Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales
RESUMEN : El presente proyecto tiene como objetivo identificar patrones y relaciones que podrían estar asociados a fraudes internos en colocaciones financieras, utilizando herramientas como la Ley de Benford, análisis de grafos y el algoritmo PageRank. Los datos analizados incluyen información sobre...
- Autores:
-
Echavarría Hernández, Víctor Armando
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2024
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/44353
- Acceso en línea:
- https://hdl.handle.net/10495/44353
- Palabra clave:
- Protección contra riesgos financieros
Financial Risk Protection
Teoría de grafos
Graph theory
Delitos económicos
Commercial crimes
Fraude bancario
Bank fraud
Operaciones bancarias
Foreign exchange deposits
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-sa/4.0/
| id |
UDEA2_93fa9466e212cff48caf8f58d777122f |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/44353 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| title |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| spellingShingle |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales Protección contra riesgos financieros Financial Risk Protection Teoría de grafos Graph theory Delitos económicos Commercial crimes Fraude bancario Bank fraud Operaciones bancarias Foreign exchange deposits |
| title_short |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| title_full |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| title_fullStr |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| title_full_unstemmed |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| title_sort |
Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionales |
| dc.creator.fl_str_mv |
Echavarría Hernández, Víctor Armando |
| dc.contributor.advisor.none.fl_str_mv |
Mera Banguero, Carlos Andrés |
| dc.contributor.author.none.fl_str_mv |
Echavarría Hernández, Víctor Armando |
| dc.subject.decs.none.fl_str_mv |
Protección contra riesgos financieros Financial Risk Protection |
| topic |
Protección contra riesgos financieros Financial Risk Protection Teoría de grafos Graph theory Delitos económicos Commercial crimes Fraude bancario Bank fraud Operaciones bancarias Foreign exchange deposits |
| dc.subject.lemb.none.fl_str_mv |
Teoría de grafos Graph theory Delitos económicos Commercial crimes Fraude bancario Bank fraud Operaciones bancarias Foreign exchange deposits |
| description |
RESUMEN : El presente proyecto tiene como objetivo identificar patrones y relaciones que podrían estar asociados a fraudes internos en colocaciones financieras, utilizando herramientas como la Ley de Benford, análisis de grafos y el algoritmo PageRank. Los datos analizados incluyen información sobre colocaciones de crédito, relaciones familiares de empleados y transacciones financieras de primer y segundo grado, obtenidos de bases históricas de una entidad financiera. La metodología inició con la aplicación de la Ley de Benford, que permitió identificar anomalías significativas en los montos de crédito, destacando subconjuntos de datos para análisis posterior. Este enfoque reveló que ciertos montos se desviaban notablemente de la distribución esperada, vinculándose principalmente a sucursales con más del 40% de clientes en categorías de alto riesgo. A partir de estas anomalías, se construyeron grafos transaccionales para modelar las relaciones entre empleados, clientes y relacionados, aplicando el algoritmo PageRank para identificar nodos con alta centralidad. Los resultados mostraron que los nodos con mayor importancia en la red correspondían a entidades con alta concentración de transacciones entrantes, el 79% de las cuales provenían de jurisdicciones de alto riesgo. Además, se detectaron patrones de flujo irregular, incluyendo triangulación y picos transaccionales significativos, lo que refuerza la sospecha de actividades anómalas. Como producto de esta metodología, se generaron alertas con una cobertura del 70% sobre la red total, las cuales fueron enviadas al equipo de Investigaciones de Fraude y Lavado de Activos para revisión y validación. Estos hallazgos demuestran la eficacia de combinar herramientas computacionales y enfoques analíticos para la detección de riesgos financieros. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-01-23T19:59:51Z |
| dc.date.available.none.fl_str_mv |
2025-01-23T19:59:51Z |
| dc.type.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/draft |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
draft |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10495/44353 |
| url |
https://hdl.handle.net/10495/44353 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
37 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de Antioquia |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/cfa8456c-d3c9-49ce-8ebd-1f20988f834b/download https://bibliotecadigital.udea.edu.co/bitstreams/9aa73a73-c7c7-44b4-87f8-f959a2cce0f1/download https://bibliotecadigital.udea.edu.co/bitstreams/de5242f5-847c-4ddd-b82d-eb75c868e144/download https://bibliotecadigital.udea.edu.co/bitstreams/01565234-a299-4bb0-bf5b-281550e1a4ed/download |
| bitstream.checksum.fl_str_mv |
778d48f9f297d4195dad48f1a9d94dee 8a4605be74aa9ea9d79846c1fba20a33 06548066738115709bb18daa0f60c39d 598a78977952bc5535cae84e584ffec5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052145046978560 |
| spelling |
Mera Banguero, Carlos AndrésEchavarría Hernández, Víctor Armando2025-01-23T19:59:51Z2025-01-23T19:59:51Z2024https://hdl.handle.net/10495/44353RESUMEN : El presente proyecto tiene como objetivo identificar patrones y relaciones que podrían estar asociados a fraudes internos en colocaciones financieras, utilizando herramientas como la Ley de Benford, análisis de grafos y el algoritmo PageRank. Los datos analizados incluyen información sobre colocaciones de crédito, relaciones familiares de empleados y transacciones financieras de primer y segundo grado, obtenidos de bases históricas de una entidad financiera. La metodología inició con la aplicación de la Ley de Benford, que permitió identificar anomalías significativas en los montos de crédito, destacando subconjuntos de datos para análisis posterior. Este enfoque reveló que ciertos montos se desviaban notablemente de la distribución esperada, vinculándose principalmente a sucursales con más del 40% de clientes en categorías de alto riesgo. A partir de estas anomalías, se construyeron grafos transaccionales para modelar las relaciones entre empleados, clientes y relacionados, aplicando el algoritmo PageRank para identificar nodos con alta centralidad. Los resultados mostraron que los nodos con mayor importancia en la red correspondían a entidades con alta concentración de transacciones entrantes, el 79% de las cuales provenían de jurisdicciones de alto riesgo. Además, se detectaron patrones de flujo irregular, incluyendo triangulación y picos transaccionales significativos, lo que refuerza la sospecha de actividades anómalas. Como producto de esta metodología, se generaron alertas con una cobertura del 70% sobre la red total, las cuales fueron enviadas al equipo de Investigaciones de Fraude y Lavado de Activos para revisión y validación. Estos hallazgos demuestran la eficacia de combinar herramientas computacionales y enfoques analíticos para la detección de riesgos financieros.ABSTRACT : The present project aims to identify patterns and relationships potentially associated with internal fraud in financial placements, using tools such as Benford's Law, graph analysis, and the PageRank algorithm. The analyzed data includes information on credit placements, employees' family relationships, and financial transactions of the first and second degree, obtained from the historical databases of a financial entity. The methodology began with the application of Benford's Law, which identified significant anomalies in credit amounts, highlighting subsets of data for further analysis. This approach revealed that certain amounts deviated significantly from the expected distribution, primarily linked to branches where over 40% of customers were in high-risk categories. Based on these anomalies, transactional graphs were constructed to model the relationships between employees, customers, and their connections, applying the PageRank algorithm to identify nodes with high centrality. The results showed that the most important nodes in the network corresponded to entities with a high concentration of incoming transactions, 79% of which originated from high-risk jurisdictions. Additionally, irregular flow patterns were detected, including triangulation and significant transactional peaks, reinforcing suspicions of anomalous activities. As an outcome of this methodology, alerts covering 70% of the total network were generated and forwarded to the Fraud and Money Laundering Investigation Team for review and validation. These findings demonstrate the effectiveness of combining computational tools and analytical approaches for detecting financial risks.EspecializaciónEspecialista en Analítica y Ciencia de Datos37 páginasapplication/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datoshttps://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Detección de fraude interno en colocaciones financieras mediante la Ley de Benford y análisis de redes transaccionalesTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftProtección contra riesgos financierosFinancial Risk ProtectionTeoría de grafosGraph theoryDelitos económicosCommercial crimesFraude bancarioBank fraudOperaciones bancariasForeign exchange depositsPublicationORIGINALEchavarriaVictor_2024_DeteccionFraudeInterno.pdfEchavarriaVictor_2024_DeteccionFraudeInterno.pdfTrabajo de grado de especializaciónapplication/pdf903619https://bibliotecadigital.udea.edu.co/bitstreams/cfa8456c-d3c9-49ce-8ebd-1f20988f834b/download778d48f9f297d4195dad48f1a9d94deeMD54trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/9aa73a73-c7c7-44b4-87f8-f959a2cce0f1/download8a4605be74aa9ea9d79846c1fba20a33MD55falseAnonymousREADTEXTEchavarriaVictor_2024_DeteccionFraudeInterno.pdf.txtEchavarriaVictor_2024_DeteccionFraudeInterno.pdf.txtExtracted texttext/plain52719https://bibliotecadigital.udea.edu.co/bitstreams/de5242f5-847c-4ddd-b82d-eb75c868e144/download06548066738115709bb18daa0f60c39dMD58falseAnonymousREADTHUMBNAILEchavarriaVictor_2024_DeteccionFraudeInterno.pdf.jpgEchavarriaVictor_2024_DeteccionFraudeInterno.pdf.jpgGenerated Thumbnailimage/jpeg7505https://bibliotecadigital.udea.edu.co/bitstreams/01565234-a299-4bb0-bf5b-281550e1a4ed/download598a78977952bc5535cae84e584ffec5MD59falseAnonymousREAD10495/44353oai:bibliotecadigital.udea.edu.co:10495/443532025-03-26 17:39:14.202https://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |
