Medellín - Minas - Maestría en Ingeniería - Analítica · 2025
Clasificación de transacciones ACH para mantener movimientos financieros dentro de la compañía empleando técnicas de inteligencia artificial
Este trabajo de maestría se enfoca en el análisis de las transacciones ACH (Automated Clearing House) en el sector bancario colombiano, con el objetivo de identificar patrones que permitan desarrollar estrategias comerciales para retener capital dentro de la institución. Dado el creciente uso de servicios financieros digitales y la facilidad con la que los clientes pueden transferir fondos entre bancos, se hace necesario comprender las dinámicas transaccionales que afectan la liquidez bancaria. Mediante técnicas de inteligencia artificial, como bosques aleatorios, máquinas de soporte vectorial (SVM) y aumento de gradiente extremo (XGBoost), se realiza un análisis predictivo de las transacciones ACH. Los resultados destacan el potencial del modelo XGBoost para predecir movimientos, lo que permite anticipar comportamientos de los clientes y diseñar productos financieros personalizados. El estudio contribuye a la formulación de estrategias que optimicen la retención de fondos y mejoren la competitividad del banco en un entorno financiero cada vez más digitalizado. Las recomendaciones propuestas buscan fortalecer la relación con los clientes y maximizar la eficiencia operativa. (Tomado de la fuente)
Texto completo 40 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- INTRODUCCIONp. 7
- Motivaciónp. 7
- Trabajos previosp. 8
- Definición del Problemap. 8
- 1.4. Objetivosp. 9
- 1.4.1. Generalp. 9
- 1.4.2. Específicosp. 9
- Alcancep. 9
- Estructurap. 10
- MARCO TEÓRICO DE REFERENCIAp. 11
- 2.1. Conceptos del negociop. 11
- 2.2. Conceptos de aprendizaje de máquinasp. 12
- Bosque Aleatoriop. 15
- Máquina de Soporte Vectorialp. 15
- Aumento de gradiente extremop. 16
- REVISIÓN SISTEMÁTICA DE LA LITERATURAp. 18
- Bases de datos utilizadas:p. 18
- Criterios de inclusión:p. 18
- Filtros aplicados:p. 18
- Proceso de revisión:p. 19
- TÉCNICAS DE INTELIGENCIA ARTIFICIALp. 9
- 4.1. Construcción del conjunto de datosp. 23
- de inteligencia artificialp. 25
- 4.2.1 Bosque Aleatoriop. 15
- 4.2.2 Máquina de Soporte Vectorialp. 15
- 4.2.3. Aumento de gradiente extremop. 16
- 5. EVALUACIÓN DEL DESEMPEÑO DEL MÉTODO PROPUESTOp. 32
- Medidas de evaluaciónp. 32
- Bosque aleatoriop. 15
- Máquina de Soporte Vectorialp. 15
- Aumento de gradiente extremop. 16
- Resultados Generalesp. 35
- 6. CONCLUSIONES Y TRABAJO FUTUROp. 36
- 7. REFERENCIASp. 37
- Figura 1. Proceso de transferencia interbancariap. 11
- Figura 2. Algoritmos de ML según su método de aprendizajep. 14
- Figura 3. Representación Random Forestp. 15
- Figura 4. Kernels aceptados por el SVMp. 16
- Figura 6. Representación del XGBoostp. 17
- Figura 7. Publicaciones por añop. 19
- Figura 8. Publicaciones por área de estudiop. 20
- Figura 9. Esquema de investigación basado PRISMAp. 20
- Figura 10. Archivo inicial en Excelp. 23
- Figura 11. Cloud Storage y contenedores de datosp. 24
- Figura 12. Pipeline preprocesamiento de datosp. 24
- Figura 13. Big Queryp. 25
- Figura 14. Dia de la semana con mayores transaccionesp. 26
- Figura 15. Tarifa por bancop. 26
- Figura 16. Segmento bancario con mayor flujo de transaccionesp. 27
- Figura 17. Resultado SelectKBestp. 28
- Figura 18. Diagrama de Metodologiap. 28
- Figura 19. Definición búsqueda hiperparametros para GridSerch para RFp. 29
- Figura 20. Definición búsqueda hiperparametros para GridSerch para SVMp. 30
- Figura 21. Matriz de confusión para el RFp. 33
- Figura 22. Matriz de confusión para el SVMp. 34
- Figura 23. Matriz de confusión para el XGBp. 35
- Tabla 1. Algoritmos de consulta de búsquedap. 19
- Tabla 2. Resultado SelectKBestp. 27
- Tabla 3. Modelo seleccionado Random Forestp. 29
- Tabla 4. Modelo seleccionado SVMp. 30
- Tabla 5. Modelo seleccionado XGBoostp. 31
- Tabla 6. Métricas de Evaluación del RFp. 32
- Tabla 7. Métricas de Evaluación del SVMp. 33
- Tabla 8. Métricas de Evaluación del XGBp. 34
- Tabla 9. Comportamientos generales de los modelosp. 35