Clasificador de Anomalías Contables en Operaciones de Factoring Financiero Mediante Modelos de Aprendizaje Automático

Aug 5, 2026

Subir por Levi

Clasifica anomalías contables en operaciones de factoring para una entidad financiera encargada del producto, considerando que cada área funcional mantiene registros contables con patrones de comportamiento distintos. La propuesta emplea aprendizaje supervisado con clasificación y regresión, junto con árboles de decisión, SVM y redes neuronales para entrenar un modelo que identifica patrones y diferencias entre oficinas. Se analizan variables como ingresos, gastos, cuentas por cobrar y cuentas por pagar, mejorando la gestión contable y el soporte a la toma de decisiones.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas28

Tiempo de lectura43 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Introducción

Anomalías contables y aprendizaje automático

Enfoque del factoring financiero

Requisitos de datos y actualización de modelos

Clasificador de Anomalías Contables en Operaciones de Factoring Financiero Mediante Modelos de Aprendizaje Automático Enfocado en la Modalidad de Descuento de Títulos Valor. Gustavo Andrés Camargo Duque1, David Alejandro Ibarra Parada1, Andrés Antonio Rico López1, Carlos Alberto Puentes Morales2. 1 Estudiante Maestría en Estadística Aplicada y Ciencia de Datos, Bogotá, Colombia; 2 Director de trabajo de grado. 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, perotambién 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 Factoringespecíficamente y se analizaron variables relevantes, como ingresos, gastos, cuentas por cobrar, cuentas por pagar, entre otros, para identificar diferenciassignificativas. 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. Palabras clave: Investigación, Machine Learning, Anomalías contables, Entidad Financiera, Factoring, Administración financiera, Aprendizaje supervisado, Árboles de decisión, Gestión financiera, Análisis financiero. ABSTRACT In this article, a detailed study was conducted to identify and analyze the accounting anomalies of a Financial Entity in charge of Factoring products. This company has various functional areas, such as finance, human resources, production, among others, each with specific accounting records and different behavioral patterns. Detecting and analyzing these differences was a challenge, but it also provided fundamental insights for financial management and strategic decision-making. The research approach proposed the application of supervised learning algorithms, such as classification and regression, along with Machine Learning algorithms like decision trees, SVM (Support Vector Machines), or neural networks, which served to train a model that identified patterns in the accounting data and detected differences between the company's offices. Test accounting data from the financial entity's Factoring product were specifically 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, as it allowed for the identification of areas needing improvements in terms of accounting records and facilitated decision-making. Furthermore, this study is likely of interest to researchers and professionals involved in the field of accounting and financial analysis. Keywords: Research, Machine Learning, Accounting Anomalies, Financial Entity, Factoring, Financial Management, Supervised Learning, Decision Trees, Financial Management, Finan

Preguntas frecuentes

Qué problema aborda el trabajo sobre anomalías contables?

Identifica, analiza y clasifica anomalías contables en una entidad financiera con un área de productos de factoring, destacando diferencias en registros y patrones entre áreas y oficinas.

Qué tipo de modelos se usan para detectar las anomalías?

Se aplican algoritmos de aprendizaje supervisado, incluyendo clasificación y regresión, y modelos de machine learning como árboles de decisión, SVM y redes neuronales.

Qué variables contables se analizan para entrenar el clasificador?

Se emplean datos contables del producto factoring y variables relevantes como ingresos, gastos, cuentas por cobrar y cuentas por pagar para identificar diferencias significativas.

Aug 5, 2026

Subir por Levi