Predicción del monto total que se va a pagar por remesas en dólares que se originan en un día

Simple item page
dc.contributor.advisorPabón Burbano , María Constanza
dc.contributor.authorContreras Fuentes, William
dc.contributor.authorEspinoza Guarnizo, Camilo
dc.contributor.authorAgredo Chávez, Jorge
dc.date.accessioned2025-11-06T21:23:11Z
dc.date.available2025-11-06T21:23:11Z
dc.date.issued2025
dc.description.abstractLas remesas son transferencias de dinero enviadas por trabajadores migrantes a sus países de origen para el sostenimiento de sus hogares [1]. En Colombia, según el DANE, estos flujos representaron aproximadamente el 2,8% del Producto Interno Bruto (PIB) en 2024. Dentro de la gestión operativa de las remesas, la predicción del monto en dólares por fecha de origen es un insumo clave, ya que la tasa de cambio se fija en el momento de iniciar cada transacción. Contar con una estimación anticipada permite a los agentes locales optimizar su cobertura cambiaria, mitigando los riesgos asociados. Para abordar este desafío, el proyecto desarrolló modelos predictivos basados en técnicas avanzadas de ciencia de datos, utilizando información histórica suministrada por una entidad financiera con alto volumen de operaciones en remesas en Colombia. El conjunto de datos abarcó un periodo de dos años y se compararon modelos con algoritmos de aprendizaje automático y análisis de series temporales. Entre los hallazgos más relevantes, se destaca que los modelos de árboles de decisión optimizados y redes neuronales recurrentes ofrecieron los mejores niveles de precisión, superando ampliamente a enfoques tradicionales como ARIMA o regresión basada en SVM. El mejor modelo alcanzó un R² de hasta 99.58 %, con un error absoluto medio significativamente bajo. Estos resultados confirman el valor de incorporar estructuras no lineales y secuenciales para mejorar la capacidad de pronóstico.spa
dc.description.abstractRemittances are money transfers sent by migrant workers to their countries of origin to support their households [1]. In Colombia, according to DANE, these flows represented approximately 2.8% of the Gross Domestic Product (GDP) in 2024. Within the operational management of remittances, predicting the amount in U.S. dollars by date of origin is a key input, as the exchange rate is fixed at the moment each transaction begins. Having an early estimate allows local agents to optimize their currency coverage, mitigating associated risks. To address this challenge, the project developed predictive models based on advanced data science techniques, using historical information provided by a financial institution with a high volume of remittance operations in Colombia. The dataset covered a two-year period, and models were compared using machine learning algorithms and time series analysis. Among the most relevant findings, optimized decision tree models and recurrent neural networks offered the highest levels of accuracy, significantly outperforming traditional approaches such as ARIMA or SVM-based regression. The best model achieved an R² of up to 99.58%, with a significantly low mean absolute error. These results confirm the value of incorporating nonlinear and sequential structures to improve forecasting capabilities.eng
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent111 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5056
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectRemesasspa
dc.subjectPredicciónspa
dc.subjectSeries de tiempospa
dc.subjectAprendizaje automáticospa
dc.subjectRedes neuronalesspa
dc.subjectRemittanceseng
dc.subjectForecastingeng
dc.subjectTime serieseng
dc.subjectMachine learningeng
dc.subjectNeural networkseng
dc.titlePredicción del monto total que se va a pagar por remesas en dólares que se originan en un díaspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Jorge Agredo Chávez,Camilo Espinoza Guarnizo,William Contreras Fuentes.pdf
Size:
4.92 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Jorge Agredo Chávez,Camilo Espinoza Guarnizo,William Contreras Fuentes.pdf
Size:
294.91 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos