Análisis predictivo para el cálculo de la valoración del fondo acumulado del afiliado en el Sistema Privado de Pensiones usando técnicas y herramientas de machine learning

Abstract

El propósito del presente documento es el desarrollo del proyecto académico que tiene como objetivo plantear un modelo de análisis predictivo soportado por una plataforma tecnológica Cloud basada en técnicas de Machine Learning para pronosticar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones. Esto surge ante el desconocimiento sobre cómo se administran las finanzas personales en los fondos privados de pensiones representan un riesgo en el manejo del futuro de cada individuo. Esta ausencia de control en la administración del fondo de cada afiliado conlleva a no saber en todo momento a lo qué están expuestos.

En la actualidad existen herramientas propias de las entidades administradoras de fondos de pensiones que permiten simular y calcular tanto el fondo como la pensión que recibirá un jubilado, sin embargo, lo que no ofrecen estas herramientas es la posibilidad de proyectar el fondo a partir de factores de crecimiento bajo criterios propios del afiliado que le otorguen la posibilidad de comprar cuál fondo voluntario de pensiones puede ser el más beneficioso al final de la vida laboral. La tecnología ha evolucionado y se aprecia grandes avances con respecto a la captura y almacenamiento de información. Una de estas tecnologías utiliza Cloud Computing, la cual ha crecido en grandes proporciones en diversas industrias y atraen la atención de comunidades de investigación debido a su potencial para implementar soluciones tecnológicas a la medida

El desarrollo de este proyecto se llevará a cabo durante los ciclos académicos 2018-1 y 2018-2, realizando el análisis de tecnologías Cloud que soportan el modelo de análisis predictivo soportado por una plataforma tecnológica cloud basada en machine learning para determinar el fondo acumulado de un afiliado que aporte a un sistema privado de pensiones y el diseño del modelo tecnológico propuesto durante el ciclo 2018-1. La validación del modelo tecnológico mediante el desarrollo de la aplicación móvil, la documentación de los resultados y el plan de continuidad del proyecto en el ciclo 2018-2.

The purpose of this document is the development of the academic project that aims to propose a model of predictive analysis supported by a platform based on the cloud in the automatic learning to determine the accumulated fund in a private pension system. This arises from the lack of knowledge about how to manage personal finances in private pension funds in the management of each individual's future. This lack of control in the administration of the fund of each affiliate entails a lack of knowledge at all times.

Currently, there are own tools of pension fund management entities that allow simulating and calculating both the fund and the pension that a retiree will receive, however, what these tools do not offer is the possibility of projecting the fund from Growth factors under the affiliate's own criteria that give him the possibility of buying which voluntary pension fund can be the most beneficial at the end of working life. The technology has evolved, and great advances can be seen with respect to the capture and storage of information. One of these technologies uses Cloud Computing, which has grown in large proportions in different industries and attracts the attention of research communities due to its potential to implement tailored technological solutions.

The development of this project will be carried out during the 2018-1 and 2018-2 academic cycles, performing the analysis of Cloud technologies that support the predictive analysis model supported by a cloud-based technology platform in machine learning to determine the accumulated fund of an affiliate that contributes to a private pension system and the design of the technological model proposed during the 2018-1 semester. The validation of the technological model through the development of the mobile application, the documentation of the results and the plan of continuity of the project in the 2018-2 semester.