Árboles de Decisión: Predicciones como alertas del sistema de prevención de lavado de activos en una entidad financiera

Abstract

En los últimos años, el blanqueo de capitales se ha ido sofisticando cada vez más, desafiando tanto a las naciones como a las entidades financieras a reestructurar sus sistemas de prevención y por lo tanto a aplicar nuevas metodologías para combatir las actividades ilícitas relacionadas con esta temática. El objetivo de este trabajo consistió en analizar el sistema actual de monitoreo de alertas correspondiente a un banco público de Argentina, y proponer un cambio en el mismo a través del desarrollo de distintos algoritmos de aprendizaje automático basados en técnicas de árboles de decisión (árbol simple, Gradient Boosting y Random Forest), para luego comparar los resultados de estos modelos con los costos que conlleva mantener este sistema de monitoreo en la actualidad. Si bien los resultados obtenidos por los modelos aplicados no llegan a mejorar el sistema actual de la entidad, el trabajo realizado sirve para profundizar distintas alternativas basadas en aprendizaje automático.