Pattern recognition of financial institutions’ payment behavior

Simple item page
dc.audiencePolicymakerseng
dc.audienceResearcherseng
dc.audienceStudentseng
dc.audienceTeacherseng
dc.creatorLeón-Rincón, Carlos Eduardospa
dc.creatorBarucca, Paolospa
dc.creatorOscar, Acerospa
dc.creatorGerardo, Gagespa
dc.creatorOrtega, Fabiospa
dc.creator.firmaCarlos Leónspa
dc.creator.firmaPaolo Baruccaspa
dc.creator.firmaOscar Acerospa
dc.creator.firmaGerardo Gagespa
dc.creator.firmaFabio Ortegaspa
dc.date.accessioned2020-09-02T20:32:02Zspa
dc.date.available2020-09-02T20:32:02Zspa
dc.date.created2020-09-08spa
dc.descriptionPresentamos una metodología general de aprendizaje automático supervisado para representar el comportamiento de pago de las instituciones financieras a partir de una base de datos de transacciones del sistema de pagos de alto valor de Colombia. La metodología utiliza una red neuronal artificial para representar los patrones de pago de instituciones financieras a través de 113 características que corresponden a su contribución a los pagos, hábitos de fondeo, momento de pagos, concentración de pagos, centralidad en la red de pagos, e impacto sistémico debido a la imposibilidad de pagar. Esta representación es utilizada para probar la coherencia de los patrones de pago fuera de muestra de una institución financiera con sus patrones de pago característicos. El desempeño del modelo es notable, con un error de clasificación fuera de muestra cercano a tres por ciento. El desempeño es robusto a reducciones en el número de características con base en la selección no supervisada de características. También se comprueba que la centralidad en la red de pagos y el impacto sistémico son características que efectivamente mejoran el desempeño de la metodología. Para las autoridades financieras este es un primer paso hacia la detección automatizada de anomalías en el comportamiento de las instituciones financieras como participantes en sistemas de pago.spa
dc.description.abstractWe present a general supervised machine learning methodology to represent the payment behavior of financial institutions starting from a database of transactions in the Colombian large-value payment system. The methodology learns a feedforward artificial neural network parameterization to represent the payment patterns through 113 features corresponding to financial institutions’ contribution to payments, funding habits, payments timing, payments concentration, centrality in the payments network, and systemic impact due to failure to pay. The representation is then used to test the coherence of out-of-sample payment patterns of the same institution to its characteristic patterns. The performance is remarkable, with an out-of-sample classification error around three percent. The performance is robust to reductions in the number of features by unsupervised feature selection. Also, we test that network centrality and systemic impact features contribute to enhancing the performance of the methodology definitively. For financial authorities, this is the first step towards the automated detection of individual financial institutions’ anomalous behavior in payment systems.eng
dc.format.extent29 páginas : gráficas, tablasspa
dc.format.mimetypePDFspa
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/9901spa
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/9901spa
dc.language.isoengeng
dc.publisherBanco de la República de Colombiaspa
dc.relation.doihttps://doi.org/10.32468/be.1130spa
dc.relation.infohttps://repositorio.banrep.gov.co/sitios/1130spa
dc.relation.inveshttps://investiga.banrep.gov.co/es/be-1130spa
dc.relation.ispartofDocumentos de Trabajospa
dc.relation.ispartofseriesBorradores de Economíaspa
dc.relation.isversionofBorradores de Economía; No.1130spa
dc.relation.numberBorrador 1130spa
dc.relation.portalhttps://www.banrep.gov.co/es/borrador-1130spa
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1130.htmlspa
dc.relation.shortdoihttps://doi.org/d7vxspa
dc.rights.HabeasDatos personales: El(los) autor(es) ha(n) incluido sus datos personales (nombres, correo electrónico, filiación académica, perfil académico, entre otros) en el Portal de Investigaciones o la obra remitida para publicación, y por consiguiente, manifiesta(n) que mediante el diligenciamiento y registro de sus datos personales autoriza(n) al Banco de la República el tratamiento (recolección, almacenamiento, uso, circulación o supresión) de todos los datos suministrados con la finalidad de adelantar la publicación de la obra en el Portal de Investigaciones, dar a conocer su perfil académico y medios de contacto para fines académicos y divulgativos, así como para la construcción de indicadores y estadísticas para el seguimiento y control de las actividades de divulgación del Portal de Investigaciones. Para tal fin, se informa que el tratamiento de los datos personales se realizará de acuerdo con las políticas o lineamientos generales disponibles en http://www.banrep.gov.co/proteccion-datos-personales, en la sección “Protección de Datos Personales - Habeas Data”.spa
dc.rights.ObjetoObjeto de publicación: La obra de mí (nuestra) autoría tiene por objeto ser publicada en el Portal de Investigaciones del Banco de la República e incluirla en el repositorio institucional de esa misma entidad. La obra podrá consistir en documento escrito, audiovisual, audio, gráfico, fotográfico, infográfico, podcasts, etc., y podrá estar en cualquier formato conocido o por conocerse.spa
dc.rights.accessRightsOpen Accesseng
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0eng
dc.rights.disclaimerLas opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.spa
dc.rights.disclaimerThe opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.eng
dc.rights.spaAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/eng
dc.source.handleRepecRePEc:bdr:borrec:1130spa
dc.subjectPagosspa
dc.subjectRedes neuronalesspa
dc.subjectSelección de característicasspa
dc.subjectAprendizaje automáticospa
dc.subjectReconocimiento de patronesspa
dc.subject.jelC45 - Neural Networks and Related Topicsspa
dc.subject.jelE42 - Monetary Systems; Standards; Regimes; Government and the Monetary System; Payment Systemsspa
dc.subject.jelG21 - Banks; Depository Institutions; Micro Finance Institutions; Mortgagesspa
dc.subject.jelspaC45 - Redes neuronales y temas relacionadosspa
dc.subject.jelspaE42 - Sistemas monetarios; Patrones; Regímenes; Gobierno y sistema monetario; Sistemas de pagospa
dc.subject.jelspaG21 - Bancos; Instituciones de depósito; Instituciones Microfinancieras; Hipotecasspa
dc.subject.keywordPaymentseng
dc.subject.keywordNeural networkseng
dc.subject.keywordFeature selectioneng
dc.subject.keywordMachine learningeng
dc.subject.keywordPattern recognitioneng
dc.subject.lembSistema monetario -- Colombiaspa
dc.subject.lembRedes neuronales -- Estudio -- Colombiaspa
dc.subject.lembSistemas de pago -- Colombiaspa
dc.titlePattern recognition of financial institutions’ payment behavioreng
dc.title.alternativeReconocimiento de patrones en el comportamiento de pagos de instituciones financierasspa
dc.typeWorking Papereng
dc.type.hasversionPublished Versioneng
dc.type.spaDocumentos de trabajospa
local.caie.checklist11. Esta versión del documento ha sido presentada en algún seminario interno del Banco?: nospa
local.caie.checklist2Frente a los temas sensibles actualmente en país, considera que su documento es: NO SENSIBLEspa
local.caie.validadorDepartamento de Seguimiento a la Infraestructura Financieraspa

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
be_1130.pdf
Size:
1.23 MB
Format:
Adobe Portable Document Format
Description:
Borrador de Economía No. 1130
Download
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
4.92 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Borradores de Economía