Componentes principales y análisis discriminante para la detección y prevención de transacciones fraudulentas con tarjetas de crédito

Abstract

El fraude bancario no solo impacta en las pérdidas financieras, también en la reputación que tiene la institución frente al mercado, desconfianza por parte de los clientes y accionistas. Debido a ello el propósito de esta tesis es desarrollar un modelo, mediante análisis de componentes principales y análisis discriminante que permita detectar y prever transacciones fraudulentas con tarjetas de crédito de los clientes del Banco Mi Perú; en el presente estudio se entiende por fraude a las operaciones de transacciones inusuales que son realizadas por terceros y por ende que no corresponden al perfil transaccional del cliente con tarjetas de crédito del Baco Mi Perú por lo que son considerados como casos atípicos (outlier). Mediante el análisis de componentes principales se ha encontrado un único factor llamado calidad de vida que es la combinación lineal de las variables sueldo, salud, combustible, servicios, recreación y alimentos; el cual permite dar un índice y ordenar a cada uno de los clientes; para hallar el número de factores se ha tomado la varianza promedio y el porcentaje de variabilidad. Seguidamente se formaron los conglomerados (fraude y no fraude), mediante el algoritmo de cajas y bigotes (BoxPlot) donde se considera clientes fraudulentos a los casos atípicos (outlier) que se encuentran fuera del rango intercuartílico. El análisis discriminante se ha utilizado para optimizar la clasificación en los dos conglomerados (fraude y no fraude), mediante los test estadísticos se ha establecido que no hay solapamiento entre los grupos es decir los grupos son diferentes esto se puede comprobar con el auto valor, la correlación canónica, lambda de Wilks y la Chi cuadrado, la cual rechaza la hipótesis nula de que los grupos comparados tienen promedios iguales en las dos variables. Finamente se halla un modelo predictivo basado en la distancia de Mahalanobis que va a permitir predecir futuros fraudes. Palabras claves: Transacciones inusuales, outliers, análisis discriminante, componentes principales