论文部分内容阅读
摘 要：洗钱的存在不仅损害着公众利益，更是成为了国家的蛀虫，影响着国家的经济发展。数据挖掘技术以其独特的聚类算法和离群数据检测算法在识别可疑金融交易中发挥着重要的作用，虽然不能做到彻底消除洗钱犯罪现象的存在，但是也为反洗钱工作打下了坚实的基础。
关键词：数据挖掘技术；可疑金融交易；识别；离群算法；聚类算法
为了掩饰金钱来源或者进行非法交易的时候交易双方往往会通过非法手段对事实进行掩埋，所以洗钱这种非法手段也就应运而生。现阶段各个国家对于洗钱这种行为都是深恶痛绝，并且反洗钱技术发展也越来越迅速。想要打击犯罪需要先知道是谁犯罪，所以现阶段对于识别可疑金融交易的关注度也越来越高，数据挖掘技术在识别可疑金融交易上的优势也越来越明显。
1 可疑金融交易
1.1 洗钱带来的危害
洗钱是为了给非法所得金钱寻找一个合理身份，以避免法律惩罚。这是一个严重的经济犯罪。洗钱现象的存在会对国民经济发展中造成不利影响，会导致国家财政收入的削弱，打破收支平衡。并且洗钱还会对于人民思想造成危害，影响人民对于国家的信任度。随着洗钱手段的不断多样化，跨国的洗钱犯罪行为也越来越多，打击洗钱犯罪已经不仅仅是一个国家的问题，是所有国家要共同解决的问题。
1.2 反洗钱研究现状
反洗钱是20世纪政府就已经在研究的重要课题，经过了时间的积累以及许多人的努力，现阶段美国等国家已经在银行系统中制定了一系列的反洗钱方案并取得了不错成果，各个银行也以及意识到了打击反洗钱的重要意义，与政府积极配合，完善了反洗钱系统，降低了洗钱对经济造成的危机。我国对于反洗钱的打击力度也在逐年提升，已经有越来越多的人参与到反洗钱的研究中并提出了可靠建议。
1.3 反洗钱与可疑金融交易
反洗钱主要手段是先以数据判别交易可疑性，在进行实地调查，进行取证研究，判定其交易是否合法。本文主要是对于可疑金融交易的判定阶段进行研究，如果可以在不法者进行非法手段进行洗钱之前或者初期就发现其犯罪意图，是有效打击洗钱犯罪的手段，所以可疑金融交易报告随之出现。可疑金融交易就是指金融交易的金钱数量、交易走向、交易次数以及交易方式都与寻常不同，便可以以此为依据提出交易是可疑的，再有专业的调查机构进行调查，以此避免洗钱现象的发生。可疑金融交易的没有具体的规定，就是为了防止这些硬性的规定被非法洗钱分子所利用，以对于可疑金融交易的判定时需要从多方面入手的。比如如果交易金额不符合企业规模、账户交易次数过于多且频繁就可以判定交易的可疑性，另外，可疑金融交易的发生主要集中在江浙、广东等沿海一带，这也是可疑性判定的一个参考因素。
2 数据挖掘技术与可疑金融交易
2.1 数据挖掘
数据挖掘是指在许许多的的大数据中挖掘出有用的信息，对判别一个事件的真假提出可靠依据。数据挖掘是人工与计算机的集合，运用自动化的计算手段实现对于大数据的查找，以解决传统数据分析所带来的人工压力以及时间压力，并且更加的精细。所以数据挖掘技术对于反洗钱工作的开展具有重要作用，可以更加简单、快速的对于金融交易进行筛查，并识别出可疑的金融交易。
2.2 数据挖掘主要算法
2.2.1 神经元网络算法
这种算法模拟了人类的大脑，是一种智能的学习和输入、输出过程，对于非线性和同直线的数据都特别迅速，所以对于数据挖掘也是很优质的算法。此算法在反洗钱的系统中运用其本身特质可以对数据进行反复筛查和几段，能在金融交易中发现可疑线索，判定出可疑性金融交易，由于此算法还具有自动学习特点，可以在发现可疑金融交易后特出最适合调查此次交易的手段。
2.2.2 决策树算法
决策树算法是种常用于预测的算法，它通过将大量数据有目的分类，从中找到一些有价值的、潜在的信息。决策树算法可以帮助金融调查者发现洗钱模式。算法产生的决策树，可以用来针对数据的历史产生规则。这种技巧通过组织种类而产生金融交易数据的分类，与以前调查活动的决策模式相符合。这是通过树形的决策显示相互排斥的二选一的关系从而暗示可能是洗钱。演绎运算法则的使用来自于它们创造一种“推理模式”的能力。这帮助调查者明白某种洗钱的机能。也就是說，这种方法的结果为金融调查者提供了一种独特的路径的安排。调查者可以使用这些路径了解洗钱的程序从而揭开金融犯罪。
2.3 数据挖掘技术在识别可疑金融交易中的应用
2.3.1 数据挖掘聚类算法在可疑金融交易中的应用
聚类是按一定的要求和规律对事物进行区分以达到分类目的的过程，在这一过程中没有任何关于分类的先验知识，没有任何的指导，仅靠事物间的相似性作为类属划分的准则，是一种无监督学习过程。
聚类簇的数量未知、簇的划分不需要先验知识、簇的结果是动态改变的三个特点决定了聚类算法适合用于可疑金融交易的发现。由于洗钱方式多种多样，数据对象表现出来的分布也各式各样，并非所有的可疑帐户都可以聚成一类。因此，在识别可疑的金融交易中，簇的数量是未知的，因洗钱方式而异。现在仍没有现成的案例数据可以为发现可疑金融交易提供实验参考。聚类算法的无监督性可以绕开发现可疑金融交易的研究中存在的无训练样本的难关。在发现洗钱中，簇的数量因洗钱方式而异。随着洗钱方式的增多，发现可疑帐户簇的数量会逐步增加。所以，发现洗钱行为的研究正需要“簇的结果动态改变”的聚类算法的帮助。
2.3.2 数据挖掘离群数据检测算法在可疑金融交易中的应用
到目前为止对离群点的定义还没有一个被普遍采纳的定义，离群数据是明显偏离其他数据，不满足数据的一般模式或行为，与存在的其它数据不一致的数据。尽管离群检测是为了发现数据集中极少数的数据，巨是离群数据挖掘常常比其他类型的挖掘来得更有价值，正常情况下的多条记录可能只是覆盖了一条规则，但是十个离群很可能就覆盖十条不同的规则，也就足乡之对离群数据的挖掘可能涵盖了更多的信息。
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。通过聚类方法分析其中的离群数据，是发现非正常洗钱模式最直观的途径。发现可疑洗钱交易行为就是要从大量的日常交易中发现极少数的、可疑的、异常的交易。
4 结论
本文主要是对于数据挖掘中的聚类算法以及离群算法在可疑金融交易中的应用进行了简单探索，研究证明数据挖掘技术可以运用其算法有效地识别可疑金融交易，为识别可疑金融交易提供了可靠地理论依据，相信随着数据挖掘技术的发展，其在我国反洗钱工作中的作用也会愈加显著。
参考文献
[1]赵维.数据挖掘技术在可疑金融交易控制领域的应用综述[J].东方企业文化，2011（2）.
[2]张成虎，莹莹.基于Binary-SADT的可疑金融交易识别方法[J].上海金融，2010（8）.
关键词：数据挖掘技术；可疑金融交易；识别；离群算法；聚类算法
为了掩饰金钱来源或者进行非法交易的时候交易双方往往会通过非法手段对事实进行掩埋，所以洗钱这种非法手段也就应运而生。现阶段各个国家对于洗钱这种行为都是深恶痛绝，并且反洗钱技术发展也越来越迅速。想要打击犯罪需要先知道是谁犯罪，所以现阶段对于识别可疑金融交易的关注度也越来越高，数据挖掘技术在识别可疑金融交易上的优势也越来越明显。
1 可疑金融交易
1.1 洗钱带来的危害
洗钱是为了给非法所得金钱寻找一个合理身份，以避免法律惩罚。这是一个严重的经济犯罪。洗钱现象的存在会对国民经济发展中造成不利影响，会导致国家财政收入的削弱，打破收支平衡。并且洗钱还会对于人民思想造成危害，影响人民对于国家的信任度。随着洗钱手段的不断多样化，跨国的洗钱犯罪行为也越来越多，打击洗钱犯罪已经不仅仅是一个国家的问题，是所有国家要共同解决的问题。
1.2 反洗钱研究现状
反洗钱是20世纪政府就已经在研究的重要课题，经过了时间的积累以及许多人的努力，现阶段美国等国家已经在银行系统中制定了一系列的反洗钱方案并取得了不错成果，各个银行也以及意识到了打击反洗钱的重要意义，与政府积极配合，完善了反洗钱系统，降低了洗钱对经济造成的危机。我国对于反洗钱的打击力度也在逐年提升，已经有越来越多的人参与到反洗钱的研究中并提出了可靠建议。
1.3 反洗钱与可疑金融交易
反洗钱主要手段是先以数据判别交易可疑性，在进行实地调查，进行取证研究，判定其交易是否合法。本文主要是对于可疑金融交易的判定阶段进行研究，如果可以在不法者进行非法手段进行洗钱之前或者初期就发现其犯罪意图，是有效打击洗钱犯罪的手段，所以可疑金融交易报告随之出现。可疑金融交易就是指金融交易的金钱数量、交易走向、交易次数以及交易方式都与寻常不同，便可以以此为依据提出交易是可疑的，再有专业的调查机构进行调查，以此避免洗钱现象的发生。可疑金融交易的没有具体的规定，就是为了防止这些硬性的规定被非法洗钱分子所利用，以对于可疑金融交易的判定时需要从多方面入手的。比如如果交易金额不符合企业规模、账户交易次数过于多且频繁就可以判定交易的可疑性，另外，可疑金融交易的发生主要集中在江浙、广东等沿海一带，这也是可疑性判定的一个参考因素。
2 数据挖掘技术与可疑金融交易
2.1 数据挖掘
数据挖掘是指在许许多的的大数据中挖掘出有用的信息，对判别一个事件的真假提出可靠依据。数据挖掘是人工与计算机的集合，运用自动化的计算手段实现对于大数据的查找，以解决传统数据分析所带来的人工压力以及时间压力，并且更加的精细。所以数据挖掘技术对于反洗钱工作的开展具有重要作用，可以更加简单、快速的对于金融交易进行筛查，并识别出可疑的金融交易。
2.2 数据挖掘主要算法
2.2.1 神经元网络算法
这种算法模拟了人类的大脑，是一种智能的学习和输入、输出过程，对于非线性和同直线的数据都特别迅速，所以对于数据挖掘也是很优质的算法。此算法在反洗钱的系统中运用其本身特质可以对数据进行反复筛查和几段，能在金融交易中发现可疑线索，判定出可疑性金融交易，由于此算法还具有自动学习特点，可以在发现可疑金融交易后特出最适合调查此次交易的手段。
2.2.2 决策树算法
决策树算法是种常用于预测的算法，它通过将大量数据有目的分类，从中找到一些有价值的、潜在的信息。决策树算法可以帮助金融调查者发现洗钱模式。算法产生的决策树，可以用来针对数据的历史产生规则。这种技巧通过组织种类而产生金融交易数据的分类，与以前调查活动的决策模式相符合。这是通过树形的决策显示相互排斥的二选一的关系从而暗示可能是洗钱。演绎运算法则的使用来自于它们创造一种“推理模式”的能力。这帮助调查者明白某种洗钱的机能。也就是說，这种方法的结果为金融调查者提供了一种独特的路径的安排。调查者可以使用这些路径了解洗钱的程序从而揭开金融犯罪。
2.3 数据挖掘技术在识别可疑金融交易中的应用
2.3.1 数据挖掘聚类算法在可疑金融交易中的应用
聚类是按一定的要求和规律对事物进行区分以达到分类目的的过程，在这一过程中没有任何关于分类的先验知识，没有任何的指导，仅靠事物间的相似性作为类属划分的准则，是一种无监督学习过程。
聚类簇的数量未知、簇的划分不需要先验知识、簇的结果是动态改变的三个特点决定了聚类算法适合用于可疑金融交易的发现。由于洗钱方式多种多样，数据对象表现出来的分布也各式各样，并非所有的可疑帐户都可以聚成一类。因此，在识别可疑的金融交易中，簇的数量是未知的，因洗钱方式而异。现在仍没有现成的案例数据可以为发现可疑金融交易提供实验参考。聚类算法的无监督性可以绕开发现可疑金融交易的研究中存在的无训练样本的难关。在发现洗钱中，簇的数量因洗钱方式而异。随着洗钱方式的增多，发现可疑帐户簇的数量会逐步增加。所以，发现洗钱行为的研究正需要“簇的结果动态改变”的聚类算法的帮助。
2.3.2 数据挖掘离群数据检测算法在可疑金融交易中的应用
到目前为止对离群点的定义还没有一个被普遍采纳的定义，离群数据是明显偏离其他数据，不满足数据的一般模式或行为，与存在的其它数据不一致的数据。尽管离群检测是为了发现数据集中极少数的数据，巨是离群数据挖掘常常比其他类型的挖掘来得更有价值，正常情况下的多条记录可能只是覆盖了一条规则，但是十个离群很可能就覆盖十条不同的规则，也就足乡之对离群数据的挖掘可能涵盖了更多的信息。
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。通过聚类方法分析其中的离群数据，是发现非正常洗钱模式最直观的途径。发现可疑洗钱交易行为就是要从大量的日常交易中发现极少数的、可疑的、异常的交易。
4 结论
本文主要是对于数据挖掘中的聚类算法以及离群算法在可疑金融交易中的应用进行了简单探索，研究证明数据挖掘技术可以运用其算法有效地识别可疑金融交易，为识别可疑金融交易提供了可靠地理论依据，相信随着数据挖掘技术的发展，其在我国反洗钱工作中的作用也会愈加显著。
参考文献
[1]赵维.数据挖掘技术在可疑金融交易控制领域的应用综述[J].东方企业文化，2011（2）.
[2]张成虎，莹莹.基于Binary-SADT的可疑金融交易识别方法[J].上海金融，2010（8）.