Clasificación de transacciones ACH para mantener movimientos financieros dentro de la compañía empleando técnicas de inteligencia artificial

Abstract

Este trabajo de maestría se enfoca en el análisis de las transacciones ACH (Automated Clearing House) en el sector bancario colombiano, con el objetivo de identificar patrones que permitan desarrollar estrategias comerciales para retener capital dentro de la institución. Dado el creciente uso de servicios financieros digitales y la facilidad con la que los clientes pueden transferir fondos entre bancos, se hace necesario comprender las dinámicas transaccionales que afectan la liquidez bancaria. Mediante técnicas de inteligencia artificial, como bosques aleatorios, máquinas de soporte vectorial (SVM) y aumento de gradiente extremo (XGBoost), se realiza un análisis predictivo de las transacciones ACH. Los resultados destacan el potencial del modelo XGBoost para predecir movimientos, lo que permite anticipar comportamientos de los clientes y diseñar productos financieros personalizados. El estudio contribuye a la formulación de estrategias que optimicen la retención de fondos y mejoren la competitividad del banco en un entorno financiero cada vez más digitalizado. Las recomendaciones propuestas buscan fortalecer la relación con los clientes y maximizar la eficiencia operativa. (Tomado de la fuente)

This master's thesis focuses on the analysis of ACH (Automated Clearing House) transactions in the Colombian banking sector, with the aim of identifying patterns that support the development of commercial strategies to retain capital within the institution. Given the growing use of digital financial services and the ease with which customers can transfer funds between banks, it is essential to understand the transactional dynamics that impact banking liquidity. Using artificial intelligence techniques such as Random Forests, Support Vector Machines (SVM), and Extreme Gradient Boosting (XGBoost), a predictive analysis of ACH transactions is conducted. The results highlight the potential of the XGBoost model to forecast transaction flows, enabling the anticipation of customer behavior and the design of personalized financial products. This study contributes to the formulation of strategies that optimize fund retention and enhance the bank’s competitiveness in an increasingly digital financial environment. The proposed recommendations aim to strengthen customer relationships and maximize operational efficiency.