混合馬爾科夫預(yù)測(cè)模型在反洗錢(qián)中的應(yīng)用研究.pdf

1、研究金融網(wǎng)絡(luò)和反洗錢(qián)的一個(gè)重要問(wèn)題是預(yù)測(cè)可疑賬戶未來(lái)可能發(fā)生交易的情況，這個(gè)問(wèn)題可以轉(zhuǎn)化為數(shù)據(jù)挖掘中鏈接預(yù)測(cè)問(wèn)題。傳統(tǒng)的基于圖的拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)相似度的鏈接預(yù)測(cè)方法有一個(gè)很大的不足之處，即使用的是靜態(tài)的方法，忽視了網(wǎng)絡(luò)中與時(shí)間相關(guān)的信息。馬爾科夫模型更好的考慮了時(shí)間因素，同時(shí)具有較高的預(yù)測(cè)準(zhǔn)確性。但是多數(shù)馬爾科夫模型都是對(duì)整個(gè)數(shù)據(jù)集建立一套統(tǒng)一的模型，忽視了預(yù)測(cè)對(duì)象之間的差異性，另一方面，單純的馬爾科夫模型預(yù)測(cè)算法的時(shí)間和空間復(fù)雜度較高。

2、
　　 針對(duì)上述問(wèn)題，可以將數(shù)據(jù)挖掘的相關(guān)理論和馬爾科夫模型結(jié)合起來(lái)。結(jié)合聚類(lèi)、馬爾科夫模型和關(guān)聯(lián)規(guī)則的相關(guān)理論，給出一個(gè)比較完整的預(yù)測(cè)方案。
　　 對(duì)每一個(gè)賬戶，根據(jù)時(shí)間的先后建立其交易對(duì)象的賬戶序列（以下簡(jiǎn)稱(chēng)交易序列），同時(shí)金融交易是具有方向性的，建立交易序列時(shí)，采用一種擴(kuò)展編碼的方法可以較好的將方向性引入馬爾科夫模型的狀態(tài)空間中去。
　　 采用改進(jìn)的k均值聚類(lèi)算法對(duì)所有賬戶的交易序列進(jìn)行聚類(lèi)，將具有相似交易

3、特點(diǎn)的交易序列劃為一類(lèi)，這樣更有針對(duì)性。然后對(duì)每個(gè)聚類(lèi)分別建立基于置信度剪枝的低序馬爾科夫模型，減少馬爾科夫模型的狀態(tài)數(shù)量，預(yù)測(cè)用戶的交易路徑。
　　 當(dāng)預(yù)測(cè)結(jié)果出現(xiàn)模糊時(shí)，引入關(guān)聯(lián)規(guī)則給出更準(zhǔn)確的預(yù)測(cè)結(jié)果。與單純的馬爾科夫模型相比，這樣既可保證較高的預(yù)測(cè)準(zhǔn)確性，同時(shí)保持了相對(duì)較低的時(shí)間和空間復(fù)雜度。
　　 根據(jù)前面的研究，實(shí)現(xiàn)了一個(gè)鏈接預(yù)測(cè)模塊，并通過(guò)兩組對(duì)比實(shí)驗(yàn)，驗(yàn)證了預(yù)測(cè)模型的有效性，表明了聚類(lèi)對(duì)算法預(yù)測(cè)準(zhǔn)確性的影