基于可疑金融交易識別的離群模式挖掘研究.pdf

1、本文的選題來源于對可疑金融交易行為的識別與監(jiān)控理論原型體系研究。主要研究內(nèi)容是利用機器學習和系統(tǒng)復雜性的理論和方法，從海量和復雜的金融交易數(shù)據(jù)中學習和識別客戶金融交易的行為模式，從而挖掘出那些明顯偏離正常行為范式的所謂離群模式，實現(xiàn)對涉嫌洗錢或欺詐的可疑金融交易行為的計算機自動甄別和監(jiān)管。 金融系統(tǒng)是一個非常復雜的大系統(tǒng)，一直以來對金融系統(tǒng)可疑交易判斷的研究采用的大多是線性化和在嚴格假設(shè)條件下的簡化模型，這樣的確使問題得到了簡化

2、，但在實踐過程中卻導致高漏檢率和高誤報率。 本文根據(jù)金融交易的非線性機制，引入了基于系統(tǒng)復雜性理論的混沌分析方法，對由內(nèi)在確定動力學機制產(chǎn)生的具有外部隨機性特征的金融交易時間序列進行分析和判別，主要研究成果與創(chuàng)新如下： (1)金融交易的混沌屬性分析混沌行為是由確定性系統(tǒng)產(chǎn)生，但其行為卻表現(xiàn)為類似隨機的，具有短期可預(yù)測但長期不可預(yù)測的特性。本文利用相空間重構(gòu)理論實現(xiàn)對金融時間序列的混沌屬性分析，采用互信息法計算出最優(yōu)時延，

3、假近鄰法計算最優(yōu)嵌入維，軌道跟蹤法求取最大Lyapunov指數(shù)，基于真實數(shù)據(jù)的實驗結(jié)果表明，金融交易時間序列存在有限的關(guān)聯(lián)維和一個正的最大Lyapunov指數(shù)，證實了對金融交易數(shù)據(jù)的時間序列進行混沌方法建模的可行性。 (2)基于混沌原理的金融交易行為產(chǎn)生機制識別本文提出利用對金融交易行為的機制進行識別以獲得對離群交易行為的預(yù)測?；煦鐢?shù)據(jù)所具有的短期可預(yù)測性為混沌背景中的細微差別行為檢測提供了新思路。本文基于Takens定理重構(gòu)混

4、沌背景信號相空間，采用RBF神經(jīng)網(wǎng)絡(luò)對正常金融交易數(shù)據(jù)建立預(yù)測模型，以此對可疑金融交易數(shù)據(jù)進行預(yù)測，由于正常金融交易與可疑金融交易內(nèi)在產(chǎn)生機理存在本質(zhì)差異，因此可疑金融交易必然存在較大的預(yù)測誤差。通過理想混沌時間序列與實際金融數(shù)據(jù)的仿真實驗表明，基于混沌的誤差檢測方法對于離群模式能夠有效檢出。 (3)金融數(shù)據(jù)的特征提取與相似性度量特征提取的目的是獲得能夠被機器識別的數(shù)學特征。區(qū)別于傳統(tǒng)的金融時間序列的相似性度量方法，提出了一種基

5、于RBF神經(jīng)網(wǎng)絡(luò)一步預(yù)測誤差序列特征提取與相似性度量方法。該方法將時間序列之間的相似性度量換化成特征矢量之間的相似性度量，且特征矢量綜合考慮了連續(xù)的時域功率特征和離散的客戶背景特征。實驗證明該方法相對于傳統(tǒng)的直接距離、傅立葉變換、ARMA模型法具有明顯優(yōu)勢。同時為了解決可疑交易數(shù)據(jù)分類中的異構(gòu)數(shù)據(jù)集相似性度量問題，提出采用異構(gòu)特征向量的距離度量函數(shù)HVDM以滿足支持向量機自動分類要求。 (4)基于一類支持向量機的離群分類判別針對

6、金融交易數(shù)據(jù)量大、無訓練集的特點，利用基于統(tǒng)計學習理論的一類支持向量機實現(xiàn)基于無監(jiān)督的離群分類。最后用基于異構(gòu)數(shù)據(jù)集距離度量HVDM的RBF形核函數(shù)，訓練一類支持向量機，仿真數(shù)據(jù)以及實際金融數(shù)據(jù)的離群檢測實驗證明了該方法的有效性。 通過上述四步前后相互銜接、具有嚴密邏輯聯(lián)系的離群模式挖掘工作，構(gòu)成了一套具備針對復雜金融交易行為內(nèi)在細微機制差別的離群模式完整挖掘體系，這一體系還可推廣應(yīng)用于信號處理、網(wǎng)絡(luò)入侵檢測、危機預(yù)警、健康普查