Análisis de segmentación y alertamiento transaccional para la gestión de riesgos sarlaft en el sector financiero

El proceso de alertamiento transaccional en la gestión de riesgos SARLAFT en el sector financiero es fundamental para detectar y prevenir operaciones sospechosas que puedan estar relacionadas con el lavado de activos o financiación del terrorismo. Este proceso implica el monitoreo constante de las t...

Full description

Autores:
Correa Correa, Sandra Marcela
Montoya Gomez, Lauren Yiset
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Tecnológico de Antioquia
Repositorio:
Repositorio Tdea
Idioma:
spa
OAI Identifier:
oai:dspace.tdea.edu.co:tdea/5680
Acceso en línea:
https://dspace.tdea.edu.co/handle/tdea/5680
https://dspace.tdea.edu.co
Palabra clave:
Sarlaft
Valor típico transaccional
Lavado de activos
Indexación
Homogeneidad
Agrupamiento
Rights
openAccess
License
Tecnológico de Antioquia, Institución Universitaria, 2024
Description
Summary:El proceso de alertamiento transaccional en la gestión de riesgos SARLAFT en el sector financiero es fundamental para detectar y prevenir operaciones sospechosas que puedan estar relacionadas con el lavado de activos o financiación del terrorismo. Este proceso implica el monitoreo constante de las transacciones financieras realizadas por clientes y usuarios de servicios financieros, con el fin de identificar patrones inusuales o actividades sospechosas. Las entidades financieras implementan sistemas y herramientas tecnológicas que les permiten analizar grandes volúmenes de datos de manera automática, identificando comportamientos atípicos que puedan indicar posibles actividades ilícitas. Estos sistemas utilizan algoritmos y modelos predictivos para generar alertas cuando se detectan transacciones que se desvían de los patrones normales de actividad. Por todo lo anterior expuesto, se tuvo la necesidad de crear un modelo de segmentación por medio del método CRISP-DM las siglas son Cross-Industry Standard Process for Data Mining que está basado en el ciclo de vida de la minería de datos, permite a las instituciones financieras llevar a cabo un análisis exhaustivo de los datos de sus clientes. Al realizar el análisis de datos tomando como población los clientes de una cooperativa financiera con más de 480.000 y como muestra los clientes asalariados con una participación 217.077, se realizó la segmentación a los clientes asalariados, logrando identificar patrones de comportamiento específicos de esta población y así, se logró un alertamiento transaccional para la gestión del riesgo LAFT efectivo. Palabras Clave: Agrupamiento, homogeneidad, indexación, lavado de activos, valor típico transaccional, Sarlaft, indexación, heterogeneidad