Solução personalizada de algoritmo para identificação de operações suspeitas realizadas nos mercados organizados de de bolsa.

Título

Descrição

Órgão responsável	Comissão de Valores Mobiliários - CVM
Acesso	Informação não fornecida pelo órgão
Desenvolvimento da ferramenta	Equipe interna, Empresa terceirizada
Acesso ao algorítmo da ferramenta	Não
Código Aberto	Não
Categorias de aplicação	Estimativas de risco (incluindo detecção de fraudes)
Método estatístico utilizado pela ferramenta	Regras de negócio/heurísticas e probabilidade Bayesiana
Outputs da ferramenta	Os outputs da solução são listas de transações suspeitas de práticas ilícitas em negociações no mercado de bolsa de valores.
Grau de apoio oferecido pela ferramenta	A ferramenta faz diagnósticos, mas não sugere ações.
No desenvolvimento e/ou implementação da ferramenta, foi considerada a obrigatoriedade de revisão humana das decisões automatizadas?	Sim
Se a resposta anterior foi positiva, descreva as questões envolvidas e a decisão tomada.	Considerando o nível de complexidade dos casos e a necessidade de aprofundamento das investigações e coleta de provas de fontes diversas e não padronizadas, a área responsável pela atividade de supervisão e sanção recebe as indicações de transações suspeitas e prossegue com o trabalho humano de investigação.
No desenvolvimento e/ou implementação da ferramenta, foram considerados possíveis vieses em seu desempenho? Por exemplo: sua eficácia é melhor com determinados grupos?	Sim
Se a resposta anterior foi positiva, descreva os possíveis vieses e a decisão tomada a respeito.	Como o Modelo é baseado em regras/heurísticas de negócio, existe o risco de vieses, mas na versão inicial atualmente em utilização o objetivo foi gerar um modelo que conseguisse identificar os primeiros casos de possíveis ilícitos.
Foi verificado algum desses impactos no fluxo de trabalho do órgão com a utilização da ferramenta?	Impacto na produtividade do órgão, Impacto na melhora da prestação do serviço público
Há métricas para medir a eficácia da ferramenta?	Sim
Se a resposta anterior foi sim, descreva a métrica.	Ao longo do tempo, será possível medir a evolução do percentual de casos investigados e que resultaram em sanção: (número de casos com ações de sanção) / (total de casos em que houve aprofundamento das investigações).
Quais são os principais conjuntos de features/variáveis usados como entrada para treinar a ferramenta? Por exemplo: região e IDH de um município para um sistema de estimativa de risco de fraudes; presença no cadastro positivo para concessão de crédito.	Por ser um algoritmo que auxilia na supervisão de possíveis ilícitos no mercado de capitais, sua divulgação poderia comprometer os resultados, entretanto podemos citar algumas das variáveis: idade do investidor, tempo de atuação do investidor no mercado, histórico de atuação do investidor.
Existe a necessidade da utilização de dados pessoais para treinar a ferramenta?	Sim
Existe a necessidade da utilização de dados sigilosos para treinar a ferramenta?	Sim
Comentário do órgão	O projeto é recente e sua utilização efetiva começou há poucas semanas. Por ser um algoritmo que auxilia na supervisão de possíveis ilícitos no mercado de capitais, sua divulgação externa pode não ser conveniente, pois permitiria que agentes mal intencionados aperfeiçoassem suas estratégias de forma a reduzir a chance de identificação no trabalho de supervisão.

Arquivos

Coleção

Catálogo Uso IA Órgãos Governamentais

Referência

“Solução personalizada de algoritmo para identificação de operações suspeitas realizadas nos mercados organizados de de bolsa.,” Catálogo de Uso de Inteligência Artificial por Órgãos Governamentais, acesso em 27 de abril de 2024, https://catalogoia.omeka.net/items/show/27.