欺诈行为分析

欺诈分析技术方法,以检测和监测欺诈、故意行为发生在人暗中剥夺另一个有价值的东西。欺诈分析既可以发生在交易完成后(欺诈防范)或发生(欺诈检测)。欺诈分析帮助组织降低成本相关的欺诈行为。

金融诈骗公司,如伪造财务报表时,当对冲基金回报错误报告,或者当股票市场操纵危害监管合规。欺诈也可以发生在医疗和保险和通过身份盗窃等方法(信用卡)、洗钱和逃税。

对冲基金收益操纵更容易欺诈,因为更少的监管。不当行为的结果当经理有权评估非流动性投资或提交彻头彻尾的欺诈。

在欺诈行为分析的最常用的技术是人工智能(AI),机器学习,深入学习,统计分析。你可以用MATLAB应用这些技术^®检测哪些银行交易潜在的欺诈。

• 机器学习(监督或无监督)给你一个指示的欺诈的可能性高精确度检测异常。
  • 在监督式学习(回归、分类),历史交易贴上虚假或真实。然后这些记录是用来训练算法推断函数能够分类未来的交易是合法的。一个典型的例子在回归预测的欺诈。
  • 无监督学习不需要历史观察被贴上虚假或non-fraudulent公司来说是有用的,没有历史欺诈数据可用。
• 数据挖掘和模式识别是用来发现有意义的模式或趋势的数据与欺诈。
• 统计分析包括分析框架来计算统计参数来识别异常值,表明欺诈模式。

最后,本福德定律可以作为一个指标来检测欺诈行为。其他指标用于欺诈分析包括return-based和文本。

更多欺诈分析,明白了统计和机器学习的工具箱™,深度学习工具箱™,文本分析工具箱™。