PREFIN: Plataforma Inteligente de Prevención, Predicción y Recomendación Financiera con técnicas de aprendizaje automático

Abstract

PREFIN es una plataforma inteligente de finanzas personales que evoluciona de un cuadro de mando descriptivo a un sistema prescriptivo bajo incertidumbre. Su objetivo es cubrir la brecha entre disponer de datos bancarios y saber qué hacer con ellos, un problema que afecta especialmente a las personas sin formación financiera específica. Para ello integra tres fuentes de datos (generación sintética, carga de extractos y banca abierta vía TrueLayer (PSD2, OAuth 2.0)) en un esquema común, categoriza las transacciones y calcula los indicadores del usuario. Sobre esta base descriptiva se construye una capa predictiva, formada por una previsión de gasto con regresión cuantílica que devuelve bandas de incertidumbre calibradas mediante predicción conforme, y un clasificador de riesgo de iliquidez reformulado para predecir un evento futuro observado, evitando la circularidad del planteamiento inicial. La capa prescriptiva, principal aportación del trabajo, emplea un gemelo digital estocástico de Monte Carlo que cuantifica la probabilidad de iliquidez y métricas de cola (VaR y CVaR), y un motor de recomendación que determina el plan de micro-ahorro que maximiza el ahorro protegido sujeto a una restricción de riesgo, acompañado de explicaciones en lenguaje natural mediante valores de Shapley. La evaluación, diseñada con validación temporal, validación por grupos y backtesting de probabilidades, confirma un clasificador con elevada discriminación y calibración, y delimita con honestidad las limitaciones del sistema. PREFIN demuestra que es posible construir una herramienta financiera transparente y accesible que no solo describe, sino que anticipa y recomienda.

PREFIN is an intelligent personal finance platform that evolves from a descriptive dashboard into a prescriptive system operating under uncertainty. Its goal is to bridge the gap between having banking data and knowing what to do with it, a problem that particularly affects people without specific financial training. To this end, it integrates three data sources —synthetic generation, statement uploads and open banking via TrueLayer (PSD2, OAuth 2.0)— into a common schema, categorises transactions and computes the user's key indicators. On this descriptive basis it builds a predictive layer, comprising a spending forecast based on quantile regression that returns uncertainty bands calibrated through conformal prediction, and a liquidity-risk classifier reformulated to predict an observed future event, thereby avoiding the circularity of the initial approach. The prescriptive layer, the main contribution of this work, employs a stochastic Monte Carlo digital twin that quantifies illiquidity probability and tail-risk metrics (VaR and CVaR), together with a recommendation engine that determines the micro-saving plan maximising protected saving subject to a risk constraint, accompanied by natural-language explanations based on Shapley values. The evaluation, designed with temporal validation, group-based validation and probability backtesting, confirms a classifier with high discrimination and calibration, and honestly delimits the system's limitations. PREFIN demonstrates that it is possible to build a transparent and accessible financial tool that not only describes, but also anticipates and recommends.