Estimación de transacciones sospechosas para clientes de una aseguradora de Colombia aplicando Isolation Forest y Local Outlier Factor para el control de riesgo Sarlaft
Estimation of suspicious transactions for customers of an insurance company in Colombia applying Isolation Forest and Local Outlier Factor for Sarlaft risk control
Contenido principal del artículo
Resumen
El artículo aborda la detección de transacciones sospechosas en clientes de una aseguradora en Colombia, enfocándose en la necesidad de fortalecer el control de riesgo bajo la normativa del Sistema de Administración del Riesgo de Lavado de Activos y de la Financiación del Terrorismo (Sarlaft), mediante dos métodos de detección de anomalías: Isolation Forest y Local Outlier Factor (LOF).
El estudio se enfoca en la importancia de identificar patrones inusuales en las transacciones para prevenir el lavado de activos y la financiación del terrorismo en Colombia, un país afectado por conflictos sociales y económicos, lo cual es crítico para la integridad del sistema financiero. A través de la aplicación de estos algoritmos de aprendizaje automático, se busca mejorar la precisión en la identificación de comportamientos anómalos que podrían indicar actividades delictivas.
El método Isolation Forest se basa en la creación de árboles aleatorios para aislar observaciones, mientras que LOF evalúa la densidad local de los datos para identificar puntos atípicos. El artículo incluye un análisis de la efectividad de estas técnicas y su aplicabilidad en el contexto de la aseguradora, así como recomendaciones para su implementación.
En conclusión, la investigación busca fortalecer los controles a partir del uso de estos dos enfoques, para optimizar la detección de transacciones sospechosas, contribuyendo a un mejor cumplimiento de las normativas de riesgo y robusteciendo las prácticas de prevención de lavado de activos y la financiación del terrorismo (LAFT) en el sector asegurador colombiano.