欺诈分析

欺诈分析是检测和监视欺诈的技术方法，当人们秘密采取行动以剥夺其他有价值的东西时，发生这种方法。欺诈分析可以在交易完成（预防欺诈）或发生后（欺诈检测）之前进行。欺诈分析可帮助组织降低与欺诈相关的成本。

财务欺诈可以是公司，例如伪造财务报表，对冲资金错误地报告收益率或股市操纵危害法规遵守情况时。欺诈也可以在医疗保健和保险中以及通过诸如身份盗用（信用卡），洗钱和逃税等方法发生。

由于法规较少，对冲基金返回操作更容易欺诈。当经理在评估流动性不足的投资或彻底欺诈方面有酌处权时，这是由于行为不当而导致的。

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。您可以使用MATLAB应用这些技术^®to detect which banking transactions are potentially fraudulent.

• 机器学习（受监督或无监督）可以指示您在检测异常时具有高度准确性的欺诈可能性。
  • 在监督学习（回归，分类），历史交易被标记为欺诈或真实。然后，这些记录用于训练一种算法，该算法会输入能够将未来交易分类为合法的功能。回归的一个典型例子是预测欺诈的数量。
  • 无监督的学习不需要将历史观察结果标记为欺诈或非欺诈，并且对于没有可用历史欺诈数据的公司很有用。
• 数据挖掘和模式识别用于检测与欺诈有关的数据之间的有意义的模式或趋势。
• 统计分析由一个分析框架组成，以计算统计参数，以识别可能指示欺诈模式的异常值。

最后，本福德的法律可以用作检测欺诈的指标。用于欺诈分析的其他指标包括基于返回和基于文本的指标。

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