Clasificación de perfiles de riesgo de usuarios basados en su comportamiento transaccional para identificar posibles casos relacionados con el lavado de activos y/o financiación del terrorismo mediante algoritmos no supervisados en Nequi, periodo octubre 2023 - mayo 2024

RESUMEN : Este estudio se enfoca en la identificación de comportamientos transaccionales anómalos en los usuarios de Nequi, con el fin de detectar posibles señales de lavado de activos y financiación del terrorismo. En un entorno de creciente digitalización y complejidad en el sector financiero, es...

Full description

Autores:

Sosa Zapata, Miguel Fernando
Cadavid Cataño, Stiven

Tipo de recurso:

Tesis

Fecha de publicación:

2024

Institución:

Universidad de Antioquia

Repositorio:

Repositorio UdeA

Idioma:

spa

OAI Identifier:

oai:bibliotecadigital.udea.edu.co:10495/44343

Acceso en línea:

https://hdl.handle.net/10495/44343

Palabra clave:

Aprendizaje automático no supervisado
Unsupervised Machine Learning
Protección contra riesgos financieros
Financial Risk Protection
Instituciones financieras
Financial institutions
Operaciones bancarias
foreign exchange deposits
https://id.nlm.nih.gov/mesh/D000069558

Rights

openAccess

License

http://creativecommons.org/licenses/by-nc-sa/2.5/co/