基于数据挖掘的信用卡反欺诈系统研究

发布时间：2021-07-25 21:03

　　随着信息技术的不断发展,互联网行业和金融行业的关系日益密切,各类互联网金融公司也如雨后春笋般涌现出来。互联网金融的出现,一方面打破了银行的传统借贷方式,降低了借贷者融资的难度,使得人们能够直接实现线上融资,同时也催生了很多互联网小额贷款公司和互联网金融平台,各式各样的互联网借贷业务不断兴起。另一方面,由于金融欺诈手段层出不穷,相关的负面新闻也频繁出现,如何做好互联网金融行业的风险控制也是一大难题。现如今,高速发展的互联网金融面临的风险主要有三大类:信用类风险、技术类风险和监管风险。信用风险作为三大风险之首,其控制的好坏与否直接关系到整个互联网金融的风控水平。因此,作为信用风险的主要表现形式—欺诈风险,如何有效的降低商业银行等金融机构的信贷欺诈比例,使得反欺诈系统更加完善迫在眉睫。在研究和总结了国内外反欺诈系统的基础之上,本文首先通过结合统计学和机器学习的相关知识,提出了基于数据挖掘的反欺诈系统。该系统主要由数据预处理模块、模型识别模块、输出模块和监控模块这四个部分组成。然后针对互联网消费金融的信用卡消费交易,研究欺诈用户和非欺诈用户这两类用户各方面的特征,并且针对正负样本严重不平衡这一... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

信用卡交易授权系统

交易反欺诈系统流程

单一规则匹配流程

【参考文献】：
期刊论文
[1]互联网消费金融:发展趋势、挑战与对策[J]. 鄂春林.  南方金融. 2018(03)
[2]信用卡与金融科技联合创新的实践和展望[J]. 王卫东.  中国信用卡. 2018(01)
[3]金融科技国际监管经验借鉴及启示[J]. 林羽,蔡文德.  中国信用卡. 2017(08)
[4]美国消费者信用报告准确性研究与启示[J]. 彭宇松,胡文静,李敏敏.  西南金融. 2012(08)
[5]基于混合BP神经网络算法的信用卡消费行为风险预测[J]. 刘岚,王霞,林红旭,高建时.  科技管理研究. 2011(17)
[6]农户小额信贷信用风险评估模型构建[J]. 马文勤,孔荣,杨秀珍.  财会月刊. 2009(36)
[7]信用卡欺诈风险状况探析及对策建议[J]. 黄荣春.  现代经济信息. 2009(16)
[8]基于组合分类器的信用卡欺诈识别研究[J]. 童凤茹.  计算机与信息技术. 2006(07)
[9]防止信用卡欺诈的系统设计[J]. 严华,胡孟梁,蔡瑞英.  微计算机信息. 2006(12)
[10]智能性交易欺诈风险评分模型的开发与应用[J]. 陈建.  中国信用卡. 2006(06)

硕士论文
[1]基于维度建模的银行反欺诈系统设计[D]. 王佳.上海交通大学 2014
[2]基于神经网络的银行卡反欺诈系统模型的改进及其实证[D]. 周鸣.华东师范大学 2007



本文编号：3302774