欺诈行为分析

欺诈分析是检测和监控欺诈的技术方法，当人们故意秘密行动，剥夺他人有价值的东西时，就会发生欺诈。欺诈分析可以发生在交易完成之前(欺诈预防)，也可以发生在交易发生之后(欺诈检测)。欺诈分析帮助组织减少与欺诈相关的成本。

财务欺诈可以是公司的，比如财务报表造假，对冲基金谎报收益，或者操纵股票市场危及监管合规。欺诈也可能发生在医疗保健和保险领域，并通过身份盗窃(信用卡)、洗钱和逃税等方式发生。

由于监管较少，对冲基金的回报操纵更容易发生欺诈。它源于管理者在评估非流动性投资时的自由裁量权，或犯下彻头彻尾的欺诈行为时的不当行为。

欺诈分析中最常用的技术是人工智能(AI)、机器学习、深度学习和统计分析。你可以在MATLAB中应用这些技术^®检测哪些银行交易可能存在欺诈。

• 机器学习(有监督的或无监督的)在检测异常时为您提供欺诈可能性的指示，具有高度的准确性。
  • 在监督式学习(回归，分类)，历史交易被标记为欺诈或真实。然后，这些记录被用来训练一个算法，该算法推断出一个能够将未来交易分类为合法或不合法的函数。回归的一个典型例子是预测舞弊的数量。
  • 无监督学习不需要将历史观察结果标记为欺诈性或非欺诈性，对于没有可用的历史欺诈数据的公司很有用。
• 数据挖掘和模式识别用于在与欺诈相关的数据中检测有意义的模式或趋势。
• 统计分析包括一个计算统计参数的分析框架，以确定可能表明欺诈模式的异常值。

最后，本福德定律可以作为检测欺诈的指标。用于欺诈分析的其他指标包括基于返回的和基于文本的。

有关欺诈分析的更多信息，请参见统计和机器学习工具箱™，深度学习工具箱™,文本分析工具箱™。