Un vistazo a las transacciones desde el análisis dedatos funcionales

• Autores: Carlos Gómez, Omar Montejo
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 15, Nº. 1, 2022, págs. 48-77
• Idioma: español
• DOI: 10.15332/23393076.8097
• Títulos paralelos:
  • Viewing transactions using functional data analysis
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El an ́alisis de datos funcionales ha comenzado a tener gran relevancias gracias a suutilidad en la reducci ́on de dimensionalidad, por su implementaci ́on de m ́etodoslongitudinales y multivaridos, donde las observaciones puede ser tratadas comofunciones en un intervalo cerrado. En este trabajo se presenta un an ́alisis de lasoperaciones que realizan los clientes de las entidades financieras por medio de loscanales transaccionales, clasific ́andolos en presenciales y virtuales, con el fin deidentificar caracter ́ısticas y comportamiento de los clientes, tanto en su n ́umerocomo el monto que transan, desde un enfoque funcional. Se realiza un estudiodescriptivo de los datos funcionales, contrastando sus resultados con las variablesProducto Interno Bruto e Inflaci ́on, se aplica un cluster por medio del algoritmodek-medias que permite identificar agrupaciones entre las entidades consideradasdentro del estudio, se realiza una comparaci ́on de medias tanto para el n ́umero y elmonto de transacciones en los canales transaccionales mencionados, identificandopunto de cambio en la media funcional. Finalizando el an ́alisis se evidencia unfuerte cambio en el comportamiento de los datos considerados, esto debido posi-blemente a la pandemia, lo que hizo que las transacciones por medio de canalespresenciales disminuyeran, fortaleciendo por tanto las transacciones por medio decanales virtuales.

  • English

    Functional data analysis has begun to gain great importance due to its useful-ness in dimensionality reduction, due to its implementation of longitudinal andmultivariate methods, where observations can be treated as functions on a closedinterval. This paper presents an analysis of the operations carried out by custo-mers of financial institutions through transactional channels, classifying them intoface-to-face and virtual, in order to identify characteristics and behavior of cus-tomers, both in number and amount. that trade, from a functional approach. Adescriptive study of the functional data is carried out, contrasting its results withthe variables Gross Domestic Product and Inflation, a cluster is applied throughthe k-means algorithm that allows identifying groupings between the entities con-sidered within the study, a comparison is made of means for both the numberand amount of transactions in the mentioned transactional channels, identifyinga point of change in the functional mean. At the end of the analysis, a strongchange in the behavior of the data considered is evident, possibly due to the pan-demic, which caused transactions through face-to-face channels to decrease, thusstrengthening transactions through virtual channels.

• Referencias bibliográficas
  • Carrillo Alexis and Garatejo Olga (2016) Análisis de datos funcionales aplicado en electroencefalogramas: Agrupamiento por K-medias funcional....
  • J.O Ramsay et. al (2009) Functional data analysus with r and matlab. ISBN 978-0-387-98184-0. editorial Springer. ed 2009a.
  • Banca de las Oportunidades, https://bancadelasoportunidades.gov.co/sites/default/files/2018-02/PDF%202011_0.pdf , Reporte de Inclusión
  • Financiera, 2021.
  • Banca de las Oportunidades, https://bancadelasoportunidades.gov.co/sites/default/files/2020-07/Informe_RIF_2019.pdf,2021.
  • Banca de las Oportunidades, https://bancadelasoportunidades.gov.co/sites/default/files/2021-04/CNC%20AD%202021%20AHORA%20BCO.pdf.2021.
  • Circular Externa 014 de 2008 expedida por la Superintendencia Financiera de Colombia, https://www.superfinanciera.gov.co/inicio/normativa/normativa-general/circulares-externas-cartas-circulares-y-resoluciones-desde-el-ano-/
  • circulares-externas/-20146, 2021.
  • Jacques, J. Preda, C. (2013), ‘Functional data clustering: a survey’,Advancesin Data Analysis and Classification8(3), 231–255.
  • Yamamoto, M. Terada, Y. (2014), ‘Functional factorial k-means analysis’, Computational Statistics Data Analysis79, 133–148.
  • Horváth, L., Kokoszka, P. (2012). Inference for functional data with applications (Vol. 200). Springer Science Business Media. 65-68.