ISSN: 2007-9753
Latindex Folio: 23614

Estas en: Principal > RIIIT DIVULGACIÓN > Detalle del producto

Plataforma para la comunicación entre clientes y asesores en una casa de bolsa utilizando algoritmos de clusterización

Tipo: Articulos de Divulgación
Autor: Jiménez-Fernández, M.C., Argumedo-Hinojosa, A., Ríos-Martínez, S., García-Alonso D.A.
Fecha: 2021-05-01
Descripción: La comunicación efectiva entre clientes y asesores financieros es vital cuando se trata de recomendar sobre la compra o venta de algún producto financiero. Debido al tiempo que esto toma, se tiene un impacto negativo en la operatividad de la casa de bolsa, ante la falta de herramientas tecnológicas. Este trabajo tiene como objetivo el desarrollo de una plataforma web y móvil para establecer un canal de comunicación adecuado en el cual se pueda visualizar movimientos, operaciones, portafolio y rendimientos; consultando y autorizando las recomendaciones realizadas por el asesor, y ejecutando las transacciones de forma automática. Para el desarrollo de las plataformas se utilizó una metodología ágil basada en iteraciones, generando los entregables necesarios para cada iteración, con sus pruebas, garantizando la calidad del software. Gracias a esta metodología de trabajo, se cumplieron todos los requerimientos enlistados para el desarrollo web y móvil. Así mismo, se optó por una arquitectura de tres capas para el sistema, en donde se usó React JS y React Native como los marcos de trabajo para el desarrollo del canal de comunicación. Adicional a esto, con el fin de mejorar la experiencia de compra y venta de capitales y de realizar recomendaciones financieras, se incluyó un buscador de emisoras y de clientes utilizando aprendizaje automatizado, también conocido como machine learning. Se realizó un análisis exhaustivo de cada algoritmo, en donde se seleccionó el algoritmo de agrupamiento affinity propagation para agrupar emisoras similares, y k-means para agrupar a los clientes cuyo comportamiento y portafolio fuera similar. Dichos algoritmos fueron elegidos ya que en el primero no hay un número predefinido de grupos y se calcula automáticamente conforme aprende el algoritmo, mientras que en el segundo se define previamente un número de grupos. Con esto se logra mejorar el servicio incrementando la operatividad del asesor con sus clientes y reduciendo los tiempos. Es importante aclarar que la operación de la plataforma está limitada al navegador Google Chrome versión 76+ y la aplicación móvil en Android 4.0+ y iOS 9.0+. Además, la solución está diseñada para un perfil de usuario determinado, ajustada a las necesidades de una casa de bolsa específica. Palabras clave: agrupación, emisoras, machine-learning, software, tecnología.
Archivo: