riesgo LA/FT, por lo tanto, el presente proyecto empresarial busc...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/40172
Acceso en línea:
https://doi.org/10.48713/10336_40172
https://repository.urosario.edu.co/handle/10336/40172
Palabra clave:
SARLAFT
Segmentación
Prevención
LA/FT
SARLAFT
Segmentation
Prevention
AML/LT
Rights
License
Attribution-NonCommercial-NoDerivatives 4.0 International
id EDOCUR2_89161d9e96f00cb7915f1923bfd6304d
oai_identifier_str oai:repository.urosario.edu.co:10336/40172
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Modelo de Segmentación para SARLAFT en R4G
dc.title.TranslatedTitle.none.fl_str_mv Segmentation Model for SARLAFT in R4G
title Modelo de Segmentación para SARLAFT en R4G
spellingShingle Modelo de Segmentación para SARLAFT en R4G
SARLAFT
Segmentación
Prevención
LA/FT
SARLAFT
Segmentation
Prevention
AML/LT
title_short Modelo de Segmentación para SARLAFT en R4G
title_full Modelo de Segmentación para SARLAFT en R4G
title_fullStr Modelo de Segmentación para SARLAFT en R4G
title_full_unstemmed Modelo de Segmentación para SARLAFT en R4G
title_sort Modelo de Segmentación para SARLAFT en R4G
dc.contributor.advisor.none.fl_str_mv Gutiérrez Bonnet, Sergio María
dc.subject.none.fl_str_mv SARLAFT
Segmentación
Prevención
LA/FT
topic SARLAFT
Segmentación
Prevención
LA/FT
SARLAFT
Segmentation
Prevention
AML/LT
dc.subject.keyword.none.fl_str_mv SARLAFT
Segmentation
Prevention
AML/LT
description De acuerdo con las observaciones de los diferentes entes de control, la segmentación de los factores de riesgo de Lavado de Activos y Financiación del Terrorismo no contribuye a la correcta categorización de clientes para controlar el riesgo LA/FT, por lo tanto, el presente proyecto empresarial busca proporcionar una herramienta de Business Analytics que permita implementar un modelo de segmentación para el área de riesgos de R4G, de acuerdo con los parámetros establecidos en la normatividad vigente, con el propósito de identificar operaciones inusuales y fortalecer el Sistema de Administración de Riesgos de Lavado de Activos y Financiación del Terrorismo.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-07-17T13:35:11Z
dc.date.available.none.fl_str_mv 2023-07-17T13:35:11Z
dc.date.created.none.fl_str_mv 2023-07-13
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv Trabajo de grado
dc.type.spa.none.fl_str_mv Trabajo de grado
dc.identifier.doi.none.fl_str_mv https://doi.org/10.48713/10336_40172
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/40172
url https://doi.org/10.48713/10336_40172
https://repository.urosario.edu.co/handle/10336/40172
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
Abierto (Texto Completo)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 128
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad del Rosario
dc.publisher.department.none.fl_str_mv Escuela de Administración
Escuela de Ingeniería, Ciencia y Tecnología
dc.publisher.program.none.fl_str_mv Maestría en Business Analytics
publisher.none.fl_str_mv Universidad del Rosario
institution Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv D’Alessio Torres, Vincenzo Jesús. (2021, abril 14). Regla de Sturges: Concepto, explicación, aplicaciones, ejemplos. Lifeder. https://www.lifeder.com/regla-sturges/
Departamento de Estabilidad Financiera, Banco de la República. (2022). Reporte de Estabilidad Financiera: 2022-I (p. 23). Banrep. https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/presentacion-estabilidad-financiera-primer-semestre-2022.pdf
Hastie,Trevor, Tibshirani, Robert, & Friedman, Jerome. (2001). The elements of statistical learning: Data mining, inference, and prediction [Elementos de aprendizaje estadístico, minería de datos, inferencia y predicción]. New York : Springer. http://archive.org/details/elementsofstatis0000hast
Haya, P. (2023). Esquema del ciclo CRISP-DM estándar [Esquema]. https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/
IBM. (2021). Guía de CRISP-DM de IBM SPSS Modeler. IBM Corporation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=overview-spss-modeler-subscription
Java. (2023). Java. https://www.oracle.com/java/
Kassambara, Alboukadel. (2017). Multivariate Analysis I—Practical Guide To Cluster Analysis in R - Unsupervised Machine Learning. STHDA.
Ministerio de Justicia y del Derecho, UIAF, & Universidad del Rosario. (2016). Evaluacion nacional del riesgo de lavado de activos y financiación del terrorismo—Resumen ejecutivo. UIAF. https://urosario.edu.co/sites/default/files/2022-10/resumen-ejecutivo-informe-final-enr-2016-vfinal.pdf
Python. (2023, mayo 11). Python.org. https://www.python.org/
Superintendencia Financiera de Colombia. (2014). Parte I Instrucciones generales aplicables a las entidades vigiladas, Título IV Deberes y responsabilidades, Capítulo IV Instrucciones relativas a la administración del riesgo de lavado de activos y de la financiación del terrorismo—SARLAFT. En Circular Básica Jurídica, 029/14. https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circular-basica-juridica-ce---/parte-i-instrucciones-generales-aplicables-a-las-entidades-vigiladas-10083444
Superintendencia Financiera de Colombia. (2023). Guía de Mejores Prácticas para la construcción de modelos de segmentación relacionados con los factores de riesgo de Lavado de Activos y Financiación del Terrorismo. SFC. https://www.superfinanciera.gov.co/descargas/institucional/pubFile1048182/GUIASEGMENTACION.pdf
Universidad de Granada. (2019, junio 17). Práctica 8 Métodos de análisis multivariante: Análisis Clúster. Estadística Universidad de Granada. http://wpd.ugr.es/~bioestad/guia-spss/practica-8/
dc.source.instname.none.fl_str_mv instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/ec007c92-2233-470d-be06-1b07459afbbe/download
https://repository.urosario.edu.co/bitstreams/2a301fdf-108b-49c7-b20f-64b1b3919c90/download
https://repository.urosario.edu.co/bitstreams/705182d1-9a73-4555-9f88-a20ed813d896/download
https://repository.urosario.edu.co/bitstreams/9bfc3481-9df5-46d4-b450-4cd08288e4ac/download
https://repository.urosario.edu.co/bitstreams/33040431-142b-4b39-9f5f-65f29552faa9/download
bitstream.checksum.fl_str_mv 81d8e226fb03bc3a3f0521621cbefc58
b2825df9f458e9d5d96ee8b7cd74fde6
3b6ce8e9e36c89875e8cf39962fe8920
f993a6ae1562bcedc961046d5fc067c9
c7442b87aeed6be493128ae9814c8a8b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167477312028672
spelling Gutiérrez Bonnet, Sergio María1ac904c4-6640-4475-9112-22ef38e7054e-1Ramos Barriga, NataliaMagíster en Business AnalyticsFull timec5aa1e94-9008-4cf6-80fe-4369619ac352-12023-07-17T13:35:11Z2023-07-17T13:35:11Z2023-07-13De acuerdo con las observaciones de los diferentes entes de control, la segmentación de los factores de riesgo de Lavado de Activos y Financiación del Terrorismo no contribuye a la correcta categorización de clientes para controlar el riesgo LA/FT, por lo tanto, el presente proyecto empresarial busca proporcionar una herramienta de Business Analytics que permita implementar un modelo de segmentación para el área de riesgos de R4G, de acuerdo con los parámetros establecidos en la normatividad vigente, con el propósito de identificar operaciones inusuales y fortalecer el Sistema de Administración de Riesgos de Lavado de Activos y Financiación del Terrorismo.Under the observations previously made by the different regulatory agencies, the segmentation of risk factors for money laundering and the financing of terrorism does not contribute to an adequate categorization of clients to be able to control AML/LA risks. As a consequence, the business case herein detailed seeks to provide a Business Analytics tool that facilitates a segmentation model for the Risk Department of R4G, which aligns with the parameters established in the current regulatory framework of the company, and intends to identifying unusual operations and fortify the system for the management of risks associated with money laundering and the financing of terrorism.128application/pdfhttps://doi.org/10.48713/10336_40172 https://repository.urosario.edu.co/handle/10336/40172spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution-NonCommercial-NoDerivatives 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2D’Alessio Torres, Vincenzo Jesús. (2021, abril 14). Regla de Sturges: Concepto, explicación, aplicaciones, ejemplos. Lifeder. https://www.lifeder.com/regla-sturges/Departamento de Estabilidad Financiera, Banco de la República. (2022). Reporte de Estabilidad Financiera: 2022-I (p. 23). Banrep. https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/presentacion-estabilidad-financiera-primer-semestre-2022.pdfHastie,Trevor, Tibshirani, Robert, & Friedman, Jerome. (2001). The elements of statistical learning: Data mining, inference, and prediction [Elementos de aprendizaje estadístico, minería de datos, inferencia y predicción]. New York : Springer. http://archive.org/details/elementsofstatis0000hastHaya, P. (2023). Esquema del ciclo CRISP-DM estándar [Esquema]. https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/IBM. (2021). Guía de CRISP-DM de IBM SPSS Modeler. IBM Corporation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=overview-spss-modeler-subscriptionJava. (2023). Java. https://www.oracle.com/java/Kassambara, Alboukadel. (2017). Multivariate Analysis I—Practical Guide To Cluster Analysis in R - Unsupervised Machine Learning. STHDA.Ministerio de Justicia y del Derecho, UIAF, & Universidad del Rosario. (2016). Evaluacion nacional del riesgo de lavado de activos y financiación del terrorismo—Resumen ejecutivo. UIAF. https://urosario.edu.co/sites/default/files/2022-10/resumen-ejecutivo-informe-final-enr-2016-vfinal.pdfPython. (2023, mayo 11). Python.org. https://www.python.org/Superintendencia Financiera de Colombia. (2014). Parte I Instrucciones generales aplicables a las entidades vigiladas, Título IV Deberes y responsabilidades, Capítulo IV Instrucciones relativas a la administración del riesgo de lavado de activos y de la financiación del terrorismo—SARLAFT. En Circular Básica Jurídica, 029/14. https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circular-basica-juridica-ce---/parte-i-instrucciones-generales-aplicables-a-las-entidades-vigiladas-10083444Superintendencia Financiera de Colombia. (2023). Guía de Mejores Prácticas para la construcción de modelos de segmentación relacionados con los factores de riesgo de Lavado de Activos y Financiación del Terrorismo. SFC. https://www.superfinanciera.gov.co/descargas/institucional/pubFile1048182/GUIASEGMENTACION.pdfUniversidad de Granada. (2019, junio 17). Práctica 8 Métodos de análisis multivariante: Análisis Clúster. Estadística Universidad de Granada. http://wpd.ugr.es/~bioestad/guia-spss/practica-8/instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURSARLAFTSegmentaciónPrevenciónLA/FTSARLAFTSegmentationPreventionAML/LTModelo de Segmentación para SARLAFT en R4GSegmentation Model for SARLAFT in R4GbachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaORIGINALModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdfModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdfapplication/pdf3698997https://repository.urosario.edu.co/bitstreams/ec007c92-2233-470d-be06-1b07459afbbe/download81d8e226fb03bc3a3f0521621cbefc58MD51LICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/2a301fdf-108b-49c7-b20f-64b1b3919c90/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://repository.urosario.edu.co/bitstreams/705182d1-9a73-4555-9f88-a20ed813d896/download3b6ce8e9e36c89875e8cf39962fe8920MD53TEXTModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdf.txtModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdf.txtExtracted texttext/plain101566https://repository.urosario.edu.co/bitstreams/9bfc3481-9df5-46d4-b450-4cd08288e4ac/downloadf993a6ae1562bcedc961046d5fc067c9MD54THUMBNAILModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdf.jpgModelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdf.jpgGenerated Thumbnailimage/jpeg2199https://repository.urosario.edu.co/bitstreams/33040431-142b-4b39-9f5f-65f29552faa9/downloadc7442b87aeed6be493128ae9814c8a8bMD5510336/40172oai:repository.urosario.edu.co:10336/401722023-07-18 03:00:43.734http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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