基于扫描统计的银行异常交易筛选方法研究

发布时间：2020-11-12 06:20

　　 金融环境的稳定是现代经济发展的重要推动力之一,然而当今世界存在着各种形式的非法交易活动如洗钱和非法集资等严重危害着世界金融体系的稳定.同时银行交易是非法活动重要活动渠道之一,对银行交易的监管和检测日益受到社会的关注.因此高效地、准确地从庞大的银行交易数据中筛选识别出异常的交易信息成为当下银行和金融监管部门的迫切需求.针对该问题本文结合已有的研究成果展开深入研究,引入一种新的异常交易检测方法:扫描统计分析方法,并且对传统扫描统计方法进行改进以适用于银行交易数据.具体研究内容如下:首先,结合已有研究成果的不足和实际银行交易数据的特点,构造出针对银行交易数据的统计量——交易项信息量.从银行交易数据的153个字段中有针对性的选取包括账户ID,交易类型,交易日期,交易金额在内的14个字段,经过数据处理,构造出交易项信息量的具体计算公式,做为后续研究主体,避免因单一研究银行交易数据的交易金额而出现错误检测的情况.其次,引入扫描统计分析方法,筛选出具有异常聚集性的交易区间.同时针对银行交易数据的特点和传统扫描统计的不足,对传统的扫描统计分析方法进行了改进,利用Monte Carlo模拟和对数似然比检验方法来代替计算扫描统计量的分布或者近似分布,避免了直接计算分布或者近似分布时的困难.在交易数据呈现单峰形态时提出了基于Poisson分布的扫描统计方法,并且验证了扫描统计分析方法在银行异常交易筛选问题上的适用性以及改进扫描统计方法的优良性.最后,针对呈现双峰形态的银行交易数据,本文建立了基于双Poisson分布的扫描统计模型,同时也引入了改进的扫描统计模型中的Monte Carlo模拟和对数似然比检验方法.然后利用银行交易数据对该模型进行了银行异常交易筛选的实证分析,最终验证了在银行数据呈现双峰形态时双Poisson分布的扫描统计模型在银行异常交易筛选问题上具有更好的适用性和更高的精度.
【学位单位】：武汉理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：C815;F832.2
【部分图文】：

违法交易关系图

图 1-2 技术路线图主要采取的技术路线如图 1-2 所示。同时依据技术路线，简单介绍本置：第 2 章主要针对银行交易数据做预处理研究，计算每一条交易数

年 7 月份的交易记录，对其每一天进行整理，借出(C)和贷入(D)比如图 2-1 所示：图 2-1 银行交易借贷比经过表2-4和图2-1的分析可以得知，银行账户交易借出(C)和贷入(D)比大致在0.7:1左右，并不是严格的 1:1，经过观察发现样本中每一天的交易数据均是借出交易数量小于贷入交易数量且整个 7 月份总体借出交易数量也是小于贷入交易数量。同时本文的目的是检测异常违法交易如：洗钱交易和非法集资交易等，最核心的目的是检测出最终交易账户和资金的去向，追回违法资金，所以最终的核心交易账户在进行非法交易时贷入(D)交易记录要比借出(C)交易记录多，在检测时就要重点检测贷入交易(D)记录，即在本文研究中贷入交易(D)影响程度要大
【相似文献】

相关期刊论文 前10条

1 ;二手交易数据[J];中国科技信息;2017年23期

2 程震舟;;我国“智慧外贸”发展趋势分析[J];环球市场信息导报;2017年27期

3 魏晓晨;;关于产权交易数据在大数据时代拓展用途的思索——读《大数据时代》后的联想[J];产权导刊;2014年08期

4 王怡;王昭;梁生吉;;基于大数据技术的多平台协同交易数据查询系统的构建[J];中国金融电脑;2016年12期

5 张波;蒋远营;;基于中国股票高频交易数据的随机波动建模与应用[J];统计研究;2017年03期

6 闫莉;;从交易数据看指数运行[J];证券导刊;2008年28期

7 王帅;李银莲;;远期支付有了守护“桥”[J];进出口经理人;2009年11期

8 李扬;张肖飞;;全流通背景下公司透明度与市场综合流动性——基于高频交易数据的分析[J];经济经纬;2017年06期

9 张嫣;;二手车:抢手与烫手[J];经营者(汽车商业评论);2015年01期

10 李淑彪;用JDOM解析XML金融交易数据[J];华南金融电脑;2004年01期

相关博士学位论文 前2条

1 孙建明;甚高频交易数据的金融计量研究[D];华中科技大学;2004年

2 晏华;交易数据的聚类分析[D];电子科技大学;2008年

相关硕士学位论文 前10条

1 刘钊;基于扫描统计的银行异常交易筛选方法研究[D];武汉理工大学;2018年

2 张天纬;互联网交易数据权利性质问题研究[D];天津大学;2018年

3 彭思;基于客户交易数据的购买树谱聚类算法研究[D];深圳大学;2018年

4 张凯亮;交易数据长期保存的困扰研究[D];郑州大学;2018年

5 林嘉新;高频交易数据模式下的股指期货跨期套利实证研究[D];吉林大学;2018年

6 魏迪;城市二手房交易数据可视化系统研究与实现[D];天津大学;2018年

7 张莉;基于交易数据的零售业客户细分研究[D];西安工业大学;2014年

8 樊芳利;基于高频交易数据的中国股票市场羊群效应研究[D];广西大学;2016年

9 郭浩明;基于海量金融交易数据的客户信用风险预警方法研究[D];中国科学技术大学;2014年

10 吴慧燕;高频快照数据与分笔交易数据之间的关系研究[D];华东师范大学;2015年

本文编号：2880372