Detección de precios anormales en importaciones de comercio exterior del sector textil en México: uso de modelos de machine learning

dc.contributor.advisorMontoya-Escobar, Diana P.
dc.contributor.authorWong-Dan, Angel T.
dc.date.accessioned2023-01-10T00:23:05Z
dc.date.available2023-01-10T00:23:05Z
dc.date.issued2022-12
dc.descriptionLa teoría económica clásica indica la importancia del comercio exterior en el crecimiento y desarrollo de una nación. Adam Smith, padre de la economía, describe que el comercio internacional es un proceso donde los países que tienen ventajas absolutas en ciertos bienes marcan su especialización en dicho bien para ser comercializado a la otra nación, y por el contrario, la otra nación se especializa en otro bien, resultando que entre ambas naciones la comercialización sea eficiente, rentable y el incremento de la producción. Las importaciones de México en el sector textil han ido en aumento, siendo China (RPC) y Vietnam los países que más exportan. Debido a sus ventajas competitivas en mano de obra y materia prima barata, han provocado que en los últimos años existan más mercancías del sector textil de estos países en México. Dado a la gran cantidad de operaciones y a la relevancia del sector para México, es primordial poder identificar los precios anormales de las importaciones de este sector, ya que esto permitirá identificar posibles mercancías subvaluadas u operaciones sobrevaluadas de lavado de dinero en el comercio exterior (TBML: Trade Based Money Laundry), y con ello reducir los efectos de la evasión fiscal y de actividades criminales de lavado de dinero. En este trabajo de tesis se utilizaron cinco modelos de Machine Learning: XGBoost, Naïves Bayes, Isolation Random Forest, Logistic Regression Classifier y Artificial Neuron Network , cuyo objetivo es resolver problemas de clasificación donde se identifican aquellas operaciones con precios normales y precios anormales. El algoritmo XGBoost permitió identificar la importancia de las variables en la estimación de la anormalidad de los precios; y con Isolation Random Forest, algoritmo no supervisado, se implementó para encontrar aquellas anomalías en los precios sin ser etiquetados previamente; Naïves Bayes, Artificial Neural Network y Logistic Regression se implementaron para obtener y comparar el mejor rendimiento de las métricas. En la revisión bibliográfica no se encontró mucha información del uso de herramientas de ML para la predicción de precios anormales en el comercio exterior, autores como Zdanowicz, Pak, de Boyrie y entre otros, implementaron otras técnicas, por lo que este trabajo de tesis puede ser novedoso y pueda aportar nuevas alternativas en la detección de precios anormales en el comercio exterior.es_MX
dc.identifier.citationWong-Dan, A.T. (2022) Detección de precios anormales en importaciones de comercio exterior del sector textil en México: uso de modelos de machine learning. Trabajo de obtención de grado, Maestría en Ciencia de datos. Tlaquepaque, Jalisco: ITESOes_MX
dc.identifier.urihttps://hdl.handle.net/11117/8388
dc.language.isospaes_MX
dc.publisherITESOes_MX
dc.rights.urihttp://quijote.biblio.iteso.mx/licencias/CC-BY-NC-2.5-MX.pdfes_MX
dc.subjectPrecios Anormaleses_MX
dc.subjectComercio Exteriores_MX
dc.subjectMachine Learninges_MX
dc.subjectTBMLes_MX
dc.subjectSector Textiles_MX
dc.titleDetección de precios anormales en importaciones de comercio exterior del sector textil en México: uso de modelos de machine learninges_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_MX

Archivos

Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
ITESO_MCD_MScThesis_Angel_Wong-pdf.pdf
Tamaño:
1.03 MB
Formato:
Adobe Portable Document Format
Descripción: