Regresión cuantílica para la detección de transacciones anómalas en canales electrónicos: estudio de caso en una cooperativa de ahorro y crédito ecuatoriana

Abstract

Este estudio aborda la detección de transacciones anómalas en canales electrónicos de una cooperativa de ahorro y crédito mediante regresión cuantílica. El modelo se estimó en el cuantil extremo (t = 0,97) y alcanzó pseudo-R² de Koenker & Machado (1999) igual a 0,434, lo que evidencia capacidad explicativa moderada-alta y la identificación de umbrales efectivos para separar operaciones anómalas y normales. La validez se contrastó con algoritmos supervisados, tras balancear clases y dividir la base 70/30 (entrenamiento/prueba). Entre ellos, Random Forest obtuvo el mejor desempeño promedio por canal: F1-score 71%, AUC-ROC 0,70 y accuracy 77%. Los resultados indican que la estrategia es replicable en el sector financiero y útil para el monitoreo operativo y la gestión de riesgos en canales electrónicos.