基于可疑金融交易識(shí)別的離群模式挖掘研究.pdf

1、本文的選題來(lái)源于對(duì)可疑金融交易行為的識(shí)別與監(jiān)控理論原型體系研究。主要研究?jī)?nèi)容是利用機(jī)器學(xué)習(xí)和系統(tǒng)復(fù)雜性的理論和方法，從海量和復(fù)雜的金融交易數(shù)據(jù)中學(xué)習(xí)和識(shí)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(shí)現(xiàn)對(duì)涉嫌洗錢(qián)或欺詐的可疑金融交易行為的計(jì)算機(jī)自動(dòng)甄別和監(jiān)管。 金融系統(tǒng)是一個(gè)非常復(fù)雜的大系統(tǒng)，一直以來(lái)對(duì)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(yán)格假設(shè)條件下的簡(jiǎn)化模型，這樣的確使問(wèn)題得到了簡(jiǎn)化

2、，但在實(shí)踐過(guò)程中卻導(dǎo)致高漏檢率和高誤報(bào)率。 本文根據(jù)金融交易的非線性機(jī)制，引入了基于系統(tǒng)復(fù)雜性理論的混沌分析方法，對(duì)由內(nèi)在確定動(dòng)力學(xué)機(jī)制產(chǎn)生的具有外部隨機(jī)性特征的金融交易時(shí)間序列進(jìn)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(lèi)似隨機(jī)的，具有短期可預(yù)測(cè)但長(zhǎng)期不可預(yù)測(cè)的特性。本文利用相空間重構(gòu)理論實(shí)現(xiàn)對(duì)金融時(shí)間序列的混沌屬性分析，采用互信息法計(jì)算出最優(yōu)時(shí)延，

3、假近鄰法計(jì)算最優(yōu)嵌入維，軌道跟蹤法求取最大Lyapunov指數(shù)，基于真實(shí)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，金融交易時(shí)間序列存在有限的關(guān)聯(lián)維和一個(gè)正的最大Lyapunov指數(shù)，證實(shí)了對(duì)金融交易數(shù)據(jù)的時(shí)間序列進(jìn)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(jī)制識(shí)別本文提出利用對(duì)金融交易行為的機(jī)制進(jìn)行識(shí)別以獲得對(duì)離群交易行為的預(yù)測(cè)?；煦鐢?shù)據(jù)所具有的短期可預(yù)測(cè)性為混沌背景中的細(xì)微差別行為檢測(cè)提供了新思路。本文基于Takens定理重構(gòu)混

4、沌背景信號(hào)相空間，采用RBF神經(jīng)網(wǎng)絡(luò)對(duì)正常金融交易數(shù)據(jù)建立預(yù)測(cè)模型，以此對(duì)可疑金融交易數(shù)據(jù)進(jìn)行預(yù)測(cè)，由于正常金融交易與可疑金融交易內(nèi)在產(chǎn)生機(jī)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(cè)誤差。通過(guò)理想混沌時(shí)間序列與實(shí)際金融數(shù)據(jù)的仿真實(shí)驗(yàn)表明，基于混沌的誤差檢測(cè)方法對(duì)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(jī)器識(shí)別的數(shù)學(xué)特征。區(qū)別于傳統(tǒng)的金融時(shí)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(cè)誤差序列特征提取與相似性度量方法。該方法將時(shí)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(shí)域功率特征和離散的客戶背景特征。實(shí)驗(yàn)證明該方法相對(duì)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(shì)。同時(shí)為了解決可疑交易數(shù)據(jù)分類(lèi)中的異構(gòu)數(shù)據(jù)集相似性度量問(wèn)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(jī)自動(dòng)分類(lèi)要求。 (4)基于一類(lèi)支持向量機(jī)的離群分類(lèi)判別針對(duì)

6、金融交易數(shù)據(jù)量大、無(wú)訓(xùn)練集的特點(diǎn)，利用基于統(tǒng)計(jì)學(xué)習(xí)理論的一類(lèi)支持向量機(jī)實(shí)現(xiàn)基于無(wú)監(jiān)督的離群分類(lèi)。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(xùn)練一類(lèi)支持向量機(jī)，仿真數(shù)據(jù)以及實(shí)際金融數(shù)據(jù)的離群檢測(cè)實(shí)驗(yàn)證明了該方法的有效性。 通過(guò)上述四步前后相互銜接、具有嚴(yán)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(duì)復(fù)雜金融交易行為內(nèi)在細(xì)微機(jī)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(hào)處理、網(wǎng)絡(luò)入侵檢測(cè)、危機(jī)預(yù)警、健康普查