欺诈行为分析

欺诈分析是一种检测和监控欺诈行为的技术方法，当人们故意秘密地剥夺他人有价值的东西时，就会发生欺诈。欺诈分析可以在交易完成之前(欺诈预防)或交易发生之后(欺诈检测)进行。欺诈分析帮助组织降低与欺诈相关的成本。

财务欺诈可以是企业的，例如，当财务报表被伪造，当对冲基金虚假报告回报，或当操纵股票市场危害法规遵从。欺诈还可能发生在医疗保健和保险行业，并通过身份盗窃(信用卡)、洗钱和逃税等方式发生。

由于监管较少，对冲基金的回报率操纵更容易发生欺诈。它源于管理者在评估非流动性投资或公然欺诈时的不当行为。

欺诈分析中最常用的技术是人工智能(AI)、机器学习、深度学习和统计分析。您可以在MATLAB中应用这些技术^®检测哪些银行交易可能存在欺诈行为。

• 机器学习(有监督的或无监督的)在检测异常时以高度的准确性为您提供欺诈可能性的指示。
  • 在监督式学习(回归，分类)，历史交易被标记为欺诈或真实的。然后，这些记录被用来训练一种算法，该算法推断出一种功能，能够对未来的交易进行合法或不合法的分类。回归的一个典型例子是预测欺诈的数量。
  • 无监督学习不需要将历史观察标记为欺诈性或非欺诈性，对于没有欺诈性历史数据的公司很有用。
• 数据挖掘和模式识别用于检测数据中与欺诈相关的有意义的模式或趋势。
• 统计分析包括一个分析框架，用于计算统计参数，以识别可能指示欺诈模式的异常值。

最后，本福德定律可以作为检测欺诈的指标。用于欺诈分析的其他指标包括基于回报和基于文本。

有关欺诈分析的更多信息，请参见统计和机器学习工具箱™，深度学习工具箱™,文本分析工具箱™。