Resumen de Detección de anomalías en el Sistema de Pagos del Ecuador: Aplicación de Redes Neuronales

Jeniffer Rubio, Juan Arroyo Muñoz

• español

  Los bancos centrales monitorean las operaciones que se canalizan por las infraestructuras de mercado financiero, por ser de gran importancia en el fomento de la estabilidad financiera y el crecimiento económico. Las transacciones son reflejo de la actividad económica y comercial, proporcionan información de cómo los bancos gestionan la liquidez. El análisis de estos datos con la detección de anomalías permite identificar el comportamiento de un flujo de pago inusual indicando eventos futuros y ayuda a la supervisión financiera para iniciar intervenciones oportunas.

  Este documento realiza una aplicación de método de reducción de dimensiones basada en el aprendizaje automático por redes neuronales (Autoencoder) para la detección de anomalías en el Sistema de Pagos Interbancarios en el Ecuador. La evaluación del modelo se realiza con una simulación en la alteración de los flujos de un banco. Los resultados reflejan que los modelos construidos detectan los periodos en que el banco presentó anomalías. Se propone una herramienta útil para el monitoreo de operaciones en el sistema de pago para identificar los cambios repentinos en los flujos, que podrían atribuirse a problemas de liquidez, operativos, etc. Este documento es un ensayo de la aplicación de la metodología construida por Triepels et al. (2017).  

• English

  Central banks monitor operations that are channeled through financial market infrastructures, as they are of great importance in promoting financial stability and economic growth. Transactions are a reflection of economic and commercial activity, they provide information on how banks manage liquidity. Analyzing this data with anomaly detection identifies the behavior of an unusual payment flow indicating future events and helps financial supervision to initiate timely interventions.

  This document makes an application of a dimension reduction method based on machine learning by neural networks (Autoencoder) for the detection of anomalies in the Interbank Payment System in Ecuador. The evaluation of the model is carried out by means of a simulation in the alteration of the flows of a bank. The results reflect that the constructed models detect the periods in which the banks presented anomalies (liquidity stress). A useful tool for monitoring operations in the payment system is proposed to identify sudden changes in flows, which could be attributed to liquidity, operational or other problems. This document is an essay of the application of the methodology constructed by Triepels et al. (2017).