Control de Operatoria en Compra de Moneda Extranjera

Detección de Anomalías en Operaciones de Compra de Dólares

Objetivo Detectar conductas sospechosas y/o anormales, ocultas en la operatoria habitual de compra de moneda extranjera.

Ing. Pablo Guarna - [email protected]

2

Detección de Anomalías en Operaciones de Compra de Dólares Técnicas Utilizadas: Clustering - Detección de Anomalías Herramienta : SPSS Modeler 14.1 Universo: 220.000 transacciones Clientes con transacciones: 110.000

Ing. Pablo Guarna - [email protected]

3

Detección de Anomalías en Operaciones de Compra de Dólares

Buscar en el universo de operaciones, aquellas que estadísticamente tengan características distintas de las normales en relación con el perfil Socio-Económico de la persona que efectúa la compra en dólares.

Ing. Pablo Guarna - [email protected] 4

Detección de Anomalías en Operaciones de Compra de Dólares Armado de los Datos Se obtuvo información relacionada con : • Datos de la Transacción de Compra de Dólares. • Datos relacionados con el Perfil Demográfico del Cliente. • Datos relacionados con el Perfil Económico del Cliente. Ing. Pablo Guarna - [email protected]

5

Detección de Anomalías en Operaciones de Compra de Dólares • Se creó un Data set que incluyó información de distintos sistemas, a saber: Compra Venta Moneda Extranjera Base de clientes Información de Deudores Cuentas Corrientes

Caja de Ahorros Plazo Fijo Préstamos Cajas de Seguridad

RRHH Central de Deudores del BCRA Cheques rechazados Tarjetas de créditos

• Se trabajó con 64 campos de datos de los distintos sistemas.

Ing. Pablo Guarna - [email protected]

6

Datos Seleccionados para el Módulo  Datos de la operación, monto, fecha , hora, sucursal, etc.  Datos del Cliente en Base de Clientes, sexo, estado civil, fecha de

nacimiento, nacionalidad, antigüedad en el Banco  Datos de Cuentas en el Banco, Saldos, Créditos en cuenta, total de haberes.  Datos de Tarjetas de Crédito, Cantidad de tarjetas, liquidación en pesos y dólares, Pago Mínimo, morosidad.  Datos de Cajas de Seguridad.  Datos de Préstamos Vigentes  Datos de Plazos Fijos  Datos de Morosidad en el Sistema Financiero del Cliente  Datos de Cheques Rechazados y Montos en el Sistema Financiero.

7

Ing. Pablo Guarna - [email protected]

Campos Calculados  Cantidad de sucursales en las que realizó operaciones el cliente.  Clientes con direcciones en Frontera.  Acumulado de operaciones por mes.  Acumulados de operaciones en los 6 meses.  Promedio de monto de las operaciones mensuales.  Diferencia ( Haberes - Compra de Dólares)

8

Ing. Pablo Guarna - [email protected]

Formulación del Modelo

DATOS DATOS DATOS DE LAS ECONOMICOS SOCIALES DEL OPERACIONES EN CLIENTE CUENTAS DEL CLIENTE

9

Ing. Pablo Guarna - [email protected]

Formulación del Modelo DATOS ECONÓMICOS CLIENTE

DATOS SOCIALES CLIENTE

DATOS DE LA OPERACION

CLUSTERING BIETAPICO por datos Socio Económicos

10

CLUSTER 1 DATOS DE LA OPERACIÓN

CLUSTER 2 DATOS DE LA OPERACIÓN

DETECCIÓN DE ANOMALÍAS EN CLUSTER 1 POR DATOS DE LA OPERACIÓN

DETECCIÓN DE ANOMALÍAS EN CLUSTER 2 POR DATOS DE LA OPERACIÓN

Ing. Pablo Guarna - [email protected]

Modelo

11

12

Ing. Pablo Guarna

Modelo

13

Ing. Pablo Guarna - [email protected]

14

Ing. Pablo Guarna

15

Ing. Pablo Guarna

16

Ing. Pablo Guarna

Detección de Anomalías en Operaciones de Compra de Dólares

Resultados Se buscó detectar operatorias sospechosas que se aparten del comportamiento normal de un cliente y que no hayan sido detectadas por un sistema de alerta de reglas fijas, debido a que eran por montos no significativos e inferiores a los parámetros de control , pero que en su conjunto, mostraban una conducta anómala.

Ing. Pablo Guarna - [email protected]

17

Detección de Anomalías en Operaciones de Compra de Dólares

Resultados • Se detectaron transacciones anómalas que superaban los limites para ser informadas al BCRA. • Se detectaron de operaciones anómalas que eran por montos no significativos e inferiores a los parámetros de control , pero que en su conjunto, mostraban conductas que son tipificadas como de Lavado de Dinero. Ing. Pablo Guarna - [email protected]

18

Ing. Pablo Guarna - [email protected]

19

MUCHAS GRACIAS por su atención!!!!!