<region>1. Introducción La Secretar ́ ıa Ejecutiva de la Comisión Económica para América Latina y el Caribe (CEPAL) reconoce que el lavado de dinero y la evasión fiscal representan</region>

<region>∗ Universidad del Craibe, SM. 78, Mza. 1, Lote 1, Esquina Fraccionamiento Tabachines, C. P. 77528, Cancún Quintana Roo, Tel.(998) 8814400, Ext. 1265 Correo Electrónico: E-mail: </region>

<outsider>72</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>el 2% del Producto Interno Bruto (PIB) en la región (Bárcenas, 2014), cifra cercana a los 111 mil millones de dólares (CEPAL, 2015), por su parte, el Informe 2000 2008 generado por Global Financial Integrity (Dev, 2012), ubica a México en la tercera posición a nivel mundial de los pa ́ ıses en donde existen mayores flujos financieros il ́ ıcitos. Lo anterior era previsible ya que desde finales del siglo pasado, en el a no 2000, el Secretario de las Naciones Unidas declaró en su informe a la Asamblea del Milenio, que la globalización tra ́ ıa consigo nuevas formas de vulnerabilidad, entre ellas, una mayor facilidad a las transferencias y colocación de dinero provenientes de actividades il ́ ıcitas, principalmente por el comercio de drogas (Artigas, 2003). En un esfuerzo por estimar la cuant ́ ıa, desde el siglo pasado se estableció que únicamente, considerando los recursos financieros originados por el comercio de drogas en todo el mundo, por a no representaban transacciones de 500 a 600 mil millones de dólares (Arriagada & Hopenhayn, 2000). Complementariamente, se han realizado distintos estudios enfocados a pa ́ ıses que en espec ́ ıfico sufren, por su geograf ́ ıa, pobreza o de- sigualdad, la inserción del narcotráfico, secuestro, trata de personas y, de todas estas actividades delincuenciales, la colocación de recursos il ́ ıcitos (Khoudour, 2007; Tábora, 2007; Mart ́ ınez, 2002), evidenciando la continuidad en el abuso de los sistemas financieros formales de América Latina y su consecuente influencia de distorsión económica, por ello, en México, desde la década de los a nos noventa (Secretar ́ ıa de Hacienda y Crédito Público, 2006) se inició formalmente la atención de este fenómeno aún y cuando en la actualidad no ha sido posible mitigarlo. Algunos estudios contemporáneos (Dev, 2012) indican que a pesar de los esfuerzos nacionales y de cooperación internacional, en México el capital il ́ ıcito supera por mucho la estimación de la CEPAL en lo que representan los recursos financieros ilegales con respecto a la econom ́ ıa formal, llegando a calcular una media anual del 5.2% del PIB, consideración que se ha visto incrementada con el paso del tiempo ya que previa vigencia del Tratado de Libre Comercio de América del Norte, los flujos il ́ ıcitos representaron para México, en promedio, el 4.5% del PIB concluyendo que las facilidades para el libre comercio, por desgracia, también fueron utilizadas para la colocación de recursos cuyo origen fue il ́ ıcito. En el contexto anterior y de acuerdo al Programa para la Seguridad Nacional 2014-2018 (Gobierno Federal, 2014), en congruencia a pol ́ ıticas nacionales e internacionales previas (Secretar ́ ıa de Hacienda y Crédito Público, 2012; The Egmont Group, 2014), se convierte en imprescindible la inteligencia financiera, más aún si se considera que México es un pa ́ ıs latinoamericano con una de las mayores econom ́ ıas de la región (Fondo Monetario Internacional, 2014), identificando la necesidad de estimar expectativas de operaciones que involucraran recursos de procedencia il ́ ıcita en los sectores considerados como vulnerables 1 cuya metodolog ́ ıa ha sido utilizada en diversos aspectos de las ciencias económicas y de ingenier ́ ıa (Tamara-Ayús, R. Aristizábal, E. Velásquez, 2012; Dannier & Asnay, 2011; Gómez, 2005; Villegas & Ulate, 2013; Torre, M. C., P. Poggi, P., A. Louche, 2001). 1 La aplicación fue factible a partir de la información obtenida por mandato de la Ley Federal para la Prevención e Identificación de Operaciones con Recursos de Procedencia Il ́ ıcita (Congreso de la Unión, 2012). Dentro de la praxis económica, se ha propiciado el entendimiento de los recursos de procedencia il ́ ıcita bajo el concepto genérico de “lavado de dinero”, aceptándolo como un delito de ́ ındole internacional derivado de la misma naturaleza criminal que lo origina (Bautista, Castro, Rodr ́ ıguez, Moscoso, & Rusconi, 2005), la cual utiliza el producto de un pa ́ ıs, como por ejemplo el cultivo de coca en América del Sur, para ser enviado como uno de sus componentes qu ́ ımicos, a través de pa ́ ıses de América Central y con fin último comercializarlo como droga, principalmente los Estados Unidos; otra forma se presenta mediante la trata de personas que, haciendo menoscabo de la pobreza e indefensión de personas provenientes de pa ́ ıses de América Latina como Colombia, Argentina o México, son explotadas sexualmente en pa ́ ıses europeos como Espa na o Alemania (Mart ́ ınez, 2002). Por lo anterior, a nivel internacional se han desarrollado diversos acuerdos e iniciativas para combatir il ́ ıcitos, como la Convención contra el Tráfico Il ́ ıcito de Estupefacientes y Sustancias Psicotrópicas (Organización de las Naciones Unidas, 1988), la Convención contra la Delincuencia Organizada Transnacional, conocida como la Convención de Palermo (Organización de las Naciones Unidas, 2005) y acuerdos de armonización mundial para prevenir el blanqueo de capitales. Adicionalmente destaca la Declaración de Principios de Basilea y la Comisión Interamericana para el Control del Abuso de Drogas derivada de la Organización de Estados Americanos, a esta última entidad se le debe el nacimiento de la primera unidad en contra del lavado de activos y a nos después el Reglamento Modelo sobre Delitos de Lavado Relacionados con el Tráfico Il ́ ıcito de Drogas, y otros delitos graves (The Egmont Group, 2014). Espec ́ ıficamente en lo que se refiere a Latinoamérica, en el a no 2000, siguiendo el mandato de ministros y representantes de los pa ́ ıses de Sudamérica, en Cartagena de Indias, Colombia, resaltó la importancia de la creación del Grupo de Acción Financiera para Sudamérica 2 (GAFISUD) como una instancia indispensable para la cooperación en la prevención y el control del lavado de activos provenientes de actividades delictivas, los pa ́ ıses fundadores fueron Argentina, Bolivia, Brasil, Chile, Colombia, Ecuador, Paraguay, Perú y Uruguay, adicionalmente, en el a no 2006 se incorporó México y posteriormente, en el a no 2010, Costa Rica y Panamá, actualmente se denominará Grupo de Acción Financiera para Latinoamérica (GAFILAT, 2014). Los esfuerzos en la región del Caribe para estudiar, prevenir y combatir las finanzas derivadas del crimen internacional, principalmente el lavado de dinero, tomaron forma operativa con la creación, en el a no 1996, del Grupo de Acción Financiera del Caribe (GAFIC), contando entre los pa ́ ıses miembros a Bahamas, Antigua y Barbuda, Barbados, Belice, El Salvador, Granada, Guatemala, Guyana, Hait ́ ı, Honduras, Jamaica, Nicaragua, República</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>73</outsider>

<region>2 El XXIX Plenario de Representantes y Grupos de Trabajo de GAFISUD llevado a cabo del 07 al 11 de julio de 2014 en Cartagena de Indias, Colombia, aprobó por unanimidad el nuevo nombre: Grupo de Acción Financiera de Latinoamérica (GAFILAT). La modificación se debió a la ampliación de pa ́ ıses miembros. Con la última incorporación, la membres ́ ıa de Nicaragua, aprobada en diciembre de 2013, llegó a los 16 pa ́ ıses miembros de América Latina (GAFISUD - GAFILAT, 2014).</region>

<outsider>74</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Dominicana, San Cristóbal y Nieves, San Vicente y las Granadinas, Santa Luc ́ ıa, Trinidad y Tobago, Venezuela. El GAFIC al igual que su homólogo GAFISUD/GAFILAT, es un grupo regional perteneciente a la red internacional de organismos dedicados a la prevención y al combate del lavado de activos y financiamiento del terrorismo, cuyo núcleo es el Grupo de Acción Financiera Internacional (GAFI) o bien conocido por sus siglas en inglés FATF, con su sede dentro de la Organización para la Cooperación y Desarrollo Económico (OCDE) en Par ́ ıs, Francia (Grupo de Acción Financiera del Caribe, 2010). Un aspecto de suma importancia derivado de los Grupos de Acción Financiera es llevar a cabo autoevaluaciones y evaluaciones mutuas entre los pa ́ ıses miembros para conocer el control y prevención de los il ́ ıcitos, desarrollando inclusive tipolog ́ ıas de las formas en que se opera para colocar efectivo en los sistemas financieros formales (GAFISUD & EGMONT, 2012). También se debe mencionar que uno de los objetivos establecidos por GAFI, GAFISUD/GAFILAT y GAFIC es reconocer y aplicar 40 recomendaciones 3 contra el lavado de dinero as ́ ı como el establecimiento de medidas para la prevención y eliminación de la financiación del terrorismo, transparencia y análisis del beneficiario final de las personas jur ́ ıdicas, facultades y responsabilidades de las autoridades competentes y, finalmente, cooperación internacional (GAFISUD, 2000; GAFI, 2012). Con el fin de que los pa ́ ıses pertenecientes a los Grupos de Acción Financiera coordinaran análisis de información posiblemente relacionada con el lavado de dinero, financiamiento al terrorismo y en general con actividades criminales, se han establecido y puesto en operación, Unidades de Inteligencia Financiera (UIFs) en más de 100 pa ́ ıses de todo el mundo, cada unidad con mandato nacional pero con una amplia cooperación internacional a través del Egmont Group, organismo creado en 1995 en el Palacio Egmont Arenberg en Bruselas, Bélgica, lugar al que se le debe el nombre de la entidad (The Egmont Group, 2014). El Egmont Group (The Egmont Group) consolida un total de 139 UIFs, celebrando reuniones periódicas, procurando promover y eficientar los análisis financieros, mediante el intercambio de información. Conforme al Plan Estratégico 2014-2017, todo pa ́ ıs miembro se obliga a compartir la información de lo que en sus respectivas demarcaciones se hubiese sospechado de relación con los delitos de lavado de dinero y financiamiento al terrorismo, de tal forma que el Egmont Group se convierte en un centro internacional de acopio de datos</region>

<region>3 Las 40 Recomendaciones originales del GAFI del a no 1990 fueron una iniciativa para combatir los usos indebidos de los sistemas financieros por parte de personas que lavaban el dinero del tráfico il ́ ıcito de drogas. En 1996, se revisaron las Recomendaciones por primera vez para reflejar las crecientes tendencias y técnicas de lavado de activos y para ampliar su campo más allá del lavado de activos proveniente de las drogas. En octubre de 2001, el GAFI expandió su mandato e incluyó el financiamiento de actos y organizaciones terroristas y creó las ocho recomendaciones especiales (luego ampliadas a Nueve). Recomendaciones Especiales sobre el financiamiento del terrorismo. En 2003, las Recomendaciones del GAFI se revisaron por segunda vez y junto con las Recomendaciones Especiales fueron avaladas por más de 180 pa ́ ıses, y son reconocidas universalmente como el estándar internacional contra el lavado de activos y el financiamiento del terrorismo (GAFI, 2012).</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>75</outsider>

<region>que permite construir pol ́ ıticas para combatir los il ́ ıcitos a un nivel internacional (The Egmont Group, 2014). De acuerdo a lo anterior el objetivo general del art ́ ıculo es estimar escenarios mediante matrices de transición, para el volumen de operaciones que puedan presentarse en Sectores Vulnerables y estados del pa ́ ıs, fortaleciendo la inteligencia financiera mexicana orientada a prevenir la colocación de recursos financieros il ́ ıcitos. La hipótesis principal es que mediante matrices estocásticas pueden ser obtenidos escenarios para el volumen de información que podr ́ ıa presentarse en los Sectores Vulnerables por un per ́ ıodo de hasta 36 meses posteriores a los datos históricos. El método elegido obedece a dos aspectos fundamentales, el primero debido a los antecedentes previos de uso para el sector financiero en cuanto a la previsión de riesgo y el segundo, por ser un método no lineal sino estocástico, en consideración a ser complejo dadas las caracter ́ ısticas que pueden influir en el aumento o disminución de los reportes que van desde pol ́ ıticas de prevención criminal hasta evolución de variables macroeconómicas. La estructura del trabajo, además del presente apartado introductorio que busca establecer la importancia del tema, se divide en cuatro partes más. El apartado 2, dejando evidencia de lo que han sido los esfuerzos normativos mexicanos en búsqueda de la prevención, identificación y sanción de los recursos financieros il ́ ıcitos, iniciando desde la década de los a nos 90 en que el uso de recursos financieros il ́ ıcitos fuera considerado como un delito fiscal, el origen de la Unidad de Inteligencia Financiera, adhesión a organismos internacionales y hasta la reciente Ley Federal para la Prevención e Identificación de Recursos de Procedencia Il ́ ıcita. El tercer apartado indica el fundamento para considerar a ciertos sectores económicos como vulnerables a la colocación de recursos financieros il ́ ıcitos y el volumen de operaciones que han sido generados desde la obligatoriedad de presentar información hasta el mes de septiembre del a no 2014 que fue el último per ́ ıodo de información oficial para integrar el presente art ́ ıculo. Posteriormente el apartado 4 describe el método de matrices estocásticas para la obtención de escenarios futuros en cuanto al volumen de información, en virtud de los antecedentes como una metodolog ́ ıa de interés para el sector financiero, espec ́ ıficamente en estimar riesgos, logrando que los modelos planteados lo reduzcan, incluso a niveles de instituciones financieras ya que minimizan otorgamientos de crédito con altas posibilidades de ser incobrables. Finalmente y antes de las conclusiones se presenta el apartado 5 con el detalle gráfico y numérico en cuanto al número de reportes que puede ser esperado hasta en 36 meses posteriores a septiembre 2014, por cada Sector Vulnerable, distinguiendo los reportes que s ́ ı contendr ́ ıan información de aquellos otros que solo ser ́ ıan reportes informativos, en ceros; es importante destacar que para cada caso, después de hacer pruebas de máxima verosimilitud, se indica la distribución de datos que mejor se ajustó para cada caso. Complementariamente se agregan estimados para las operaciones en efectivo, metales o piedras preciosas as ́ ı como cheques de viajero de más de 10 mil dólares de los Estados Unidos de América o su equivalente en moneda nacional, agrupados por cada estado del pa ́ ıs, con énfasis en aquellos casos en que se ver ́ ıa incrementado el volumen de estas operaciones. 2. Esfuerzos normativos mexicanos La lucha contra el lavado de dinero y delitos relacionados data desde la década de los 90, contemplando inicialmente su concepto y sanción en el Código Fiscal de la Federación (CFF), es decir, que constitu ́ ıa un delito de tipo fiscal, se nalando que era cometido por aquellas personas, individuos o empresas, que utilizaran recursos financieros o bienes que fueran producto de estos actos ilegales. En el a no 1996, se publicó el Decreto que Reforma, Adiciona y Deroga Diversos Art ́ ıculos del Código Penal para el Distrito Federal y para toda la República en materia de Fuero Federal, derogando la competencia del CFF y entrando en vigor el art ́ ıculo 400 Bis del Código Penal Federal (CPF). En el a no 2004 fue creada la Unidad de Inteligencia Financiera (UIF), como parte de la Secretar ́ ıa de Hacienda y Crédito Público (SHCP), siendo hasta el a no 2012, la unidad especializada para recibir, analizar, requerir y difundir las pruebas, constancias, reportes, documentación e informes sobre lavado de dinero, determinando las pol ́ ıticas de uso, explotación y seguridad de dicha información (Secretar ́ ıa de Hacienda y Crédito Público, 2006). Como uno de los primeros elementos emanados de la UIF mexicana surgió la gu ́ ıa para que las instituciones que formaran parte del Sistema Financiero Mexicano presentaran periódicamente a la autoridad, informes de operaciones relevantes, inusuales e internas preocupantes posiblemente relacionadas con el lavado de dinero de acuerdo con Disposiciones de Carácter General, publicadas por la Secretar ́ ıa de Hacienda y Crédito Público en el Diario Oficial de la Federación el 14 de mayo de 2004 (Secretar ́ ıa de Hacienda y Crédito Público, 2004). En relación a la gu ́ ıa formulada por la UIF, existen estudios que proponen estándares de acuerdo a los importes que un cliente puede presentar a las instituciones bancarias (Chatain, P; J McDowell; et al, 2009), la localización geográfica en donde surjan estos depósitos, actividades comerciales que se hubiesen argumentado y hasta antecedentes bancarios y financieros (Albanese, 2012; Secretar ́ ıa de Hacienda y Crédito Público, 2012), sin embargo estas propuestas, al igual que el Modelo de Evaluación y Riesgo de la UIF (Unidad de Inteligencia Financiera - SHCP, 2012), contemplan parámetros que por una parte son espec ́ ıficos al analizar el caso de determinados clientes pero, por otra parte, no se llega a identificar los atributos que presente todo el fenómeno del lavado de dinero en sectores económicos y demarcaciones geográficas distintas. Durante el per ́ ıodo presidencial de Felipe Calderón Hinojosa que inició en el a no 2006 y concluyó en 2012, fue presentada la Estrategia Nacional para la Prevención y el Combate al Lavado de Dinero y el Financiamiento al Terrorismo (Gobierno Federal, 2009) la cual estuvo enfocada tanto en la prevención, como en el combate del lavado de dinero y el financiamiento al terrorismo. La estrategia contempló el análisis a un gran número de operaciones financieras y comerciales, pretendiendo determinar el origen il ́ ıcito de recursos provenientes del crimen y su relación con la econom ́ ıa de México, los esfuerzos se centraron en cuatro ejes fundamentales a saber, información y organización, marco normativo, supervisión basada en riesgo y transparencia y rendición de cuentas. En el a no 2012 entró en vigor la Ley Federal para Identificar y Prevenir Operaciones con Recursos de Procedencia Il ́ ıcita (LFIPORPI), fundamentando que además de la UIF dependiente de la Secretar ́ ıa de Hacienda y Crédito Público, la Procuradur ́ ıa General de la República (PGR) contara con una Unidad Especializada en Análisis Financiero, la que deber ́ ıa fungir como órgano especializado en análisis contable relacionado con operaciones con recursos de procedencia il ́ ıcita, siendo tal la importancia que le fue considerada, que el gobierno federal le confirió el que estuviera adscrita a la oficina del Procurador General de la República (Congreso de la Unión, 2012). Las atribuciones a esta unidad fueron de mayor alcance que la propia UIF ya que al estar precedida por un Agente del Ministerio Público de la Federación, además de la revisión financiera, también pudiera utilizar las técnicas y medidas de investigación previstas en el Código Federal de Procedimientos Penales y la Ley Federal Contra la Delincuencia Organizada (Código Penal Federal, 2014). También la LFIPORPI establece la participación de la Polic ́ ıa Federal, de forma individual o cooperativa, con la Procuradur ́ ıa General de la República para el establecimiento de programas de capacitación, actualización y especialización, dirigidos al personal adscrito a sus respectivas áreas encargadas de la prevención, detección y combate al delito de operaciones con recursos de procedencia il ́ ıcita y en las materias necesarias para la consecución de los mismos (Congreso de la Unión, 2012). Dentro de Ley de la Polic ́ ıa Federal (2011), a la corporación se le otorgan atribuciones de investigación para la prevención del delito y definición de acuerdos de intercambio de información con la UIF en la investigación de casos de lavado de dinero as ́ ı como la conformación del Grupo Especializado en materia de Investigaciones Financieras y de Lavado de Dinero; fortalecimiento al interior de la Comisión Nacional Bancaria y de Valores (CNBV) de las labores de supervisión especializada en materia de prevención de lavado de dinero y financiamiento al terrorismo, creando la Vicepresidencia de Supervisión de Procesos Preventivos as ́ ı como el establecimiento de la Coordinación de Operaciones con Recursos de Procedencia Il ́ ıcita y de la División Antidrogas, todo lo anterior apoyado con la publicación del Reglamento de la Ley de la Polic ́ ıa Federal (Reglamento de la Ley de la Polic ́ ıa Federal, 2014; Gobierno Federal, 2009). Ya durante el per ́ ıodo presidencial a cargo del Licenciado Enrique Pe na Nieto, se presentó el Programa para la Seguridad Nacional 2014-2018 (Gobierno Federal, 2014) el cual consideró como sustantivo a la inteligencia financiera, procurando la prevención y fundamentando el combate al crimen organizado y sus recursos financieros, en continuidad con la preocupación de la administración anterior (Secretar ́ ıa de Hacienda y Crédito Público, 2012) y de la importancia internacional concedida a este fenómeno económico (The Egmont Group, 2014), haciendo necesario estimar expectativas para las operaciones sospechosas y enfocar adecuadamente las investigaciones, otorgando sustento para que, con los métodos descritos en la presente investigación y que ha sido utilizados en diversos aspectos de las ciencias económicas y de ingenier ́ ıa (Torre, M. C., P. Poggi, P., A. Louche, 2001; Tamara-Ayús, R. Aristizábal, E. Velásquez, 2012; Dannier & Asnay, 2011; Gómez, 2005; Villegas & Ulate, 2013), se puedan establecer escenarios y patrones en sectores espec ́ ıficos. 3. Sectores Vulnerables Derivado de la LFIPORPI se establecieron medidas y procedimientos para prevenir y detectar actos u operaciones que involucraran recursos de procedencia il ́ ıcita, a través de una coordinación interinstitucional, que tuviera como fines recabar elementos útiles para investigar y perseguir los delitos de operaciones con este tipo de recursos, los relacionados con estos últimos, las estructuras financieras de las organizaciones delictivas y evitar el uso de los recursos para su financiamiento (Congreso de la Unión, 2012). A pesar de que la Ley Federal para la Prevención e Identificación de Operaciones con Recursos de Procedencia Il ́ ıcita fue publicada el 17 de octubre del a no 2012, su texto fue vigente a partir del 17 de julio del a no 2013 y en lo que respecta a la información enviada a la autoridad federal por parte de los particulares en algún supuesto de vulnerabilidad, inició la obligación en el mes de noviembre del 2013. Figura 1. S ́ ıntesis de la función derivada de la LFIPORPI. Fuente: Secretar ́ ıa de Hacienda y Crédito Público, Portal de Prevención de Lavado de Dinero. El ordenamiento en su Art ́ ıculo 17 enfatiza la importancia de las operaciones que realizan los particulares, especificando aquellos sectores que se deben consideran vulnerables para ser usados en la colocación de recursos provenientes de fuentes il ́ ıcitas, en esta categorización se encuentran las operaciones vinculadas a juegos con apuesta, concursos y sorteos; tarjetas de servicio, de crédito, prepagadas; emisión y comercialización habitual o profesional de cheques de viajero; el ofrecimiento habitual o profesional de operaciones de mutuo o de garant ́ ıa o de otorgamiento de préstamos o créditos, con o sin garant ́ ıa; prestación habitual o profesional de servicios de construcción o desarrollo de bienes inmuebles o de intermediación en la transmisión de la propiedad o constitución de derechos sobre dichos bienes, en los que se involucren operaciones de compra o venta de los propios bienes por cuenta o a favor de clientes de quienes presten dichos servicios; comercialización o intermediación habitual o profesional de metales preciosos, joyas o relojes; subasta o comercialización habitual de obras de arte. También la comercialización o distribución habitual profesional de veh ́ ıculos, nuevos o usados, ya sean aéreos, mar ́ ıtimos o terrestres; prestación habitual o profesional de servicios de blindaje de veh ́ ıculos terrestres, nuevos o usados, as ́ ı como de bienes inmuebles; prestación habitual o profesional de servicios de traslado o custodia de dinero o valores; prestación de servicios profesionales, de manera independiente, sin que medie relación laboral con el cliente respectivo, en aquellos casos en los que se prepare para un cliente o se lleven a cabo en nombre y representación del cliente en la compraventa de bienes inmuebles o la cesión de derechos sobre estos, la administración y manejo de recursos, valores o cualquier otro activo de sus clientes, el manejo de cuentas bancarias, de ahorro o de valores; la organización de aportaciones de capital o cualquier otro tipo de recursos para la constitución, operación y administración de sociedades mercantiles, o la constitución, escisión, fusión, operación y administración de personas morales o veh ́ ıculos corporativos, incluido el fideicomiso y la compra o venta de entidades mercantiles (Congreso de la Unión, 2012). Adicionalmente se consideran Sectores Vulnerables algunos de los servicios de fe pública como la transmisión de derechos reales sobre inmuebles, otorgamiento de poderes para administración y dominio, aumento o disminución de capital en las personas morales y algunas otras operaciones; la recepción de donativos, algunas de las operaciones de comercio exterior como lo correspondiente a los veh ́ ıculos terrestres, aéreos y mar ́ ıtimos, máquinas para juegos de apuesta y sorteos, equipos y materiales para elaborar tarjetas de prepago, joyas, relojes y piedras preciosas, obras de arte, material para resistencia bal ́ ıstica, entre otros. El volumen de información al mes de septiembre del 2014 permitió apreciar que el sector más vulnerable, considerado as ́ ı por el mayor número de operaciones reportadas fue el de los veh ́ ıculos aéreos, mar ́ ıtimos y terrestres, seguido por tarjetas de servicio o de crédito, en tercer lugar se ubicaron las actividades de mutuo, préstamos y créditos, posteriormente se encontraron los derechos personales de uso o goce de inmuebles; actos de fe pública, traslado o custodia de dinero y valores; juegos con apuesta, concursos y sorteos y, todos los restantes, reportaron menos de cien mil reportes.</region>

<outsider>76</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>77</outsider>

<outsider>78</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>79</outsider>

<outsider>80</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Tabla 1. Número de reportes generado por Sector Vulnerable (Noviembre 2013 a Septiembre 2014)</region>

<region>Fuente: Elaboración propia conforme a los datos en respuesta a la Solicitud de Información número de folio 000060026764 de la Unidad de Comunicación Social y Vocero, Unidad de Enlace, Secretar ́ ıa de Hacienda y Crédito Público La Tabla 1 muestra el número de avisos que s ́ ı contemplaron información, complementariamente se conoció que los avisos que fueron presentados en cero sumaron 346 mil 884, destacando el sector de los derechos personales de uso o goce de inmuebles con 116 mil 144, el sector de transmisión de derechos sobre bienes inmuebles con 73 mil 142 avisos y en tercer lugar se encontró el sector de mutuo, préstamos o créditos con 61 mil 853 reportes. 4. Método para obtención de escenarios en sectores considerados vulnerables Considerando el objetivo general enfocado a obtener escenarios para el volumen de operaciones registradas en los distintos Sectores Vulnerables y estados del pa ́ ıs, se propone el uso de matrices estocásticas, método que ha sido de interés para el sector financiero, espec ́ ıficamente en estimar riesgos, logrando que los modelos planteados lo reduzcan, incluso a niveles de instituciones financieras ya que minimizan otorgamientos de crédito con altas posibilidades de ser incobrables (Tamara-Ayús, R. Aristizábal, E. Velásquez, 2012). También las matrices estocásticas se aplican para encontrar las probabilidades de una cartera comercial, la cual, al formar parte de un dinamismo económico complejo y ser parte activa en ciclos económicos determinados, las caracter ́ ısticas que les ata ne obliga a determinar la expectativa futura en cada caso a partir de observaciones históricas, por lo anterior Zapata (2003) integra matrices de transición a partir de los datos del Producto Interno Bruto (PIB) y las obligaciones de distintas instituciones financieras. Como una consecución de tomar en cuenta el PIB dentro de los modelos financieros, Amaya (2005) complementó con la variable de indicadores de moratoria, los elementos de partida para integrar matrices y estimar a largo plazo la relación entre los indicadores de mora por otorgamiento de crédito hipotecario y de consumo con respecto al desarrollo económico, en sus conclusiones reconoce el efecto significativo del desempe no económico con respecto a la moratoria registrada de los acreditados. En lo que corresponde a medir la precisión de los resultados obtenidos en créditos mediante modelos matriciales, algunos autores han centrado sus estudios no sólo en la aplicación sino en valorar la significación de los resultados (Gómez J. , 2007; Gómez J. , 2009), en ambos casos se estimaron los resultados de tiempos homogéneos obtenidos y cuya variable hab ́ ıa sido el crédito otorgado, en ambos casos se concluyó que las expectativas eran correctas siempre que se contemplara en el modelo además, alguna otra variable que midiera el dinamismo económico. Lo anterior significa un antecedente de aplicación enfocado al riesgo crediticio, no obstante, para este art ́ ıculo, el uso de matrices estocásticas o de transición será aplicado a los datos de que dispone la inteligencia financiera para ser valorados y as ́ ı prever en dónde se concentrará el mayor número de situaciones lo que permitir ́ ıa a las autoridades relacionadas, enfocar el ejercicio de sus facultades en aquellos sectores con expectativas de mayor volumen de información sujeta de ser analizada en un corto o mediano plazo. Para establecer la propuesta del uso metodológico de los modelos matriciales, a continuación se integra una descripción matemática fundamental. Las cadenas de Markov pueden definirse como modelos probabil ́ ısticos que se utilizan para predecir la evolución y el comportamiento a corto y a largo plazo de ciertas funciones y sistemas. Por ejemplo, las cadenas de Markov se utilizan para estudiar el patrón de compra de los consumidores, para la formulación de modelos climatológicos, en sistemas de valuación de opciones, en el modelado de colapsos de la bolsa de valores, en inventarios, entre otros. Una definición más precisa de una cadena de Markov de primer orden es la siguiente: una cadena de Markov es un proceso estocástico discreto en donde la probabilidad de ocurrencia de cierto evento solamente depende del estado inmediato anterior (propiedad Markoviana). Una cadena de Markov finita tiene un número finito de estados y además cumple con la propiedad Markoviana (Modica & Poggiolini, 2012; Shamshan, et al, 2005) . Las cadenas de Markov fueron desarrolladas por el matemático Ruso Andrei Andreyevich Markov (1856-1922) y en la actualidad siguen utilizándose para predecir valores futuros mediante la matriz de transición. A continuación se presenta una definición más anal ́ ıtica de las cadenas de Markov de primer orden.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>81</outsider>

<outsider>82</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Definición 1: Un proceso estocástico X ( t ) , t ∈ I R se llama cadena de Markov de primer orden si posee un número finito de estados S = { 1 , 2 , 3 , . . . K } y para una secuencia de puntos en el tiempo t 1 < t 2 < · · · < t ( n − 1) < t n , las probabilidades condicionales cumplen con :</region>

<region>P r { X ( t n ) = i n | X ( t 1 ) = i 1 , · · · , X ( t n − 1 ) = i n − 1 } (1 . 1) = P r { X ( t n ) = i n | X ( t n − 1 ) = i n − 1 } Las probabilidades condicionales Pr { X ( t ) = j | X ( s ) = i } = P ij ( s, t ) se llaman probabilidades de transición de orden r = t − s del estado i al estado j para todos los ́ ındices 0 ≤ s < t , con 1 ≤ i y j ≤ k (Shamshad, Bawadi, Hussin, Majid, & Sanusi, 2005) Las probabilidades de transición determinan ciertas propiedades de las cadenas de Markov, de hecho una cadena de Markov tiene probabilidades de transición estacionarias siempre y cuando se cumpla la siguiente relación (Shamshad, et al., 2005; Sahin & Sen 2001; Baltzer, 2000) Pr { X (t n+ τ ) = i | X (t n − 1 ) = j } = p ij , (1 . 2) Para toda τ ∈ R . Las matrices de transición, también llamadas matrices estocásticas, son los arreglos de las probabilidades de transición en una matriz de tama no k × k (para k estados) y toma la siguiente forma (Balzter, 2000; Sahin & Sen, 2001):  p 1 , 1 p 1 , 2 ... p 1 , k   p 2 , 1 p 2 , 2 . . . p 2 , k  P =   . . . . . . ... . . .   (1 . 3) p k , 1 p k , 2 p k , k Es interesante observar que si A = [ a ij ] y B = [ b ij ] representan dos matrices de transición o matrices estocásticas, entonces C = A.B también representa una matriz estocástica. Una consecuencia de lo anterior es que la potencia de cualquier matriz estocástica P n sigue siendo estocástica. Las probabilidades de estado en el tiempo t se pueden estimar como las frecuencias relativas en el estado k para cada uno de los estados en S . Si n ij es el número de transiciones del estado i al estado j en una serie temporal, las estimaciones de máxima verosimilitud de las probabilidades de transición están dadas por: p ij = n ij / n ij (1 . 4) j Las probabilidades de transición var ́ ıan en cualquier estado entre 0 y 1. La sumatoria de las probabilidades de transición en cualquier fila es igual a uno. Puede ser expresado como: p ij = 1 (1 . 5) ( j =1) De la misma manera como una cadena de Markov de primer orden se puede estimar como las probabilidades de transición entre dos eventos subsecuentes, la cadena de Markov de segundo orden representa las probabilidades de que un evento dependa de dos estados anteriores y por lo tanto la matriz de transición de segundo orden se puede representar simbólicamente como (Torre, M; P. Poggi, A. Louche, 2001): En esta matriz, la probabilidad p ijk , representa la probabilidad de que el próximo valor se encuentre en el estado k dado que previamente estuvo en los estados j e i respectivamente. Esta es la manera en que la próxima transición de estado depende del estado actual y el estado precedente. Estas matrices de primer y segundo orden representan la base sobre las cuales se harán estimaciones futuras de los datos de este trabajo. Si la probabilidad de transición en la fila i, j en el estado k es p ijk , entonces la probabilidad acumulativa está dada por (Sahin & Sen, 2001; Shamshad, et al,. 2005): k P ijk = p ijl (1 . 7) l =1 Esta probabilidad acumulativa es la utilizada para calcular o estimar valores futuros basados en la matriz de transición de primer orden descrita anteriormente. Los estados de una cadena de Markov con k estados se pueden clasificar como absorbentes si, p ii = 1 (1 . 8) p ij = 0 ( i = j, j = 1 , 2 , . . ., k ) De igual forma los estados se dicen periódicos siempre y cuando la ( n ) probabilidad de que se regrese al estado i en el paso n , denotado como p ii cumple con las siguientes propiedades, ( n ) p ( ii n ) = 0 para n = t, 2 t, 3 t, . . .. (1 . 9) p ii = 0 para n = t, 2 t, 3 t, . . .. otras propiedades interesantes de los estados son la recurrencia y la transitoria. Una vez seleccionado el método de Markov para estudiar un fenómeno en particular, se tiene que evaluar su validez (Shamshad, et al. , 2005; Sahin & Sen, 2001; Logofet & Lesnaya, 2000). En general las pruebas de dependencia y estacionariedad son suficientes para corroborar que el modelo Markoviano es adecuado. Una cadena de Markov contiene eventos sucesivos dependientes. Para eventos independientes la estad ́ ıstica, que está definida matemáticamente como</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>83</outsider>

<region>k p ij α =2 n ij ln (1 . 10) p j i,j Está distribuida asintóticamente como χ 2 teniendo ( k − 1) grados de libertad, donde k es el número de estados. Las probabilidades marginales p j para la columna j de la matriz de transición están dadas por: m p j = i,j m i n n ij ij (1 . 11)</region>

<outsider>84</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Recordemos que un proceso de Markov es estacionario si las probabilidades de transición no dependen del tiempo. Una técnica popular para determinar estacionariedad es dividir la serie temporal en intervalos y después calcular la matriz de transición para cada intervalo. En caso de estacionariedad, todas las matrices de transición deben ser aproximadamente iguales. La estad ́ ıstica β deifnida como: T k p ij ( t ) β =2 n ij ( t ) ln (1 . 12) p ij 1 i,j Donde T es el número de intervalos utilizados para comprobar estacionariedad y n ij ( t ) y p ij ( t ) son las frecuencias relativas y las probabilidades de transición de cada intervalo. Para que la cadena de Markov sea estacionaria, la estad ́ ıstica β debe tener una distribución χ 2 con K ( K − 1)( T − 1) grados de libertad. Si ambos casos se cumplen (dependencia y estacionariedad), entonces el modelo Markoviano es adecuado. 5. Los escenarios futuros y propiedades estad ́ ısticas. A continuación se presentan las propiedades estad ́ ısticas de los escenarios futuros, los sectores utilizados en las predicciones corresponden a derechos personales de uso o goce de inmuebles; fe pública; juegos con apuesta, concursos o sorteos; metales y piedras preciosas, joyas o relojes; monederos y certificados de devoluciones; mutuo, préstamos o créditos; recepción de donativos; servicios de blindaje; servicios profesionales; tarjetas de servicio o de crédito; tarjetas pre-pagadas, vales o cupones; transmisión de derechos sobre bienes o inmuebles. Para cada sector se generaron 36 valores que representan las predicciones futuras correspondientes a 36 meses. Estos valores estimados se muestran tanto en un gráfico de l ́ ınea como en un histograma con el propósito de analizar sus propiedades estad ́ ısticas. Para cada sector vulnerable se tomaron en cuenta los números de avisos mensuales con información, que se representan con las imágenes alineadas a la izquierda y los números de avisos mensuales en cero que son representados con las imágenes a la derecha. La Gráfica 1 representa lo que corresponde al sector “derechos personales de uso o goce de inmuebles”. La media de los datos en las imágenes del lado izquierdo es de 16,000. 4 Una prueba de máxima verosimilitud arroja que la distribución de estas predicciones es Poissoniana con parámetro a=16,000.</region>

<region>4 El promedio de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014 fue de 17,799 reportes (Tabla 1).</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>85</outsider>

<region>Gráfica 1. Datos estimados de derechos personales de uso o goce de inmuebles. Fuente: Elaboración propia. En cuanto al número de informes en cero de la Gráfica 1, los datos tienen una media de aproximadamente 10,560 y una prueba de máxima verosimilitud muestra que se ajusta a una distribución normal con media 4,500. Vale la pena resaltar que se hace un análisis de Kolmogorov Smirnov para hallar el mejor ajuste. La Gráfica 2 muestra imágenes de l ́ ınea e histogramas para el sector “fe pública”. Un cálculo estad ́ ıstico para el número de informes muestra que la media es de casi 30,000 5 y una prueba de máxima verosimilitud ajusta los datos a una distribución de Poisson. Para el número de avisos en cero (imágenes a la derecha), la distribución que resulta del ajuste por máxima verosimilitud y posterior prueba de Kolmorogov-Smirnov es la de Poisson.</region>

<region>5 Se estima un incremento considerable de operaciones en este sector considerando que el promedio de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014 fue de 12,663 reportes (Tabla 1).</region>

<outsider>86</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gráfica 2. Datos estimados correspondientes a fe pública.</region>

<region>Fuente: Elaboración propia. La Gráfica 3 muestra las propiedades estad ́ ısticas que se esperan para el sector de “juegos con apuesta, concursos o sorteos”. La distribución que se ajusta para el número de informes es la de Poisson mientras que para el número de informes en cero, la distribución ajustada es la normal o Gaussiana. Gráfica 3. Datos estimados correspondientes a juegos con apuesta, concursos o sorteos. Para el sector “metales y piedras preciosas, joyas o relojes”, los gráficos se muestran en la Gráfica 4. Tanto para el número de avisos como para el número de informes en cero, las medias y las variaciones de los valores originales y las predicciones serán casi iguales. El valor máximo esperado para el número de avisos será de 727 6 mientras que para el número de informes en cero será de 2,982. Las distribuciones esperadas para este sector serán del tipo Poisson para ambos casos. Gráfica 4. Datos estimados correspondientes a metales y piedras preciosas, joyas o relojes . Fuente: Elaboración propia. La Gráfica 5 muestra los gráficos para los valores predecidos o estimados correspondientes al sector “monederos y certificados de devoluciones”. Las distribuciones que se ajustan a estas predicciones son Gaussianas y los valores máximos esperados para las predicciones son de 129 7 para el número de avisos y de 43 para el número de informes en cero.</region>

<region>Fuente: Elaboración propia.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>87</outsider>

<region>6 Si se contrasta este resultado con el promedio de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014, cantidad de 324 reportes (Tabla 1), la expectativa es un incremento considerable de operaciones en este sector. 7 Al comparar la cantidad máxima esperada, estimada en 129 reportes con información se estar ́ ıa ante un incremento considerable ya que de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014, el promedio obtenido de las cantidades oficiales es de 67 reportes (Tabla 1).</region>

<outsider>88</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gráfica 5. Datos estimados de monederos y certificados de devoluciones.</region>

<region>Fuente: Elaboración propia. La Gráfica 6 muestra los gráficos de dispersión para el sector “mutuo, préstamos o créditos”. Para este caso, ambas distribuciones ajustadas serán Poissonianas y como se puede observar en el gráfico de l ́ ınea las caracter ́ ısticas de variación serán similares. Los valores máximos esperados para cada caso serán de 38,370 8 para el número de avisos y de 10,620 para el número de informes en cero. Gráfica 6. Datos estimados de mutuo, préstamos o créditos.</region>

<region>Fuente: Elaboración propia. 8 Si se contrasta este resultado con el promedio de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014, cantidad de 21,162 reportes (Tabla 1), la expectativa es un incremento considerable de operaciones en este sector.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>89</outsider>

<region>La Gráfica 7 representa el sector “recepción de donativos”. La distribución ajustada para los valores futuros es Gaussiana, mientras que para el caso del número de informes en cero es Poissoniana. La media del número de avisos pasará de 814 a 886. Para el caso del número de informes en cero la media pasará de 2,211 a 2,569. Gráfica 7. Datos estimados de recepción de donativos. Fuente: Elaboración propia. Al igual que en los casos anteriores, se obtuvieron los gráficos de l ́ ınea e histogramas para los sectores “servicios de blindaje” (Gráfica 8) y “servicios profesionales” (Gráfica 9). Para la Gráfica 8, en ambos casos las distribuciones se ajustan a una distribución Gaussiana según la técnica de máxima verosimilitud mientras que para la Gráfica 9, la distribución para el número de avisos es Gaussiana y para el número de informes en cero es Poissoniana.</region>

<outsider>90</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gráfica 8. Datos estimados correspondientes a servicios de blindaje.</region>

<region>Fuente: Elaboración propia. Gráfica 9. Datos estimados de servicios profesionales.</region>

<region>Fuente: Elaboración propia.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>91</outsider>

<region>Gráfica 10. Datos estimados de tarjetas de servicio o crédito.</region>

<region>Fuente: Elaboración propia. La Gráfica 10 muestra los gráficos de l ́ ınea e histogramas para el sector “tarjetas de servicio o crédito”. Un ajuste de máxima verosimilitud para las distribuciones de las predicciones resulta en un modelo de Poisson para el número de avisos y un modelo Gaussiano para el número de informes en cero. Los valores máximos esperados para cada caso son de 1,371 9 y de 410 respectivamente. La Gráfica 11 muestra el sector “tarjetas prepagadas vales o cupones”. El método de máxima verosimilitud y el criterio de Kolmogorov-Smirnov permiten ajustar las distribuciones de los datos estimados a una de Poisson para el número de avisos y Gaussiana para el número de avisos en cero. Los valores máximos esperados son de 27,460 10 para el número de avisos y de 584 del número de avisos en cero.</region>

<region>9 En este caso se estima una disminución importante considerando que el promedio de los informes oficiales reportados desde el inicio de la obligación y hasta septiembre del 2014, cantidad de 36,713 reportes (Tabla 1), la expectativa es que este sector informe únicamente 1,371 reportes. 10 A diferencia que en el caso anterior, se debe esperar un significativo incremento en el sector de tarjetas prepagadas, vales o cupones ya que de la media a partir de datos oficiales (Ver Tabla 1) estimada en 7,019. La expectativa es que se llegarán a registrar hasta 27,460 reportes.</region>

<outsider>92</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gráfica 11. Datos estimados de tarjetas prepagadas, vales o cupones.</region>

<region>Fuente: Elaboración propia. Gráfica 12. Datos estimados de transmisión de derechos sobre bienes inmuebles.</region>

<region>Fuente: Elaboración propia. La Gráfica 12 presenta las propiedades estad ́ ısticas de los sectores “transmisión de derechos sobre bienes e inmuebles”. Las distribuciones ajustadas son Poissonianas. La media de los valores futuros es de 7,208 y 6,064, respectivamente. Se espera que los máximos sean de 10,190 y 9,858, respectivamente. Utilizando la misma metodolog ́ ıa, complementariamente, en lo que corresponde a la s expectativas para el número de reportes relevantes, 11 es decir, aquellos que representan operaciones en efectivo, metales o piedras preciosas as ́ ı como cheques de viajero de más de 10 mil dólares de los Estados Unidos de América o su equivalente en moneda nacional; en un estimado de hasta 36 meses, se conoció que en 14 estados se debe esperar un incremento en el número de reportes, presentando a continuación los resultados obtenidos. 12 Gráfica 13. Variación en los parámetros en los estados mencionados.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>93</outsider>

<region>Fuente: Elaboración propia</region>

<region>11 Estos reportes son generados por las Entidades Financieras. Se consideró el promedio de reportes obtenido de enero 2004 a septiembre 2013 12 Se presenta como complemento del presente art ́ ıculo el Anexo 1 con los concentrados de todos los estados del pa ́ ıs y su expectativa para el número de reportes relevantes.</region>

<outsider>94</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gráfica 14. Variación en los parámetros en los estados mencionados.</region>

<region>Fuente: Elaboración propia. Gráfica 15. Variación en los parámetros en los estados mencionados.</region>

<region>Fuente: Elaboración propia.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>95</outsider>

<region>Gráfica 16. Variación en los parámetros en los estados mencionados.</region>

<region>Fuente: Elaboración propia. Los Gráficos 13 a 16 representan el cambio en la media del número de reportes que se puede esperar en cada uno de los estados del pa ́ ıs que se indican, sin embargo, fueron estimados los cambios para todas las entidades federativas, resultados que se agregan al Anexo del presente art ́ ıculo. 5. Conclusiones Se concluye que aquellos sectores vulnerables que se verán incrementados en el número de reportes con información mensual a septiembre del 2017, en comparación al promedio observado hasta el mes de septiembre del 2014, serán los que involucran actividad de traslado o custodia de dinero o valores alcanzando una media de 40 mil 500; tarjetas de crédito alcanzarán la importante cantidad de 76 mil 900 reportes; transmisión de derechos sobre bienes inmuebles llegar ́ ıan a sumar 7 mil 200 reportes; fe pública (notar ́ ıas) registrar ́ ıa una media de 29 mil 110; el sector con actividades de mutuo, préstamos o crédito pasará hasta 20 mil 700; derechos personales de uso o goce de inmuebles que presentaron un promedio de 16 mil 180 reportes alcanzará 16 mil 480; otros sectores que se verán incrementados en el número de reportes con información serán aquellos que comercialicen con metales y piedras preciosas, joyas y relojes; recepción de donativos; monederos y certificados de devoluciones; servicios profesionales y, tarjetas pre-pagadas, vales o cupones. Unicamente ́ se espera que sean dos sectores vulnerables con disminución en el número de reportes con información mensual: servicio de blindaje y, juegos con apuesta, concursos o sorteos. Complementariamente en cuanto a los estados del pa ́ ıs y la generación de reportes de operaciones en efectivo, metales o piedras preciosas as ́ ı como cheques de viajero de más de 10 mil dólares de los Estados Unidos de América o su equivalente en moneda nacional, utilizando el mismo método para obtener estimados, arrojan que para el a no 2017 se espera un incremento en reportes en Aguascalientes al pasar de un promedio de 14 mil 410 reportes a un pronóstico de 16 mil 360; Baja California pasar ́ ıa de 51 mil 430 reportes hasta 61 mil 830; Chihuahua de un promedio de 36 mil 460 alcanzará 42 mil 990 reportes, Coahuila de 31 mil 970 pasa a 35 mil 450, Guanajuato de un promedio de 53 mil 520 alcanzar ́ ıa 55 mil 860 reportes, Guerrero con una media de 26 mil 260 se pronostica alcance de 30 mil 160 reportes, Hidalgo pasar ́ ıa de 20 mil 930 hasta 21 mil 080, Jalisco pasa de una media de reportes de 94 mil 900 hasta 95 mil 690, Puebla cuya media fue de 48 mil 310 llegar ́ ıa a un total de 51 mil 640, Quintana Roo con 26 mil 190 pasa a 29 mil 560 reportes, San Luis Potos ́ ı de 21 mil 120 a 23 mil 450, Sinaloa de 36 mil 920 alcanzará 39 mil 570, Sonora de un promedio de 30 mil 380 se espera alcance 34 mil 180, Tamaulipas de 37 mil 040 alcanza 40 mil 060 reportes en promedio y Tlaxcala de 5 mil 933 reportes en promedio se esperar ́ ıa un incremento hasta alcanzar 6 mil 560 reportes. De acuerdo a lo anterior es importante destacar que algunas entidades que hasta el mes de diciembre del ejercicio 2013 no figuraban entre los 10 estados del pa ́ ıs con mayor número de información considerada en sectores vulnerables e información de operaciones a partir de 10 mil dólares, el pronóstico es que pasarán a formar parte de la lista, estados como Tlaxcala, San Luis Potos ́ ı, Querétaro, Hidalgo y Aguascalientes, por lo anterior, las labores de inteligencia financiera en estas regiones deberá intensificarse a nivel entidad y de acuerdo a los Sectores Vulnerables mencionados en estas conclusiones. En la categor ́ ıa de reportes inusuales, figurarán nuevos estados entre la lista en donde se presentará la categor ́ ıa de dichas operaciones, Tlaxcala, Chiapas, Oaxaca, Yucatán, San Luis Potos ́ ı e Hidalgo, por lo anterior será imprescindible que las dependencias encargadas de inteligencia financiera se percaten de la movilidad y ajustes que serán aplicados en la colocación de recursos de procedencia il ́ ıcita. Bibliograf ́ ıa Aksoy, H., Toprak, Z. F., Aytek, A., & Unal, ̈ N. E. (2004). Stochastic Generation of Hourly Mean Wind Speed Data. Renewable Energy , 29(14), 2111-2131. Albanese, D. (2012). Análisis y evaluación de riesgos: aplicación de una matriz de riesgo en el marco de un plan de prevención contra el lavado de activos. Revista Base (Administra c ao e Contabilidade) da UNISINOS , 206-215. Alvarez, ́ F. (2000). El delito de cuello blanco. Nómadas , 28-29. Amaya, C. A. (2005). Evaluación del Riesgo de Crédito en el Sistema Financiero Colombiano. Banco de la República , 67-78. Anaya, J. T. (2008). Pol ́ ıticas contra el lavado de dinero aplicables a instituciones de crédito y sociedades financieras de objeto limitado. Boletın Mexicano de Derecho Comparado , 121 (XLI), 13-43. Anderson, D. (2008). Estad ́ ıstica para administración y econom ́ ıa. México: Cengage Learning. Arriagada, I., & Hopenhayn, M. (2000). Producción, tráfico y consumo de drogas en América Latina. CEPAL - Polıticas Sociales , 1-47. Arriagada, I., & Hopenhayn, M. (2000). Producción, tráfico y consumo de drogas en América Latina. Polıticas Sociales. CEPAL-ECLAC , 1-47. Artigas, C. (2003). La reducción de la oferta de drogas. Introducción a algunos instrumentos internacionales. CEPAL Serie Polıticas Sociales , 5-31. Balzter, H. (2000). Markov Chain Models for Vegetation Dynamics. Ecological Modelling , 126(2), 139-154.</region>

<outsider>96</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>97</outsider>

<region>Bárcenas. (31 de Octubre de 2014). Freno al dinero il ́ ıcito que sale de América Latina. (E. E. Lilia González, Entrevistador) Bárcenas, A. (30 de Octubre de 2014). Pide CEPAL a gobiernos de América Latina revisar flujos de dinero. (E. F. Isabel Becerril, Entrevistador) Bárcenas, A., Morandé, J., & Sánchez, W. (2009). La actual cr ́ ısis económica mundial: oportunidades y desaf ́ ıos para América Latina. Clase magistral de inauguración, a no académico 2009 , 1-6. Bautista, N., Castro, H., Rodr ́ ıguez, O., Moscoso, A., & Rusconi, M. (2005). Aspectos dogmáticos, criminológicos y procesales del lavado de activos. República Dominicana: Bridges. Bennet, J. O. (2011). Razonamiento estad ́ ıstico. México: Pearson. Caamal, C., Trevi no, L., & Valero, J. (2012). Son los pobres las v ́ ıctimas de la inseguridad en México? EconoQuantum, Revista de Economia y Negocios , 159-169. Cárdenas, O. (2012). ¿Con qué probabilidad me toca ser v ́ ıctima de un delito? EconoQuantum , 171-187. CEPAL. (27 de 07 de 2015). CEPALSTAT Bases de datos. Obtenido de http://interwp. cepal.org/sisgen/ConsultaIntegradaFlashProc HTML.asp Chaparro, E., & Vargas, J. (2000). Gráficos de control para la media de un proceso en poblaciones con distribución asimétrica. Revista Colombiana de Estadıstica , 29-44. Chatain, P., McDowell, J., Mpusset, C., Schoott, P.A. & Van Der Does, E. (2009). Prevención del lavado de dinero y del financiamiento al terrorismo. Washington, D.C.: The World Bank . Chico, L. (1997). La invarianza en la estructura factorial del raven en grupos de delincuentes y no delincuentes. Psicothema , 47-55. Ciuiu, D. (2005). Une modalite deviter les centiles aux regions de con?ance et aux tests statistiques. Analele Universit atÿii din Craiova , 32(1), 98-105. Ciuiu, D. (2008). On the JarqueBera normality test. Institute for Economic Forecasting in its series Working Papers of Macroeconomic Modelling Seminar 081802. Có digo Penal Federal. (2014). Có digo Penal Federal. D.F.: Congreso de la Unión. Congreso de la Unión. (2012). Ley Federal para la Prevención e Identificación de Operaciones con Recursos de Procedencia Ilıcita . México: Congreso de la Unión. Coronado, D. (2006). ¿Realmente sabemos lo que hacemos cuando creemos combatir la delincuencia? Territorios , 33-52. Dannier, T., & Asnay, G. (2011). Algoritmo paralelo para el cálculo de matrices de probabilidades de transición: aplicación a la modelación de yacimientos later ́ ıticos mediante cadenas de Markov. Avances en Sistemas de Informática , 7-15. Dev, K. (2012). México: Flujos financieros Il ́ ıcitos, Desequilibrios Macroeconómicos y la Econom ́ ıa Sumergida . Washington, DC: FordFundation. Durkheim, E. ́ (1991). De la division du travail social. Par ́ ıs: PUF. Durkheim, E. ́ (2001). Las reglas del método sociológico. México: Ediciones Coyoacán. Ferwerda, J. (2009). The Economics of Crime and Money Laundering: Does Anti-Money Laundering Policy Reduce Crime? Utrecht School of Economics , 1-19. Fondo Monetario Internacional. (2014). Perspectivas económicas. Las Américas, desaf ́ ıos crecientes. Washington, D.C.: FMI. GAFI. (2012). Las recomendaciones del GAFI: estándares internacionales sobre la lucha contra el lavado de activos, el financiamiento al terrorismo y de la proliferación. Argentina: OCDE - GAFI. GAFILAT. (03 de 12 de 2014). Página del GAFILAT. Obtenido de http://www.gafilat.org/ content/quienes/. GAFISUD - GAFILAT. (11 de 07 de 2014). Cambio de nombre a GAFILAT. Cartagena de Indias, Colombia. GAFISUD. (2000). Declaración Pol ́ ıtica del GAFISUD. Cartagena de Indias: GAFISUD. GAFISUD, and EGMONT. (2012). Reunión conjunta de tipolog ́ ıas GAFISUD - EGMONT. Quito, Ecuador: GAFISUD.</region>

<outsider>98</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Gobierno Federal. (2009). Estrategia Nacional para la Prevención y el Combate al Lavado de Dinero y Financiamiento al Terrorismo. México: SEGOB SHCP SSP PGR. Gobierno Federal. (2014). Programa para la Seguridad Nacional 2014 - 2018. México: Gobierno de México. Gómez, A. (2005). Un estrato de las matrices normales. Ciencia e Ingenierıa Neogranadina , 6-12. Gómez, J. (2007). An Alternative Methodology for Estimating Credit Quality Transition Matrices. Journal of Risk Management in Financial Institutions , 353-364. Gómez, J. (2009). Un Modelo de Alerta Temprana para el Sistema Financiero Colombiano. Borradores de Economıa , 565. Grupo de Acción Financiera del Caribe. (2010). Informe Anual Noviembre 2009 - Octubre 2010 . Cayman: GAFIS - CFATF. Haken, J. (23 de 07 de 2015). Global Financial Integrity. Obtenido de Transnacional Crime in the Developing World 2011: http://www.gfintegrity.org/storage/gfip/documents/ reports/transcrime/gfi transnational crime web.pdf INEGI. (2015). Estad ́ ısticas de mortalidad, 1990 a 2010. México: INEGI. Instituto Nacional de Estad ́ ıstica. (2009). Comentarios al art ́ ıculo son fiables los datos de migraciones del censo de 2001? Revista de Economıa Aplicada , 141-145. Instituto Nacional de Estad ́ ıstica y Geograf ́ ıa. (2014). INEGI. Recuperado el 17 de 06 de 2014, de http://www.inegi.org.mx/sistemas/indiceprecios/calculadorainflacion.aspx Khoudour, D. (2007). Migraciones internacionales y desarrollo: el impacto socioeconómico de las remesas en Colombia. Revista de la CEPAL , 143-161. Lagunas, S. (2014). Métodos de Apoyo para la Inteligencia Financiera en la Identificación de Origen Il ́ ıcito en Excedentes de Efectivo. Ejecutivos de Finanzas , 60-64. Levin, D. K. (2006). Estad ́ ıstica para Administración. México: Pearson Prentice Hall. Ley de Ingresos de la Federación. (2013). Ley de Ingresos de la Federación para el Ejercicio Fiscal de 2014. México: Congreso de la Unión. Ley de la Polic ́ ıa Federal. (2011). Ley de la Polic ́ ıa Federal. México: Congreso de la Unión. Logofet, D. O., & Lesnaya, E. V. (2000). The Mathematics of Markov Models: What Markov Chains Can Really Predict in Forest Successions. Ecological Modelling , 126(2), 285-298. Mart ́ ınez, E. (2002). Programa para prevenir y combatir la trata de personas. Santiago de Chile: CEPAL. Mazitelli, A. L., and ONU. (04 de 07 de 2010). El tráfico de personas, más negocio que el narco. (E. Economista, Entrevistador) México Evalúa. (2012). Indicadores de v ́ ıctimas visibles e invisibles de homicidio. México: México Evalúa, Centro de Análisis de Pol ́ ıticas Públicas, A.C. Modica, G., & Poggiolini, L. (2012). A First Course in Probability and Markov Chains. John Wiley and Sons. John Wiley and Sons. Morgardini, C., & Tabboni, S. (1989). Un examen de la obra de Rober K. Merton . Ideas y Valores , 70-75. Muselli, M., Poggi, P., Notton, G., & Louche, A. (2001). First Order Markov Chain Model for Generating Synthetic Typical Days Series of Global Irradiation in Order to Design Photovoltaic Stand Alone Systems. Energy Conversion and Management , 42(6), 675- 687. Organización de Estados Americanos. (2010). Estrategia Hemisférica de Drogas. OEA. Organización de las Naciones Unidas. (1988). Convención de las Naciones Unidas contra el Tráfico Il ́ ıcito de Estupefacientes y Sustancias Sicotrópicas. Recuperado de http://www.unodc.org/pdf/convention 1988 es.pdf , pp. 1-22. Organización de las Naciones Unidas. (2005). Convención de las Naciones Unidas contra la Delincuencia Organizada Transnacional. Convención de Palermo. ONU, 4, 2255- 2300, Recuperado de https://www.scjn.gob.mx/libro/InstrumentosConvencion/ PAG0945.pdf. Orlandoni, G. (2010). Escalas de medición en Estad ́ ıstica. Telos , 243-247. Perotti, J. (2009). La problemática del lavado de dinero y sus efectos globales: una mirada a las iniciativas internacionales y las pol ́ ıticas argentinas. UNISCI Discussion Papers , 78-99.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>99</outsider>

<region>Pierdant, A., & Rodr ́ ıguez, J. (2009). Control estad ́ ıstico de la calidad de un servicio mediante Gráficas X y R. Polıtica y Cultura , 151-169. Play, F. L. (2006). Consideraciones generales sobre la Estad ́ ıstica. Reis. Revista Espa nola de Investigaciones Sociológicas , 335-345. Pontón, D. (2013). La econom ́ ıa del narcotráfico y su dinámica en América Latina. ́ Iconos, Revista de Ciencias Sociales , 135-153. Ragagnin, F. (2005). El relato de las noticias sobre delito de cuello blanco. La criminalidad de etiqueta. Palabra Clave , 47-61. Reglamento de la Ley de la Polic ́ ıa Federal. (2014). Reglamento de la Ley de la Policıa Federal . México: Congreso de la Unión. Repúblicas de Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá. (1997). Convenio centroamericano para la prevención y represión de los delitos de lavado de dinero y de activos, relacionados con el tráfico ilıcito de drodas y delitos conexos . Panamá. Sahin, A. D., & Sen, Z. (2001). First-order Markov Chain Approach to Wind Speed Modelling. Journal of Wind Engineering and Industrial Aerodynamics ,89(3), 263-269. Saporta, G. a. (1998). Sur la normalite asymptotique des valeurs propres en ACM sous lhypoth‘ese dindependence des variables. Revue de Statistique Appliquee , 46(3), 21-35. Secretar ́ ıa de Gobernación. (2004). Diario Oficial de la Federación , 1-12. Secretar ́ ıa de Hacienda y Crédito Público. (2003; 2004; 2005; 2006; 2007; 2008; 2009; 2010; 2011; 2012). Presupuestos de Egresos de la Federación 2004 2013 . Distrito Federal: SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2004). Gu ́ ıa sobre Operaciones Inusuales y Sospechosas. SHCP UIF , 1-10. Secretar ́ ıa de Hacienda y Crédito Público. (2006). Memoria Mayo 2004 Diciembre 2005 . México: SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2006). Memoria Mayo 2004 Diciembre 2005. Unidad de Inteligencia Financiera . México: SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2012). Informe sobre el balance de los logros y metas conseguidas en el combate al lavado de dinero. M ́ ıexico: SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2012). Memoria 2006 - 2012. México: SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2012). Reporte de Actividades de la Unidad de Inteligencia Financiera Octubre 2011 Septiembre 2012. SHCP. Secretar ́ ıa de Hacienda y Crédito Público. (2014). Respuesta a la solicitud de información folio 0000600013314. Unidad de Comunicación Social y Vocero, Unidad de Enlace, Oficio No. U.E. 244/2014 . D.F.: Unidad de Comunicación Social y Vocero, Unidad de Enlace, Oficio No. U.E. 244/2014. Servicio de Administración Tributaria. (2014). Informe Tributario enero a septiembre 2014. México: SHCP - SAT. Servicio de Administración Tributaria. (18 de 12 de 2014). Normatividad. Formas y Formatos de Comercio Exterior. Obtenido de http://www.sat.gob.mx/informacion fiscal/normatividad/formas/Paginas/formas comercio exterior.aspx Shamshad, A., Bawadi, M. A., Hussin, W. W., Majid, T. A., and Sanusi, S. A. (2005). First and Second Order Markov Chain Models for Synthetic Generation of Wind Speed Time Series. Energy , 30(5), 693-708. Sutherland, E. H. (1949). White Collar Crime. New York: Holt, Rinehart and Winston. Tábora, M. (2007). Competencia y regulación en la banca: el caso de Honduras. CEPAL Serie: Estudios y Perspectivas , 7-59. Tamara-Ayús, A., Aristizábal, R., & Velásquez, E. (2012). Matrices de transición en el análisis de riesgo crediticio como elemento fundamental en el cálculo de la pérdida esperada en una institución crediticia. Revista Ingenierıas , 105-114. The Egmont Group. (2014). Summary Strategic Plan 2014 - 2017. Egmont Group. Torre, M. C., Poggi, P., & Louche, A. (2001). Markovian model for studying wind speed time series in Corsica. International Journal of Renewable Energy Engineering , 3(2), 311-319</region>

<outsider>100</outsider>

<outsider>Nueva Epoca ́ REMEF (The Mexican Journal of Economics and Finance)</outsider>

<region>Triola, M. (2009). Estad ́ ıstica. México: Pearson Addison Wesley. U.S. Department of State. (2014). Informe 2013 sobre Trata de Personas . USA: Oficina para el Monitoreo y Lucha contra el Tráfico de Personas . Unidad de Inteligencia Financiera - SHCP. (2012). Reporte Anual Octubre 2011 - Septiembre 2012. Distrito Federal: Secretar ́ ıa de Hacienda y Crédito Público. Villegas, B., & Ulate, J. (2013). Análisis dinámico del desempleo en Costa Rica. Ciencias Económicas , 31-66. Walpole, R. M. (2007). Probabilidad y estad ́ ıstica para ingenier ́ ıa y ciencias. México: Pearson Educación. Zapata, A. (2003). Modelando el riesgo de crédito en Colombia. Asobancaria. Anexo 1 Predicciones en operaciones relevantes para los estados de la república mexicana.</region>

<outsider>Revista Mexicana de Econom ́ ıa y Finanzas, Vol. 12, No. 2, (2017), pp. 71-101</outsider>

<outsider>101</outsider>