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...

Full description

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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