Modelos basados en atributos perfiles

Presentación del tema: "Modelos basados en atributos perfiles"— Transcripción de la presentación:

1 Modelos basados en atributos perfiles
GENERACION DE ALERTAS Modelos basados en atributos perfiles Unidad de Información y Análisis Financiero

2 AGENDA Fases de la generación alertas Construcción de modelos
Parametrización de atributos Ajuste de atributos Creación de Perfiles Unidad de Información y Análisis Financiero

3 Definiciones Atributos: Elementos propios de cada transacción. Ej. monto, fecha, lugar de origen del cliente, etc. Rango de normalidad: Correspondiente a cada atributo. Pérfiles: Definición de comportamientos y tendencias. Los perfiles se componen de una agrupación de variables cualitativas y cuantitativas. Unidad de Información y Análisis Financiero

4 Transacciones en curso Operaciones Realizadas
Generación de Alertas Fase 1 Prevención de Transacciones inusuales Transacciones en curso Fase 2 Detección de operaciones inusuales a partir de datos consolidados Operaciones Realizadas Datos Históricos Fase 3 Detección de operaciones inusuales a partir de datos históricos INFORMACIÓN Unidad de Información y Análisis Financiero

5 Transacciones en curso
Asignación previa de rangos de normalidad a cada atributo o generación de rangos de control. Transacciones en curso Prevención y detección de transacciones inusuales individuales (primer anillo) Fase 1 Cliente Tipo de cliente (actividad y sector económico) Valor máximo diario Tipo de transacción Ubicación geográfica, etc. Comparación de atributos de la transacción con los rangos de normalidad correspondientes a: Se explica que en esta fase se pretenden detectar transacciones inusuales a partir de parámetros fijados para cada cliente, se compara la información relevante a cada transacción con los valores asignados a cada parametro de control. Si la transacciòn pasa dela fase 1, hay que ir a la segunda fase donde se verifican otras variables como por ejemplo “consolidado de operaciones diarias” o consolidado de operaciones crédito desde una fecha inicial hasta el DIA de la operación). Las fases 1 y2 permiten prevenir por que detectan en tiempo real. Unidad de Información y Análisis Financiero

6 Fase 1 Una serie de condiciones pueden ser fijadas a distintos atributos: Ejemplo: Generar alarmas que soliciten la autorización al supervisor para adicionar cantidades mayores a $ a un fondo de valores, provenientes de personas naturales situados en ciudades fronterizas. Unidad de Información y Análisis Financiero

7 Fase 1 RESULTADOS ESPERADOS
Bloqueo de operaciones basado en los atributos de riesgo de cada cliente. El resultado puede variar entre la aprobación de la transacción hasta el bloqueo de la misma. Supervisión y monitoreo de las operaciones en tiempo real. Permite el monitoreo de limites operacionales basado en varios filtros asignados por variable. Monitoreo de clientes de interés cada vez que sus productos son accesados. Unidad de Información y Análisis Financiero

8 Asignación previa de rangos de normalidad a cada atributo o generación de rangos de control
Prevención y detección a corto plazo desde el sistema consolidado de operaciones (segundo anillo) Transacciones en curso Opraciones Realizadas Fase 2 Consolidación de la información Análisis agregado de las operaciones que fueron autorizadas a partir de la Fase 1 y generación de alertas La fase 2 necesita de un ingreso al sistema donde existan los datos consolidados de las operaciones ocurridas en un periodo de tiempo corto; un dìa por ejemplo. De tal forma que si la transacción pasó los controles bàsicos de la fase 1, pueda ser analizada conjuntamente con otras operaciones. Generación de archivo histórico para Fase 3 Unidad de Información y Análisis Financiero

9 Fase 2 RESULTADOS ESPERADOS Las nuevas operaciones en el sistema son verificadas contra condiciones límite propias para cada cliente en una etapa de verificación de los datos agrupados. Las alertas son informadas a los supervisores cuando alguna de las condiciones límite sea sobrepasada. Análisis de las operaciones que fueron autorizadas durante la Fase 1, ahora bajo otros parámetros de verificación debido a la posibilidad de realizar un estudio de todas las operaciones hechas en un período corto de tiempo. Posibilidad de agrupar la información y crear un archivo histórico de operaciones para ser evaluado durante la fase 3.

10 Analisis por rangos de normalidad de atributos y creación de perfiles como modelos base de comparación. Transacciones en curso Detección desde el consolidado histórico de operaciones (Círculo central) Opraciones Realizadas Fase 3 Datos Históricos Registros históricos Realización de análisis en un periodo amplio de tiempo. Ej. 1 mes Esta fase se aprovecha para correr otros modelos de control basados en variables ajustadas a análisis de periodos y comparar comportamientos con perfiles predeterminados. actualizar nuevos perfiles para futuros análisis como se explica a continuación. Generación de alertas y reportes para monitoreo

11 Fase 3 Detección de operaciones inusuales a partir del análisis sobre datos históricos (Centro) Permite la detección a partir de un agregado histórico de datos y no de operaciones individuales. Permite incluir en el análisis un periodo de estudio determinado por el supervisor: 1 mes, un semestre, etc. Permite analizar un amplio rango de datos a través de distintos tipos de operaciones Ayuda a definir patrones normales de transacción para clientes Permite retroalimentar el sistema para ajustar nuevos parámetros de análisis y generación de alertas. Unidad de Información y Análisis Financiero

12 Fase 3 - Ejemplo Ejemplo:
Un comisionista tiene un cliente que compra y vende títulos de manera periódica. Desde el momento de vínculación realizaba operaciones al mes por $100 Millones durante los primeros 6 meses obteniendo rendimientos y pérdidas indistintamente A partir de cierto tiempo las inversiones aumentaron periódicamente de $100 Millones a $200 y $500 durante los siguientes tres meses El comparativo histórico, disparará las alertas de acuerdo al perfil. La confirmación de sospecha dependerá del nivel de conocimiento del cliente.

13 Construcción de un modelo de control
Definición de los distintos tipos de productos de la entidad. Definición de los atributos característicos de cada producto. Asignación de rangos de normalidad a cada atributo De acuerdo a conocimiento del cliente De acuerdo a comportamiento histórico Sector económico Unidad de Información y Análisis Financiero

14 Parametrización de atributos de control para fases 1 y 2
Clientes nuevos: Información financiera básica Ingresos totales esperados y % a manejar con la entidad. Tipo de operaciones más frecuentes Origen geográfico habitual de su negocio Indicador de ingresos máximos diarios y mensuales: Ingresos X % ; Ingresos X % Unidad de Información y Análisis Financiero

15 Parametrización de atributos de control para fases 1, 2 y 3
Clientes con antigüedad > 6 meses CREACION DE PERFILES Ventaja: se tiene información suficiente para crear un modelo de las tendencias del cliente y reajustar las variables de análisis. El modelo se tiene que actualizar periódicamente con los valores historicos de los meses (o días) inmediatamente anteriores. El modelo se retroalimenta aprendiendo de los pérfiles generados para cada cliente y se ajusta según evolucionan las tendencias particulares.

16 Ciclo de Ajuste de parametros de control
Unidad de Información y Análisis Financiero

17 Método periódico de ajuste
Datos de ajuste, ejemplo: Valor promedio de las operaciones diarias 50 90 20 51 45 78 100 58 47 80 Dic Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Definición del nuevo rango o valor para la variable a partir de los datos históricos. Selección del método estadístico Ejemplo: ponderación por valores “pico”, regresiones o definición de rangos a partir de la varianza de los datos, etc. Atributo a ajustar

18 Método periódico de ajuste
Variable de control Media + Varianza(1+%) Variable: Valor de las operaciones Alto número de operaciones de baja ocurrencia Media del Número de operaciones últimos 12 meses Unidad de Información y Análisis Financiero

19 Generación de Perfiles
Objetivos: determinación de Tendencias que permitan: Comparar lo real con el comportamiento esperado Y obtener alarmas cuando una tendencia es sobrepasada o cuando cualquier desviación del perfil es detectada Encontrar secuencias de comportamiento relacionadas (aplicado a sectores económicos)

20 Ejemplo: Operaciones en el año 2003 para cliente “A”
COMPORTAMIENTO Mes Valor Operaciones Ene 100 acciones Feb 250 Renta fija Mar 150 Renta fija, acciones Abr 90 May 110 Jun Jul 115 Ago 200 Sep 125 Oct Nov 95 Dic PERFIL “A” Rangos de Operaciones Tipo de operaciones Renta Fija, acciones

21 Ejemplo Un regsitro anormal fuera del perfil dispararía las alarmas y tendría que ser reportada al supervisor. Operaciones de los primeros 5 meses año 2004 empresa “A”. mes Valor origen Ene 300 Renta fija, acciones Feb 500 Acciones, Fondos Mar 200 Acciones Abr 400 Fondos May 110 Renta fija, Acciones

22 Comportamiento a analizar
Ejemplo: comparación de perfiles y comportamientos Generación de alarmas por inconsistencia en el comportamiento analizado con respecto a perfiles predeterminados PERFIL “A” Rangos de Operaciones Tipo de operaciones Renta Fija, acciones Comportamiento a analizar mes Valor origen Ene 300 Renta fija, acciones Feb 500 Acciones, Fondos Mar 200 Acciones Abr 400 Fondos May 110 Renta fija, Acciones Unidad de Información y Análisis Financiero

23 Compra de transferencias
Ejemplo: Operaciones internacionales año 2003 para la empresa “A” exportadora de cuero COMPORTAMIENTO Compra de transferencias Mes Reintegros USD origen Ene US, PA Feb US, MX Mar PA Abr 90.000 May US Jun Jul Ago Sep Oct PA, MX Nov 95.000 Dic PERFIL “A” Rangos de Transferen-cias Países origen US, PA, MX

24 Compra de transferencias
Ejemplo: Operaciones internacionales año 2003 para empresas exportadoras de cuero (clientes) Compra de transferencias COMPORTAMIENTO mes Reintegros USD Origen Ene US, PA, CR Feb US, MX, ES, HK Mar US, PA, MX Abr US, PA May Jun US, PA, HK Jul Ago US, MX Sep US, HK Oct Nov Dic US, ES, CR PERFIL SECTOR Rangos de Transferen-cias Países origen US, PA, MX, HK, CR

25 Ejemplo Un regsitro anormal fuera del perfil dispararía las alarmas y tendría que ser reportada al supervisor. Movimientos internacionales primeros 6 meses año 2004 empresa “A”. mes Reintegros USD origen Ene MX, PA, HK Feb US, HK, JM Mar US, HK, PA Abr US, SG, HK, JM May US, SG

26 Comportamiento a analizar
Ejemplo: comparación de perfiles y comportamientos PERFIL “A” PERFIL SECTOR Rangos de reintegros Países origen US, PA, MX Rangos de reintegros Países origen US, PA, MX, HK, CO Generación de alarmas por inconsistencia en el comportamiento analizado con respecto a perfiles predeterminados Comportamiento a analizar Mes Reintegros USD Origen Ene MX, PA, HK Feb US, HK, JM Mar US, HK, PA Abr US, SG, HK, JM May US, SG Unidad de Información y Análisis Financiero

27 Ventajas y Desventajas
Permite identificar cambios repentinos del comportamiento individual de clientes. Permite a la entidad ubicar un “blanco” para realizar análisis. Generación de muchos “falsos positivos” en caso de que los parámetros de seguridad sean muy ajustados a cada perfil” (manejable) Unidad de Información y Análisis Financiero

28 Monitoreo y control de alertas
Unidad de Información y Análisis Financiero

29 Monitoreo y Alertas Prevención Detección ALERTAS
Identificación y conocimiento de clientes Generación elementos de control Perfiles de comportamientos individuales Perfiles de comportamientos conocidos Monitoreo y Análisis Ajustes Control Interno Reportes Internos y Externos ALERTAS Prevención Detección Unidad de Información y Análisis Financiero