Ítem
Acceso Abierto

Modelo de Segmentación para SARLAFT en R4G

Mostrar el registro sencillo de la publicación
dc.contributor.advisorGutiérrez Bonnet, Sergio María
dc.creatorRamos Barriga, Natalia
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypeFull time
dc.date.accessioned2023-07-17T13:35:11Z
dc.date.available2023-07-17T13:35:11Z
dc.date.created2023-07-13
dc.descriptionDe acuerdo con las observaciones de los diferentes entes de control, la segmentación de los factores de riesgo de Lavado de Activos y Financiación del Terrorismo no contribuye a la correcta categorización de clientes para controlar el riesgo LA/FT, por lo tanto, el presente proyecto empresarial busca proporcionar una herramienta de Business Analytics que permita implementar un modelo de segmentación para el área de riesgos de R4G, de acuerdo con los parámetros establecidos en la normatividad vigente, con el propósito de identificar operaciones inusuales y fortalecer el Sistema de Administración de Riesgos de Lavado de Activos y Financiación del Terrorismo.
dc.description.abstractUnder the observations previously made by the different regulatory agencies, the segmentation of risk factors for money laundering and the financing of terrorism does not contribute to an adequate categorization of clients to be able to control AML/LA risks. As a consequence, the business case herein detailed seeks to provide a Business Analytics tool that facilitates a segmentation model for the Risk Department of R4G, which aligns with the parameters established in the current regulatory framework of the company, and intends to identifying unusual operations and fortify the system for the management of risks associated with money laundering and the financing of terrorism.
dc.format.extent128
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_40172
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/40172
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationD’Alessio Torres, Vincenzo Jesús. (2021, abril 14). Regla de Sturges: Concepto, explicación, aplicaciones, ejemplos. Lifeder. https://www.lifeder.com/regla-sturges/
dc.source.bibliographicCitationDepartamento de Estabilidad Financiera, Banco de la República. (2022). Reporte de Estabilidad Financiera: 2022-I (p. 23). Banrep. https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/presentacion-estabilidad-financiera-primer-semestre-2022.pdf
dc.source.bibliographicCitationHastie,Trevor, Tibshirani, Robert, & Friedman, Jerome. (2001). The elements of statistical learning: Data mining, inference, and prediction [Elementos de aprendizaje estadístico, minería de datos, inferencia y predicción]. New York : Springer. http://archive.org/details/elementsofstatis0000hast
dc.source.bibliographicCitationHaya, P. (2023). Esquema del ciclo CRISP-DM estándar [Esquema]. https://www.iic.uam.es/innovacion/metodologia-crisp-dm-ciencia-de-datos/
dc.source.bibliographicCitationIBM. (2021). Guía de CRISP-DM de IBM SPSS Modeler. IBM Corporation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=overview-spss-modeler-subscription
dc.source.bibliographicCitationJava. (2023). Java. https://www.oracle.com/java/
dc.source.bibliographicCitationKassambara, Alboukadel. (2017). Multivariate Analysis I—Practical Guide To Cluster Analysis in R - Unsupervised Machine Learning. STHDA.
dc.source.bibliographicCitationMinisterio de Justicia y del Derecho, UIAF, & Universidad del Rosario. (2016). Evaluacion nacional del riesgo de lavado de activos y financiación del terrorismo—Resumen ejecutivo. UIAF. https://urosario.edu.co/sites/default/files/2022-10/resumen-ejecutivo-informe-final-enr-2016-vfinal.pdf
dc.source.bibliographicCitationPython. (2023, mayo 11). Python.org. https://www.python.org/
dc.source.bibliographicCitationSuperintendencia Financiera de Colombia. (2014). Parte I Instrucciones generales aplicables a las entidades vigiladas, Título IV Deberes y responsabilidades, Capítulo IV Instrucciones relativas a la administración del riesgo de lavado de activos y de la financiación del terrorismo—SARLAFT. En Circular Básica Jurídica, 029/14. https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circular-basica-juridica-ce---/parte-i-instrucciones-generales-aplicables-a-las-entidades-vigiladas-10083444
dc.source.bibliographicCitationSuperintendencia Financiera de Colombia. (2023). Guía de Mejores Prácticas para la construcción de modelos de segmentación relacionados con los factores de riesgo de Lavado de Activos y Financiación del Terrorismo. SFC. https://www.superfinanciera.gov.co/descargas/institucional/pubFile1048182/GUIASEGMENTACION.pdf
dc.source.bibliographicCitationUniversidad de Granada. (2019, junio 17). Práctica 8 Métodos de análisis multivariante: Análisis Clúster. Estadística Universidad de Granada. http://wpd.ugr.es/~bioestad/guia-spss/practica-8/
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectSARLAFT
dc.subjectSegmentación
dc.subjectPrevención
dc.subjectLA/FT
dc.subject.keywordSARLAFT
dc.subject.keywordSegmentation
dc.subject.keywordPrevention
dc.subject.keywordAML/LT
dc.titleModelo de Segmentación para SARLAFT en R4G
dc.title.TranslatedTitleSegmentation Model for SARLAFT in R4G
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
local.department.reportEscuela de Ciencias e Ingeniería
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Modelo- de-Segmentacion-Ramos-Barriga-Natalia-2023.pdf
Tamaño:
3.53 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics