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，这种行为发生在人们故意秘密地剥夺他人有价值的东西的时候。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。欺诈分析可以帮助组织降低与欺诈相关的成本。

财务欺诈可以是公司的，例如当财务报表被伪造，当对冲基金虚假报告回报，或当股票市场操纵危及法规的遵守。欺诈也可能发生在医疗保健和保险领域，并通过诸如身份盗窃(信用卡)、洗钱和逃税等方式发生。

对冲基金收益操纵由于监管较少，更容易发生欺诈行为。它是由于管理者在评估非流动性投资时拥有自由裁量权或公然欺诈时的不当行为造成的。

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^®以检测哪些银行交易是潜在的欺诈行为。

• 机器学习(有监督的或无监督的)可以在检测异常时以很高的精度提示欺诈的可能性。
  • 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，该算法推断出一个能够将未来交易分类为合法或不合法的函数。回归中一个典型的例子是预测欺诈的数量。
  • 无监督学习不要求历史观察被标记为欺诈性或非欺诈性，对于没有可用的历史欺诈性数据的公司很有用。
• 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，以识别可能表明欺诈模式的异常值。

最后，本福德法可以作为检测欺诈行为的指标。用于欺诈分析的其他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™。