金融环境的稳定是现代经济发展的重要推动力之一,然而当今世界存在着各种形式的非法交易活动如洗钱和非法集资等严重危害着世界金融体系的稳定.同时银行交易是非法活动重要活动渠道之一,对银行交易的监管和检测日益受到社会的关注.因此高效地、准确地从庞大的银行交易数据中筛选识别出异常的交易信息成为当下银行和金融监管部门的迫切需求.针对该问题本文结合已有的研究成果展开深入研究,引入一种新的异常交易检测方法:扫描统计分析方法,并且对传统扫描统计方法进行改进以适用于银行交易数据.具体研究内容如下:首先,结合已有研究成果的不足和实际银行交易数据的特点,构造出针对银行交易数据的统计量——交易项信息量.从银行交易数据的153个字段中有针对性的选取包括账户ID,交易类型,交易日期,交易金额在内的14个字段,经过数据处理,构造出交易项信息量的具体计算公式,做为后续研究主体,避免因单一研究银行交易数据的交易金额而出现错误检测的情况.其次,引入扫描统计分析方法,筛选出具有异常聚集性的交易区间.同时针对银行交易数据的特点和传统扫描统计的不足,对传统的扫描统计分析方法进行了改进,利用Monte Carlo模拟和对数似然比检验方法来代替计算扫描统计量的分布或者近似分布,避免了直接计算分布或者近似分布时的困难.在交易数据呈现单峰形态时提出了基于Poisson分布的扫描统计方法,并且验证了扫描统计分析方法在银行异常交易筛选问题上的适用性以及改进扫描统计方法的优良性.最后,针对呈现双峰形态的银行交易数据,本文建立了基于双Poisson分布的扫描统计模型,同时也引入了改进的扫描统计模型中的Monte Carlo模拟和对数似然比检验方法.然后利用银行交易数据对该模型进行了银行异常交易筛选的实证分析,最终验证了在银行数据呈现双峰形态时双Poisson分布的扫描统计模型在银行异常交易筛选问题上具有更好的适用性和更高的精度.