Gastos Atípicos y Detección de Fugas

Ubicación en Código

Implementado en apps/mcp/src/lib/financiero/categoria-atipica.ts.

El Problema del Gasto más Alto vs Gasto Atípico

Un error habitual en aplicaciones financieras es destacar como “problema” la categoría en la que el usuario gastó más dinero absoluto (por ejemplo, Supermercado o Hipoteca). Eso es un gasto ordinario y esperado.

La verdadera fuga financiera es la categoría que rompió su patrón histórico de comportamiento:

Media histórica en Retiros de Efectivo de Beto:   $5,438.00 / mes (σ = $420)
Gasto registrado en el mes en curso:            $9,500.00
Desviación observada:                           +74.7% (Z-score > 2.5)

Algoritmo de Detección

1. Para cada categoría c, se calcula la media móvil de los últimos 3 meses μ_c y su desviación estándar σ_c.
2. Se calcula el incremento porcentual respecto a la media:

   Delta_c = (GastoActual_c - μ_c) / μ_c

3. Se calcula el Z-score estadístico:

   Z_c = (GastoActual_c - μ_c) / σ_c

4. Una categoría se clasifica como esAtipico: true si:

   Delta_c >= 0.35  Y  Z_c >= 2.0

5. Si múltiples categorías cumplen la condición, el algoritmo resalta aquella con mayor monto excedente en pesos absolutos (GastoActual_c - μ_c) para priorizar el impacto en el bolsillo.

En la demo de Beto, esta lógica resalta inmediatamente “Retiros de efectivo (+74.7%)”, permitiendo a Maya sugerir la limitación de disposiciones en cajero para proteger la reestructura.