基于链接分析的洗钱交易识别研究

如何从海量客户信息及金融交易数据中有效识别可疑金融交易,发现可靠的洗钱线索是金融机构反洗钱工作的核心问题。本文提出了一种交易路径异常链接分析模式。该模式基于图论理论,通过图形遍历方式和金融交易权重分析策略的组合,识别不同交易主体间交易活动的内在联系,发现交易流向、来源以及用途或性质异常等交易关系异常特征。交易路径异常链接分析方法不用构造频繁项目集,不用设置最小支持度和最小置信度阈值,同时具备可视化特点,在挖掘金融交易关系网络方面具有优势,为可疑金融交易识别提供有潜在价值的线索。实验结果证明了该模式的可行性和有效性。     

基于聚类分析的个人可疑交易识别研究

从海量金融交易数据中准确有效地识别出洗钱犯罪可疑交易已成为反洗钱工作的关键问题。本文通过分析聚类分析在反洗钱的应用情况，结合我国金融交易数据的特点，提出聚类分析在个人可疑交易识别中的应用流程，并通过样本数据对其进行了应用分析。     

聚类分析与范例推理在反洗钱中的应用

本文以数据挖掘技术在可疑金融交易识别中的应用现状为铺垫,探讨了聚类分析和范例推理技术在反洗钱中的应用.在分析数据挖掘技术运用于可疑金融交易识别的基础上,对我国的可疑金融交易识别研究提出浅见,希望对我国的反洗钱信息系统的建设有所裨益.     

金融机构可疑交易监测分析的策略与方法研究

履行可疑交易报告制度是金融机构反洗钱工作的核心义务之一。可疑交易监测分析就是反洗钱义务主体在与客户开展金融交易过程中,按照反洗钱法律法规要求,识别和发现存有洗钱及相关犯罪嫌疑的异常交易的过程。本文从提高可疑交易报告质量的角度提出了保证与兼顾针对性、完备性和准确性是可疑资金监测及可疑交易线索分析的基本对策,在归纳了可疑交易监测分析方法研究文献的基础上,构建了可疑交易监测分析任务的四要素模型,将有助于可疑交易模型的分析、构建、实现与评价。     

基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究

汽车保险欺诈在全球范围内逐步蔓延,车险欺诈识别越来越受到社会关注。本文针对实际汽车保险索赔数据中样本数量大且不平衡的特点,提出了平衡随机森林和蚁群结合的组合分类器。首先,对高维、不平衡的车险索赔数据集进行特征选择与分类,将随机森林的特征重要性评价得分和数据的统计检验得分作为启发式信息,利用蚁群算法进行智能搜索,把随机森林的分类精度反馈给蚁群进行信息素的实时更新,挖掘出判别车险欺诈的特征组合。然后将基于蚁群优化算法的平衡随机森林模型应用到汽车保险欺诈识别中。研究结果表明：基于蚁群优化随机森林算法的汽车保险欺诈识别模型能够更好地对车险索赔数据进行分类预测,挖掘车险欺诈规律,具有更好的精确度和稳健性。     

基于数据挖掘的商业银行对公信贷资产质量审计研究

根据商业银行信贷资产质量审计问题的特点,本文研究构建了商业银行信贷资产质量审计属性选择、决策树和支持向量机等数据挖掘算法体系。以A银行对公信贷实际数据为基础,运用定性的经济涵义和量化的属性选择算法,对其进行属性选择分析,并结合商业银行数据库中数据特点,完成数据预处理工作。对经过预处理后的数据集,进行关联规则和分类模式挖掘分析,通过在A商业银行的审计实践应用,识别出了一定金额影响该行资产质量的贷款记录,取得切实的审计成效。     

证券行业基于大数据和机器学习的智能反洗钱应用实践

可疑交易报告是金融机构发挥金融情报价值的核心义务,是金融系统打击洗钱、恐怖融资及相关犯罪的重要抓手,但证券行业当前反洗钱工作中面临可疑交易监测模型有效性不足以及分析核查手段、工具有限等问题,限制了可疑线索挖掘的广度、精度和深度。为探索解决证券行业可疑交易报告痛点难点问题,银河证券慎思笃行、行稳致远,在监测预警、分析核查环节创新应用大数据、机器学习、知识图谱等技术,优化海量数据特征计算效率,提高可疑监测预警模型有效性,精准刻画客户洗钱风险画像,切实推动反洗钱可疑交易监测工作水平提升。     

商业银行个人客户洗钱静态风险分类方法研究

构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型。实证研究表明该模型预测精度有所提高,性能表现也更加稳健,对于运用于实际洗钱识别工作具有一定的应用价值。     

基于账户风险与交易关联约束的洗钱路径挖掘研究

从海量资金交易数据中识别出洗钱者账户,提取账户资金转移路径是洗钱犯罪侦查的关键。通过交易行为特征对账户进行风险评估,对交易行为风险进行异常分析找出洗钱可疑账户作为洗钱路径的关键账号。以关键账户为线索,对资金交易数据进行洗钱行为关联条件约束,构建资金流加权图结构模型,生成可疑洗钱路径。本文的实例表明,能够从大规模的资金交易数据中快速发现异常账号,形成可解释的洗钱资金流路径,辅助洗钱犯罪取证。     

基于大数据的证券公司可疑交易行为研究

可疑交易报送是《中华人民共和国反洗钱法》赋予证券公司的一项重要反洗钱工作,可疑交易的识别和报送是证券公司履行反洗钱义务的一项重要手段,但是大量的防卫性数据使该项工作无法有效发挥识别洗钱风险的作用,而且增加了监管机构的数据筛查负担.证券公司应该运用大数据分析理论重新识别可疑交易,大数据理论下的可疑交易是包含多类信息有机结合的大数据集合,具有全体性、高效性、相关性特征.证券公司应用大数据理论分析可疑交易应做好多维度大数据建立工作,组织开发科学的监控系统,自主设计监控指标,提高报送质量及主动分析能力.