Show simple item record

Machine Learning Interpretable para la detección del fraude crediticio

dc.contributor.authorChaquet Ulldemolins, Jacobo
dc.date.accessioned2022-12-02T08:57:45Z
dc.date.available2022-12-02T08:57:45Z
dc.date.issued2022
dc.identifier.urihttps://hdl.handle.net/10115/20699
dc.descriptionTesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2022. Directores de la Tesis: Fco. Javier Gimeno Blanes y Santiago Moral Rubio Tutor: José Luis Rojo Alvarez ´ Programa de Doctorado en Tecnologías de la Información y las Comunicacioneses
dc.description.abstractLas empresas cada d´ıa dan m´as facilidades a sus clientes para realizar sus compras, entre estas facilidades est´a la compra de productos de manera online, esto ha hecho que el comercio electr´onico crezca a unas cuotas de uso muy elevadas y por ende el uso de las tarjetas alcance su m´axima expresi´on. Esto es, sin ninguna duda, una oportunidad para que los delincuentes puedan cometer fraudes. En medio de todo esto, est´an los bancos para asegurar que todas las transacciones son legales y no fraudulentas. Esta es una tarea ardua y complicada, ya que los defraudadores siempre intentan simular leg´ıtimas todas las transacciones fraudulentas, lo que convierte la detecci´on del fraude en una tarea muy compleja. El n´umero de transacciones rechazadas err´oneamente por sospecha de fraude se estima en torno a 118.000 millones de d´olares de p´erdidas ´unicamente en el sector minorista, estas p´erdidas suponen una amenaza equivalente al fraude real en el sector de los servicios financieros. En consecuencia, los bancos se ven obligados a dedicar cada vez m´as recursos a discriminar entre las transacciones leg´ıtimas y las fraudulentas para hacer frente al dif´ıcil dilema de evitar las acciones de los impostores sin limitar el crecimiento inexorable del comercio online. Por si esto fuera poco, a este reto se le suma la necesidad de transparencia en toda decisi´on para la determinaci´on de fraude exigida por los organismos reguladores. De hecho en la Uni´on Europea, en el Reglamento General de Protecci´on de Datos, aprobado en 2018, otorga a sus ciudadanos el derecho a recibir una explicaci´on de las decisiones basadas en el tratamiento automatizado. La justificaci´on de este tipo de regulaci´on radica en el potencial sesgo que se podr´ıan estar aplicando.es
dc.language.isospaes
dc.publisherUniversidad Rey Juan Carloses
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectMachine Learninges
dc.subjectEconomíaes
dc.subjectfraude crediticioes
dc.titleMachine Learning Interpretable para la detección del fraude crediticioes
dc.typeinfo:eu-repo/semantics/doctoralThesises
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses


Files in this item

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcept where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional