Clasificador de anomalías contables en operaciones de factoring financiero mediante modelos de aprendizaje automático enfocado en la modalidad de descuento de títulos valor
Cargando...
Archivos
Fecha
2024-02
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
En este artículo se desarrolló un estudio detallado para identificar, analizar y clasificar anomalías contables para una Entidad Financiera la cual tiene un área encargada de los productos Factoring. Esta empresa tiene diferentes áreas funcionales, como finanzas, recursos humanos, producción, entre otras y cada una de ellas tiene registros contables específicos y distintos patrones de comportamiento. Detectar, analizar y clasificar estas diferencias fue un desafío, pero también ofreció conocimientos fundamentales para la administración financiera y la toma de decisiones estratégicas.
El enfoque propuesto de la investigación fue aplicar algoritmos de aprendizaje supervisado, como clasificación y regresión, junto con algoritmos de Machine Learning, como árboles de decisión, SVM (Support Vector Machines), o redes neuronales, los cuales sirvieron para entrenar un modelo que identificó patrones en los datos contables y detectó diferencias entre oficinas de la empresa. Se utilizaron datos contables de prueba de la entidad financiera del producto Factoring específicamente y se analizaron variables relevantes, como ingresos, gastos, cuentas por cobrar, cuentas por pagar, entre otros, para identificar diferencias significativas.
Como se esperaba los resultados de esta investigación al aplicarse en la práctica mejoraron la gestión financiera y contable de la entidad, puesto que permitió identificar áreas que necesitan mejoras en términos de registros contables y facilitó la toma de decisiones. Además, este estudio posiblemente es de interés para investigadores y profesionales interesados en el área de la contabilidad y el análisis financiero.
Descripción
Abstract
In this article, a detailed study was developed to identify, analyze and classify accounting anomalies for a Financial Entity which has an area in charge of Factoring products. This company has different functional areas, such as finance, human resources, production, among others, and each of them has specific accounting records and different behavioral patterns. Detecting, analyzing and classifying these differences was challenging, but also provided critical insights for financial management and strategic decision making.
The proposed approach of the research was to apply supervised learning algorithms, such as classification and regression, together with Machine Learning algorithms, such as decision trees, SVM (Support Vector Machines), or neural networks, which served to train a model that identified patterns in accounting data and detected differences between company offices. Test accounting data from the financial institution of the Factoring product specifically was used and relevant variables, such as income, expenses, accounts receivable, accounts payable, among others, were analyzed to identify significant differences.
As expected, the results of this research, when applied in practice, improved the financial and accounting management of the entity, since it allowed the identification of areas that need improvement in terms of accounting records and facilitated decision making. Furthermore, this study is possibly of interest to researchers and professionals interested in the area of accounting and financial analysis.
Palabras clave
Investigación, Machine learning, Anomalías contables, Entidad financiera, Factoring, Administración financiera, Aprendizaje supervisado, Árboles de decisión, Gestión financiera, Análisis financiero
Keywords
Research, Machine learning, Accounting anomalies, Financial entity, Factoring, Financial administration, Supervised learning, Decision trees, Financial management, Financial analysis