论文部分内容阅读
洗钱犯罪已经成为社会的一大公害,不仅助长了社会犯罪风气,而且扰乱了金融秩序,损害国家形象。随着经济全球化的发展和国际金融市场的完善,反洗钱已经成为国际金融领域的重要课题。反洗钱的执法主要依赖于银行对相关执法机构和政府机构的报告,即大额与可疑交易报告。我国现行的数据报告制度存在海量的数据报表与高误报率、预设标准容易被洗钱者规避、标准模糊、自适应能力低下等问题。本文的主要目的就是在现行数据报告制度的基础上,提出一种基于离群数据挖掘的不易规避、标准动态变化、人工智能的可疑金融交易识别方法,这对完善我国反洗钱数据报告制度具有重要意义,同时也符合国际反洗钱研究的发展方向。离群数据挖掘是数据挖掘中的重要研究方面之一,其作用是发现数据中的“小模式”,即数据集中显著不同于其它数据的对象。它为分析各种海量的、复杂的、含噪声的数据提供了新的方法。虽然离群数据挖掘方法在反洗钱中可疑金融交易的识别上是非常有效的数据挖掘方式,但是在反洗钱领域中还未得到广泛的应用。然而如何快速有效地找到离群的数据,对反洗钱有着重要意义。本文对挖掘反洗钱中的离群数据进行了探讨。论文指出可疑金融交易数据报告是反洗钱工作的基础和核心,从而确定本文的研究意义和研究价值;分析了我国现行的可疑金融交易数据报告制度存在的问题,提出本研究的必要性;文章的重点在于比较分析一些数据挖掘算法在反洗钱的应用,提出最适合可疑金融交易行为识别的离群数据检测算法,并利用一种新的基于网格和密度的离群数据检测算法对金融机构的客户账户进行可疑金融交易的识别研究。本研究最主要的贡献在于:对离群数据挖掘算法进行研究,提取数据的属性,利用一种新的基于网格和密度的离群数据检测算法对金融机构的交易数据进行聚类分析,发现其中有意义的离群数据,并利用离群指数对可疑程度进行分析,为反洗钱监测分析中心选择重点监测对象提供理论依据,也为深入研究切合金融数据挖掘特点的算法建立形式化的描述。