欺诈分析

欺诈分析是检测和监测欺诈的技术方法，当人们故意秘密地剥夺另一种价值时，就会发生这种方法。欺诈分析可以在交易完成之前进行（欺诈预防）或发生（欺诈检测）。欺诈分析帮助组织降低与欺诈相关的成本。

金融欺诈可以是企业的，例如当财务报表伪造时，当对冲基金错误报告退货时，或者当股票市场操纵时，操纵监管遵守情况。欺诈也可以发生在医疗保健和保险中，并通过诸如身份盗窃（信用卡），洗钱和逃税等方法。

由于规定更少，对冲基金返回操纵更容易发生欺诈。当管理人员有权酌情估值的非魅力投资或彻底欺诈时，它导致了不端行为。

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。您可以使用MATLAB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（监督或无监督）为您提供了在检测异常时具有高精度的欺诈可能性的迹象。
  • 在监督学习（回归，分类），历史交易被标记为欺诈或真实性。然后，这些记录用于训练infers的算法，该算法能够将未来事务分类为合法的功能。回归中的典型示例是预测欺诈量。
  • 无人监督的学习不需要将历史观察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有用。
• 数据挖掘和模式识别用于检测与欺诈相关的数据之间的有意义模式或趋势。
• 统计分析包括分析框架来计算统计参数以识别可能表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。

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