Detección de operaciones sospechosas de lavado de activos en entidades financieras, 2022

RESUMEN : Esta monografía describe un modelo analítico para el análisis de la transaccionalidad en una entidad financiera y la identificación de las operaciones inusuales que deberán ser evaluadas con mayor profundidad para la determinación de las operaciones sospechosas de lavado de activos; por lo...

Full description

Autores:
Chaverra, Julián Arley
Tipo de recurso:
Tesis
Fecha de publicación:
2022
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/28604
Acceso en línea:
http://hdl.handle.net/10495/28604
Palabra clave:
Instituciones financieras
Financial institutions
Evaluación de riesgos
Risk assessment
Análisis de riesgos
Risk analysis
Gestión de riesgos
Risk management
Evaluación del riesgo de fraude
Fraud risk assessment
Reducción de riesgos
Risk reduction
Prevención del riesgo
Risk prevention
Lavado de activos
Financiación del Terrorismo
SARLAFT (Sistema de Administración del Riesgo de Lavado de Activos y de la Financiación del Terrorismo)
Operaciones sospechosas
http://aims.fao.org/aos/agrovoc/c_2902
http://aims.fao.org/aos/agrovoc/c_37932
http://aims.fao.org/aos/agrovoc/c_37936
http://aims.fao.org/aos/agrovoc/c_37934
http://aims.fao.org/aos/agrovoc/c_8159df21
http://aims.fao.org/aos/agrovoc/c_1374234750419
http://aims.fao.org/aos/agrovoc/c_1374234290844
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
Description
Summary:RESUMEN : Esta monografía describe un modelo analítico para el análisis de la transaccionalidad en una entidad financiera y la identificación de las operaciones inusuales que deberán ser evaluadas con mayor profundidad para la determinación de las operaciones sospechosas de lavado de activos; por lo cual, el resultado esperado, es una clasificación de cada una de las transacciones señalando cuáles de ellas se consideran operaciones inusuales y cuáles no. Para obtener el modelo propuesto, primero se hace un análisis exploratorio de los datos EDA, seleccionan las métricas de desempeño con los cuales se evaluarán los modelos y por último se entrenan varios modelos para los cuales se comparan las métricas de desempeño y se selecciona aquel modelo que presente mejor rendimiento respecto a las métricas seleccionadas. El principal obstáculo para el desarrollo de este proyecto fue la disponibilidad de los datos, pues las organizaciones no están dispuestas a compartir la información transaccional de sus clientes por el secreto bancario que aplica a esta información, motivo por el cual se acudió a una base de datos sintética. Adicionalmente, estas bases de datos presentan problemas de desbalance en los datos respecto a la variable objetivo y por ello, las métricas de evaluación seleccionadas son especiales para este tipo de casos, así como las estrategias y/o modelos propuestos.