Publication:
Study of the prevention and detection of financial fraud through machine learning techniques

Simple item page
dc.contributor.authorGutierrez Portela, Fernando
dc.contributor.authorRodríguez Cárdenas, Stefania
dc.contributor.authorPatiño Ospina, Laura Paola
dc.contributor.authorHernandez Aros, Ludivia
dc.date2023-04-01
dc.date.accessioned2023-11-29T13:40:25Z
dc.date.available2023-11-29T13:40:25Z
dc.date.issued2023
dc.descriptionMuchas organizaciones se ven afectadas actualmente por fraudes financieros convirtiéndose en una preocupación para el área financiera de cualquier entidad, ya que al materializarse perjudica directamente el patrimonio de cualquier empresa pública o privada. Para ello se han implementado técnicas supervisadas y no supervisadas que usan la inteligencia artificial para la prevención y detección temprana de estos fraudes y así minimizar riesgos en las operaciones financieras. Debido a lo anterior, el estudio analiza el uso de las técnicas supervisadas, su estado referencial por medio del análisis cienciométrico y bibliométrico, determinando la importancia de ellas para la prevención y detección de los fraudes financieros. A nivel metodológico es un estudio documental, exploratorio y analítico. Los resultados del estudio indican que las técnicas de aprendizaje automático supervisadas son las más precisas en el momento de aplicar los experimentos para la detección y prevención, logrando así resultados de efectividad superiores al 90% utilizando algoritmos como árbol de decisión, redes neuronales, Naive Bayes, Maquina de vectores de soportes, Bosque aleatorio y regresión logística, siendo notable en los resultados que los fraudes financieros mayormente analizados en estos estudios fueron falsificación de estados financieros, fraude de tarjetas de crédito, informes financieros fraudulentos y fraude de servicios financieros. Por otra parte, se resalta que el tema de investigación está en crecimiento gracias a que la detección de fraudes se está volviendo necesaria para las organizaciones y con mayor relevancia para las instituciones financieras, por ser una de las mayores afectadas por este flagelo del fraude.es-ES
dc.description.abstractenglishMany organizations are currently affected by financial fraud, becoming a current concern for the financial area of ​​any entity, since when it materializes, it directly harms the assets of any public or private company. To do this, and in response to this problem, supervised and unsupervised techniques have been implemented that use artificial intelligence for the prevention and early detection of these frauds and, thus, minimize risks in financial operations. Due to the above, the study analyzes the use of supervised techniques, their referential status through scientometric and bibliometric analysis, determining their importance for the prevention and detection of financial fraud. At the methodological level, it is a documentary, exploratory and analytical study. The results of the study indicate that supervised machine learning techniques are the most accurate when applying experiments for detection and prevention, thus achieving effectiveness results greater than 90% using algorithms such as decision trees, neural networks, Naive Bayes, Support Vector Machine, Random Forest and logistic regression, being notable in the results that the financial frauds, mostly analyzed in these studies, were falsification of financial statements, credit card fraud, fraudulent financial reports and service financial fraud.  On the other hand, it is highlighted that the subject of research is growing thanks to the fact that fraud detection is becoming necessary for organizations and, with greater relevance, for financial institutions, as they are one of the most affected by this scourge of fraud.en
dc.format.extent25 p.
dc.format.mimetypeapplication/pdf
dc.identifier.citationGutierrez Portela, F. ., Rodríguez Cárdenas, S. ., Patiño Ospina, L. P., & Hernandez Aros, L. (2023). Estudio de la prevención y detección de fraudes financieros a través de técnicas de aprendizaje automático. CAFI, 6(1), 77–101. https://doi.org/10.23925/cafi.v6i1.58372
dc.identifier.doi10.23925/cafi.v6i1.58372
dc.identifier.issn2595-1750
dc.identifier.urihttps://repositorio.uniremington.edu.co/handle/123456789/1814
dc.identifier.urihttps://revistas.pucsp.br/index.php/CAFI/article/view/58372
dc.language.isopor
dc.publisherPontifícia Universidade Católica de São Paulo - PUC/SP
dc.rightsCopyright (c) CAFI - Contabilidade, Atuária, Finanças & Informação
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseCC BY 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.source2595-1750
dc.source2595-1750
dc.sourceCAFI; Vol. 6 No. 1 (2023): CAFI - Contabilidade, Atuária, Finanças & Informação; 77-101en-US
dc.sourceCAFI; Vol. 6 Núm. 1 (2023): CAFI - Contabilidade, Atuária, Finanças & Informação; 77-101es-ES
dc.sourceCAFI ; v. 6 n. 1 (2023): CAFI - Contabilidade, Atuária, Finanças & Informação; 77-101pt-BR
dc.subjectFinancial frauden
dc.subjectArtificial intelligengeen
dc.subjectSupervised techniquesen
dc.subjectFraud detectionen
dc.subjectData miningen
dc.subjectFraude financierospa
dc.subjectinteligencia artificialspa
dc.subjecttécnicas supervisadasspa
dc.subjectdetección de fraudesspa
dc.subjectminería de datosspa
dc.titleStudy of the prevention and detection of financial fraud through machine learning techniquesen
dc.titleEstudio de la prevención y detección de fraudes financieros a través de técnicas de aprendizaje automáticospa
dc.typeArtículo de revista
dc.type.coarhttp://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/article
dc.type.localArtículo de revista
dc.type.redcolhttp://purl.org/redcol/resource_type/ART
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
CAFI_v6n1a05.pdf
Size:
1.55 MB
Format:
Adobe Portable Document Format
Download
Collections
CAFI