AMV - RegTech monitoreo y seguimiento de la actividad financiera en la era digital

REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

1

RegTech: monitoreo y seguimiento de la actividad financiera en la era digitalREGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

2Alejandro J. Useche, DBA Juan Fernando Pérez, PhD José Luis Alayón, MSc RegTech: monitoreo y seguimiento de la actividad financiera en la era digitalREGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

4

Fuente: foto de libre uso de JJ Ying en Unplash (https://unsplash.com/es/fotos/8bghKxNU1j0).

Useche, Alejandro J.

RegTech: monitoreo y seguimiento de la actividad financiera en la era digital / Alejandro J. Useche, Juan Fernando Pérez, José Luis Alayón. – Bogotá: Universidad del Rosario, Autorregulador del Mercado de Valores, 2022.

47 páginas: ilustraciones. Incluye referencias bibliográficas.

1. Finanzas – Innovaciones tecnológicas. 2. Industria de servicios financieros – Innovaciones tecnológicas. 3. Industria de servicios financieros – Legislación. 4. Instituciones financieras – Supervisión estatal. 5. Tecnología y derecho. I. Useche, Alejandro J.

II. Pérez, Juan Fernando. III. Alayón, José Luis. 343.0285 SCDD 20

Catalogación en la fuente – Universidad del Rosario. CRAI Hecho en Colombia Made in Colombia G I TALDiscla imer. Las opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Autorregulador del Mercado de Valores ni a su Consejo Directivo.

Hecho en Colombia Made in Colombia G I TALDiscla imer. Las opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Autorregulador del Mercado de Valores ni a su Consejo Directivo. Alejandro J. Useche, DBA. Profesor asociado, Escuela de Administración,

Universidad del Rosario. Correo: alejandro.useche@urosario.edu.co

Juan Fernando Pérez, PhD. Profesional distinguido, Departamento de Ingeniería Industrial, Universidad de los Andes. Correo: jf.perez33@ uniandes.edu.co José Luis Alayón, MSc. Ca tedrático, E scuela de Administración, Universidad del Rosario. Correo: jose.alayon@urosario.edu.co

ISBN: 978-958-784-944-8

https://doi.org/10.12804/pe9789587849448 © 2022 © Universidad del Rosario © Autorregulador del Mercado de Valores de Colombia © Alejandro J. Useche, Juan Fernando Pérez, José Luis AlayónContenido 8 10 24 33 11 25 34 39 13 28 36 41 13 15 17 18 20 21 Presentación

1. Monitoreo y seguimiento en la era digital 1.1. RegTech: cumplimiento normativo automatizado 1.2. Aplicaciones de la tecnología en el mercado de valores 1.2.1. Monitoreo de transacciones 1.2.2. Prevención del fraude y la manipulación 1.2.3. Cumplimiento (compliance) 1.2.4. Administración de riesgos

1.2.5. Reportes regulatorios 1.2.6. Asesoría automatizada

2. Avances en el cumplimiento normativo automatizado 2.1. RegTech en el contexto regulatorio internacional 2.2. Experiencias en el caso colombiano

3. Ventajas y retos emergentes para el mercado de valores colombiano 3.1. Ventajas 3.2. Retos emergentes

Conclusiones Referencias6

Glosario de términos Algoritmo : sucesión de pasos que permite transformar unas entradas en unas salidas o resultados, con el objetivo de que una máquina resuelva un problema siguiendo una sucesión de instrucciones.

Analítica de datos: conjunto de herramientas usadas para extraer información de los datos disponibles. La analítica descriptiva explica el comportamiento de los datos y captura patrones no evidentes, la analítica predictiva determina el comportamiento esperado de una o varias variables observadas en diferentes escenarios y la analítica prescriptiva permite que los modelos sugieran acciones que se vayan a realizar, optimizando una función objetivo.

Aprendizaje automático (machine learning): técnicas algorítmicas que buscan que una máquina aprenda a reconocer patrones de manera automática a partir de un conjunto de datos, para que construyan un modelo que represente la información a la que son expuestos. Aprendizaje profundo (deep learning): modelos de redes neuronales en los que interactúan capas de neuronas, permitiendo capturar comportamientos altamente complejos.

Computación en la nube: gran número de centros de datos, cada uno con una inmensa cantidad de equipos de procesamiento interconectados, cuyo uso puede ser alquilado solo por el tiempo en que es usado (pay-as-you-go).

Interfaces de programación de aplicación o API (application programming interface): software que permite la interacción automática de múltiples apliinmensa cantidad de equipos de procesamiento interconectados, cuyo uso puede ser alquilado solo por el tiempo en que es usado (pay-as-you-go). Interfaces de programación de aplicación o API (application programming interface): software que permite la interacción automática de múltiples aplicaciones y componentes, lo cual permite incorporar servicios desplegados por terceros, lo cual facilita el desarrollo de nuevas funcionalidades a partir de unas ya existentes.

Macrodatos o big data: enormes y complejos conjuntos de datos, cuya administración y análisis requieren sistemas distribuidos, compuestos de múltiples piezas de software que residen en diversos dispositivos y ubicaciones.

Procesamiento de lenguaje natural o NLP (natural language processing): programación de algoritmos para reconocer y analizar contenidos de las comunicaciones humanas, escritas o verbales, lo que permite conversaciones “naturales” entre personas y computadores.

Red neuronal: conjunto de modelos computacionales inspirados en neuronas reales, en el que se dispara una salida (variable objetivo) con base en unas entradas (variables predictoras).REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

7

Fuente: foto libre de derechos de autor de Mohamed Hassan, bajo licencia Creative Commons CC0 (https://pxhere.com/es/photo/1439121).REGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL En los últimos años, los requerimientos legales y técnicos para administrar la información han aumentado de manera exponencial y, junto con ellos, también las necesidades de monitoreo y seguimiento de la actividad financiera. La tecnología ha sido una aliada para facilitar el cumplimiento de los requisitos regulatorios de manera más ágil, efectiva y costo-eficiente, y ello ha dado lugar a que nazca un campo denominadad financiera. La tecnología ha sido una aliada para facilitar el cumplimiento de los requisitos regulatorios de manera más ágil, efectiva y costo-eficiente, y ello ha dado lugar a que nazca un campo denominado tecnología regulatoria o RegTech, subdivisión del sector FinTech, orientado a la aplicación de procesos automatizados con fines de monitoreo, seguimiento, detección de fraude, reporte y cumplimiento normativo. A su vez, dichos procesos se basan en importantes avances tecnológicos como el big data, la inteligencia artificial y el machine learning, los cuales han habilitado la transición hacia un ecosistema financiero digital con nuevos participantes y modelos de negocio, que generan beneficios y oportunidades tanto a las instituciones reguladas como a los usuarios y las autoridades.

Con el ánimo de aportar a la difusión y al avance de la aplicación de las nuevas tecnologías a la actividad de los mercados de valores y divisas, el Autorregulador del Mercado de Valores (AMV) y la Universidad del Rosario presentan este documento de investigación, el cual se compone de cuatro secciones. En la primera se describen los principales aspectos de las tecnologías de aprendizaje automático; en la segunda se analiza el campo del RegTech, o cumplimiento normativo automatizado, identificando sus aplicaciones más relevantes en las actividades de monitoreo y seguimiento en la industria financiera, al tiempo que se exponen experiencias internacionales y locales; en la tercera se reflexiona sobre las ventajas y los retos para los intermediarios de valores y divisas que implica la implementación del machine learning y la inteligencia artificial para la supervisión y el cumplimiento, y, finalmente, se plantean algunas consideraciones, a manera de conclusión. Presentación

8REGTECH : MONITOREO Y SEGUIMIENTO DE LA

que implica la implementación del machine learning y la inteligencia artificial para la supervisión y el cumplimiento, y, finalmente, se plantean algunas consideraciones, a manera de conclusión. Presentación

8REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

99REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

10 Monitoreo y seguimiento en la era digital 111 En los últimos años se ha presentado un importante crecimiento en los requerimientos de generación, administración, reporte y seguimiento de información en las actividades financieras, hecho que ha coincidido con la aceleración de los procesos propios de la transformación digital (Anagnostopoulos, 2018; Useche & Juárez, 2020). Los intermediarios de valores se enfrentan entonces a responsabilidades crecientes, en cuanto al manejo y monitoreo de la información, la rendición de cuentas ante los diferentes grupos de interés y el cumplimiento de la normatividad, en un entorno cada vez más digital, en el que los datos generados se caracterizan por presentar intensivamente las denominadas tres V: velocidad, variedad y volumen (Toronto Centre, 2017). En este entorno, el seguimiento y el cumplimiento en las organizaciones de los mercados de valores son hoy parte de sus funciones estratégicas, generadoras de valor agregado y ventajas competitivas (Freij, 2020). Las soluciones tecnológicas se han convertido en valiosas herramientas para monitorear una amplia gama de actividades en tiempo real, agilizar el cumplimiento de normativas, apoyar las buenas prácticas y promover altos estándares de gobierno corporativo, entre ellas: el aprendizaje automático (machine learning), el análisis de macrodatos

real, agilizar el cumplimiento de normativas, apoyar las buenas prácticas y promover altos estándares de gobierno corporativo, entre ellas: el aprendizaje automático (machine learning), el análisis de macrodatos (big data) y el uso de interfaces de programación de aplicaciones (application programming interface [API]) (Brancatelli, 2018; Brand, 2020; Deloitte, 2016), como se ve en la figura 1. 1.1. RegTech: cumplimiento normativo automatizado La tecnología regulatoria o RegTech (regulation technology) es una subdivisión del sector FinTech orientada a aplicar procesos automatizados con fines de monitoreo, seguimiento, detección de fraude, reporte y cumplimiento normativo (Arner et al., 2016; Becker et al., 2020) que permite un manejo más efectivo y costo-eficiente de grandes cantidades de información, la realización de análisis sofisticados de datos y su procesamiento autónomo. Ello fortalece la capacidad de comunicación entre organizaciones de los mercados de valores y de ellas con los entes de supervisión (Arner et al., 2020). A 2021, la inversión global en RegTech alcanzó los 18,9 billones de dólares, esto es, aumentó un 142 % solamenteREGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 12 en 2021, con un crecimiento total acumulado del 1160 % frente a 2017 (Fintech Global, 2022). Las herramientas RegTech han traído beneficios a las instituciones que las aplican, al tiempo que han generado retos para reguladores y entes de control en las economías desarrolladas, en la medida en que en entornos altamente tecnificados no solo se requiere la supervisión del comportamiento humano, sino también la de algoritmos y procesos

que las aplican, al tiempo que han generado retos para reguladores y entes de control en las economías desarrolladas, en la medida en que en entornos altamente tecnificados no solo se requiere la supervisión del comportamiento humano, sino también la de algoritmos y procesos computarizados. Esto ha llevado a reflexionar sobre el posible desarrollo de lo que se ha llamado regulación inteligente (Ernst & Young, 2016; Zetzsche et al., 2017). Algunas de las funciones de RegTech en el contexto de las entidades financieras se relacionan con campos emergentes de aplicación, por ejemplo, el uso de tecnología en las áreas de cumplimiento (ComplyTech), supervisión ( SupTech), operaciones (operations RegTech), legislación ( PolicyTech), entre otros (di Castri et al., 2019; Enriques, 2017; Gasparri, 2019; Packin, 2018; Valkanov, 2020).

Fuente: foto de libre uso de Kevin Ku en Unplash (https://unsplash.com/photos/w7Zyugynprq).REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 13 1.2. RegTech y el aprendizaje automático en el mercado de valores Se analizan a continuación, como se muestra en la figura 1, seis aplicaciones particulares del aprendizaje automático en el mercado de valores: 1) monitoreo de transacciones en actividades de intermediación y negociación (trading), 2) prevención de fraude y manipulación, 3) apoyo a procesos de cumplimiento ( compliance ), 4) administración de riesgos, 5) generación automatizada de reportes regulatorios y 6) asesoría automatizada. Figura 1. Aplicaciones de la inteligencia artificial y el aprendizaje automático para el monitoreo y el seguimiento en el sector financiero

ción de riesgos, 5) generación automatizada de reportes regulatorios y 6) asesoría automatizada. Figura 1. Aplicaciones de la inteligencia artificial y el aprendizaje automático para el monitoreo y el seguimiento en el sector financiero Fuente: elaboración propia. 1.2.1. Monitoreo de transacciones El monitoreo de transacciones consiste en la supervisión y la auditoría en tiempo real de las actividades de intermediación y negociación (trading) en el mercado de valores, mediante una validación que incluye procesos propios del back-office, como trámites de registro y cierre. Esta área, gracias al uso del aprendizaje automático, contribuye además a mejorar la calidad de los datos relacionados con las transacciones, pues da la posibilidad de identificar y reportar errores de digitación, vacíos e inconsistencias. La ciencia de datos es hoy en día de uso prácticamente obligado para lograr un monitoreo eficiente de las transacciones en tiempo real, en mercados en los que el trading algorítmico y de alta frecuencia es Monitoreo de transacciones Prevención del fraude Cumplimiento Administración de riesgos Reportes regulatorios Asesoría automatizada Inteligencia artificial y apredizaje automáticoREGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 14 cada vez más extendido. En el caso de Estados Unidos, la regla 15C3-5 de la Securities and Exchange Commission (2010) hace obligatorios los estándares de administración de riesgo a los traders de alta frecuencia, a fin de prevenir la ejecución de órdenes que excedan los límites de crédito o de capital, a menos que se demuestre que cumplen con las regulaciones vigentes, tarea que se lleva a cabo gracias al machine learning.

de prevenir la ejecución de órdenes que excedan los límites de crédito o de capital, a menos que se demuestre que cumplen con las regulaciones vigentes, tarea que se lleva a cabo gracias al machine learning. Así mismo, la aplicación de la inteligencia artificial viene cobrando una mayor trascendencia en la supervisión de transacciones internacionales, en las que los pagos suelen ser conducidos por diversos sistemas electrónicos que, en ocasiones, no son 100 % compatibles y, por lo tanto, aumentan la dificultad de hacer un seguimiento preciso y oportuno. Como lo reconoce el Instituto de Finanzas Internacionales, la ausencia de una plataforma única de pagos globales lleva a que en la práctica se usen diversos sistemas que difieren en sus características y capacidades; ello hace de la interpretación de metadatos una labor muy compleja, que puede ser resuelta gracias a la inteligencia artificial (Institute of International Finance, 2016).

Fuente: foto libre de derechos de autor de Mohamed Hassan, bajo licencia Creative Commons CC0

(https://pxhere.com/es/photo/1439121).REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

15 Al combinar el machine learning con el procesamiento de lenguaje natural y la minería de textos (text mining), es posible monitorear las actividades de negociación de activos financieros, mediante la interpretación de los datos provenientes de correos electrónicos, mensajes de texto, calendarios de actividades, documentos, metadatos, entre otros. Particularmente, el trading genera una amplia cantidad de información que se transmite vía telefónica, la cual requiere sistemas que trasladen conversaciones orales a texto escrito, tarea en la cual el aprendizaje profundo desempeña un papel fundamental: la tecnología “de voz a

Particularmente, el trading genera una amplia cantidad de información que se transmite vía telefónica, la cual requiere sistemas que trasladen conversaciones orales a texto escrito, tarea en la cual el aprendizaje profundo desempeña un papel fundamental: la tecnología “de voz a texto” cumple esta misión y permite aumentar la transparencia de los requisitos regulatorios para transacciones que se realicen vía telefónica (Financial Stability Board [FSB], 2017). Ahora bien, la posibilidad de acceder a información proveniente de conversaciones telefónicas, mensajes de texto, correos electrónicos y demás formas de comunicación abre un debate muy importante acerca de los límites de la supervisión, de manera que no se vulnere el derecho a la privacidad de los agentes del mercado. 1.2.2. Prevención del fraude y la manipulación Con el uso de técnicas algorítmicas que combinan la información reportada con el big data se encuentran tendencias anormales de comportamiento en las transacciones en el mercado de valores (Barefoot, 2020), como negociación deshonesta y uso indebido de información privilegiada. Los métodos de aprendizaje automático son de una utilidad particular para la detección del fraude, ya que “aprenden” a descubrir patrones anómalos no evidentes dentro de amplios y complejos conjuntos de información, así como a pronosticar posibles variaciones mediante la técnica de agrupación de datos (clustering), con la cual se identifican transacciones que no presentan una relación fuerte con las características de los conjuntos de transacciones normales (van Liebergen, 2017). Las herramientas digitales se orientan en este campo no solamente a verificar si se ha dado o no cumplimiento de las normas o a identifilas características de los conjuntos de transacciones normales (van Liebergen, 2017). Las herramientas digitales se orientan en este campo no solamente a verificar si se ha dado o no cumplimiento de las normas o a identificar actuaciones ilegales ya cometidas, sino también a generar señalesREGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 16 sobre posibles faltas a la ética o debilidades en la cultura institucional, y así se convierten en un valioso sistema de alerta temprana. De acuerdo con Ernst & Young (2019), las actividades tradicionales de prevención del fraude presentan ineficiencias y generan muchas falsas alarmas, que llevan a múltiples revisiones que se reflejan en altas cargas de trabajo operacional, demoras en tiempo y aumento de los costos de seguimiento. Los mecanismos de inteligencia artificial permiten aumentar su eficiencia, reduciendo costos operativos y aumentando la efectividad de los controles realizados. Particularmente, es posible usar tecnología de aprendizaje profundo y biométrica para generar soluciones de seguridad orientadas a la verificación de la identidad de los participantes en las transacciones, al tiempo que el big data y el machine learning contribuyen con los procesos requeridos para la administración y el análisis de Fuente: foto de libre uso disponible en Pixabay (https://pixabay.com/es/ illustrations/cerebro-viruta-neuronas-6010961/).REGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 17 datos, a efectos de alcanzar una más eficiente detección automática de conductas anómalas (Institute of International Finance, 2017). Dada la sensibilidad de los temas de fraude y manipulación, así

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 17 datos, a efectos de alcanzar una más eficiente detección automática de conductas anómalas (Institute of International Finance, 2017). Dada la sensibilidad de los temas de fraude y manipulación, así como la dificultad de descubrir transacciones que son hábilmente ocultadas por agentes inescrupulosos, en este campo se requiere la intervención humana para valorar las alertas generadas por los algoritmos. En el caso de Estados Unidos, como anotó la revista Forbes (2019), la preocupación por la prevención del fraude, la manipulación y otras conductas contrarias a la integridad ha llevado a la creación de cargos como el chief ethics officer, quien dentro de sus labores tiene la responsabilidad de desarrollar estrategias para el adecuado uso técnico y humano de la tecnología, incluyendo la supervisión de los procesos basados en aprendizaje automático, inteligencia artificial y analítica predictiva, para que los algoritmos actúen en cumplimiento de la regulación, de manera insesgada, y den un manejo ético de la administración y la protección de los datos. Cabe mencionar que el monitoreo, la supervisión y la auditoría mediante sistemas de RegTech son una parte importante del control en los mercados de valores y divisas (centrado en los datos), por lo que su exitoso funcionamiento requiere claridad y precisión tanto en el registro como en la ejecución de las órdenes de compra o venta, aspecto que en algunas ocasiones no cuenta con plena protección en los sistemas automatizados. 1.2.3. Cumplimiento (compliance) Las actividades de compliance tienen que ver, además de la evaluación del estado de conformidad con las normas vigentes, con el seguimiento

en algunas ocasiones no cuenta con plena protección en los sistemas automatizados. 1.2.3. Cumplimiento (compliance) Las actividades de compliance tienen que ver, además de la evaluación del estado de conformidad con las normas vigentes, con el seguimiento a actualizaciones normativas locales o globales, con la debida diligencia y con el grado de ciberseguridad con que se cuenta (Hugé et al., 2017). La aplicación de herramientas digitales permite contar con el denominado compliance dinámico, que consiste en que los requisitos normativos se incluyen en los protocolos tecnológicos para asegurar su seguimiento y cumplimiento continuos, al mismo tiempo que se evalúa en tiempo realREGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 18 si la información reportada a los organismos de supervisión es precisa y relevante (Toronto Centre, 2017). Las tecnologías de procesamiento de lenguaje natural pueden ayudar a las instituciones de los mercados de valores a interpretar las regulaciones a las cuales están sujetas, para traducir a códigos algorítmicos las diferentes normas en un sistema integrado de información, evaluación de riesgo, seguimiento y reporte, lo cual a su vez se refleja en menores costos e inversión de recursos necesarios en el proceso de cumplimiento y en las labores requeridas para actualizarse ante ajustes en la normatividad. Desde el punto de vista de las autoridades financieras, la inteligencia artificial y el aprendizaje automático se convierten en herramientas poderosas para fortalecer las tareas de supervisión macroprudencial. En la medida en que la información reportada por las instituciones aumenta en volumen, detalle y velocidad, los mecanismos tradicionales de evaluación de cumplimiento se vuelven menos eficientes; adicionalmente,

medida en que la información reportada por las instituciones aumenta en volumen, detalle y velocidad, los mecanismos tradicionales de evaluación de cumplimiento se vuelven menos eficientes; adicionalmente, errores u omisiones humanos en el diligenciamiento de formularios dificultan aún más la labor de los supervisores, tarea que puede ser mejorada por la inteligencia artificial, mediante la identificación automática de anomalías y el requerimiento de ajustes en tiempo real. Es importante mencionar que los intermediarios de valores y divisas no requieren necesariamente desarrollar tecnologías RegTech internamente, sino que generalmente las contratan de terceros, que en algunas ocasiones son start-ups tecnológicas, con las obligaciones y responsabilidades que tal tercerización implica. 1.2.4. Administración de riesgos La administración de riesgos consiste en la realización de valoraciones de lo que podría suceder en escenarios de alta volatilidad con variables cuantitativas, como la liquidez, el riesgo crediticio y las cuentas del estado de situación financiera, pero también con variables cualitativas relacionadas con los procedimientos de planeación de capital, el riesgo operacional y la sostenibilidad esperada de los modelos de negocio (European Banking Authority, 2018).REGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL

19 El aprendizaje automático y la inteligencia artificial se usan en el aná- lisis de escenarios, el cálculo de exposición, la determinación de provisiones y las pruebas de esfuerzo financiero o stress-testing, en las que los algoritmos evalúan las posibles pérdidas y la probabilidad de cese de pagos o default a partir del análisis de múltiples variables, proceso en el

siones y las pruebas de esfuerzo financiero o stress-testing, en las que los algoritmos evalúan las posibles pérdidas y la probabilidad de cese de pagos o default a partir del análisis de múltiples variables, proceso en el que, además de realizar rápidamente millones de complejos cálculos, se evalúan posibles sesgos humanos en la selección de variables, lo que fomenta la objetividad y la transparencia (Leo et al., 2019). En el mismo sentido, la validación de modelos predictivos a partir de datos históricos o backtesting es una de las áreas en las que el uso de la inteligencia artificial empieza a incrementarse en la industria financiera, gracias a lo cual es posible organizar y analizar bases de datos semiestructuradas. Dicha tarea es de utilidad para evaluar el grado de Fuente: foto de uso libre bajo licencia Creative Commons CC0 (https://pxhere.com/es/photo/948715).REGTECH : MONITOREO Y SEGUIMIENTO DE LA ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 20 desempeño de los modelos de riesgo en la banca ( FSB, 2017). Con la aplicación del backtesting mediante inteligencia artificial se analizan tendencias y se evalúan posibles cambios en el comportamiento de las variables clave en los mercados; ello reduce la probabilidad de subestimar el riesgo en eventuales escenarios adversos. La administración de riesgos se ve fortalecida, entonces, gracias al uso del machine learning y de la inteligencia artificial, tecnologías que proveen herramientas para fortalecer la valoración del riesgo, aumentar la eficiencia de la agregación de datos sobre el riesgo, automatizar los reportes internos de factores de riesgo según metodologías propias o estándares regulatorios, así como crear sistemas de alerta que se dispala eficiencia de la agregación de datos sobre el riesgo, automatizar los reportes internos de factores de riesgo según metodologías propias o estándares regulatorios, así como crear sistemas de alerta que se disparan al alcanzar niveles predeterminados de indicadores seleccionados de riesgo. 1.2.5. Reportes regulatorios Para que las instituciones del mercado de valores garanticen el cumplimiento, es esencial que se generen reportes oportunos y precisos, pues, a la vez, estos son requisito para que las agencias supervisoras desarrollen su tarea de forma adecuada. Las soluciones RegTech dan la posibilidad de administrar automáticamente datos y de generar reportes regulatorios integrados en tiempo real. Dicha posibilidad cobra mayor importancia en el medio actual, en el que los reguladores solicitan reportes con datos más detallados y con mayor frecuencia. Estos datos, que permiten hacer monitoreo y evaluar el cumplimiento, se denominan datos de riesgo (risk data), que, por lo general, son de naturaleza cuantitativa, estructurados, precisos y completos (Office of Financial Research, 2015). Un caso de interés a este respecto es el de la Financial Conduct Authority (FCA, 2018a, 2018b), del Reino Unido. La entidad afirma que su interés es supervisar el resultado del cumplimiento regulatorio, más que el proceso. Tal afirmación implica que este regulador asume una postura neutral ante el tipo de tecnología usada por las instituciones reguladas, pues su interés es que sus reportes cumplan con los requisitos legales yREGTECH : MONITOREO Y SEGUIMIENTO DE LA

ACTIVIDAD FINANCIERA EN LA ERA DIGITAL 21 que tal cumplimiento fortalezca la protección del consumidor, la integridad de las conductas y la competitividad de los mercados. Como afirman Micheler y Whaley (2020), cada día más, el uso de la tecnología de aprendizaje automático facilitará los procesos de generación de reportes regulatorios. Para ello, a futuro, las normas no solamente deberán estar escritas con palabras en documentos tradicionales, sino también en códigos, algoritmos y aplicaciones legibles por computadores, de manera que se facilite el proceso de reporte y se minimice la posibilidad de interpretaciones imprecisas. Se prevé que la concepción tradicional de lo que es el reporte cambiará de forma: pasará de la preparación y envío periódicos de un documento de rendición de cuentas, a un sistema en que los supervisores tendrán además acceso a toda la información en tiempo real, en plataformas con código abierto. Con ello habrá un seguimiento permanente tanto de un conjunto de indicadores centrales como de información complementaria de alta utilidad para analizar patrones y tendencias de Fuente: foto de libre uso de Pixabay (https://pixabay.com/es/ illustrations/banner-encabezado-monitor-binaria-909710/).REGTECH : MONITOREO Y SEGUIMIENTO