欺诈行为分析

欺诈分析是检测和监控欺诈的技术方法，当人们故意秘密行动以剥夺他人的价值时，就会发生欺诈。欺诈分析可以在事务完成之前(欺诈预防)，也可以在事务发生之后(欺诈检测)进行。欺诈分析帮助组织降低与欺诈相关的成本。

财务欺诈可以是公司行为，比如伪造财务报表、对冲基金虚假报告收益，或者操纵股市危及合规。欺诈也可能发生在医疗保健和保险行业，通过身份盗窃(信用卡)、洗钱和逃税等方法。

由于监管较少，对冲基金回报操纵更容易发生欺诈。当经理们在对非流动性投资进行估价时，他们会有不当行为，或者他们会犯下彻头彻尾的欺诈行为。

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是欺诈性的。

• 机器学习(有监督的或无监督的)在检测异常时给你一个欺诈可能性的指示，具有很高的准确性。
  • 在监督式学习(回归，分类)，历史交易被标记为欺诈或真实。然后，这些记录被用来训练一种算法，该算法可以推断出一种能够将未来的交易分类为合法或不合法的功能。一个典型的回归例子是预测欺诈的数量。
  • 无监督学习不需要历史观察被标记为欺诈或非欺诈，是有用的公司，没有历史欺诈数据可用。
• 数据挖掘和模式识别用于检测与欺诈相关的数据中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，以识别可能表明欺诈模式的离群值。

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

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™。