金融環(huán)境的穩(wěn)定是現(xiàn)代經(jīng)濟(jì)發(fā)展的重要推動力之一,然而當(dāng)今世界存在著各種形式的非法交易活動如洗錢和非法集資等嚴(yán)重危害著世界金融體系的穩(wěn)定.同時銀行交易是非法活動重要活動渠道之一,對銀行交易的監(jiān)管和檢測日益受到社會的關(guān)注.因此高效地、準(zhǔn)確地從龐大的銀行交易數(shù)據(jù)中篩選識別出異常的交易信息成為當(dāng)下銀行和金融監(jiān)管部門的迫切需求.針對該問題本文結(jié)合已有的研究成果展開深入研究,引入一種新的異常交易檢測方法:掃描統(tǒng)計分析方法,并且對傳統(tǒng)掃描統(tǒng)計方法進(jìn)行改進(jìn)以適用于銀行交易數(shù)據(jù).具體研究內(nèi)容如下:首先,結(jié)合已有研究成果的不足和實際銀行交易數(shù)據(jù)的特點,構(gòu)造出針對銀行交易數(shù)據(jù)的統(tǒng)計量——交易項信息量.從銀行交易數(shù)據(jù)的153個字段中有針對性的選取包括賬戶ID,交易類型,交易日期,交易金額在內(nèi)的14個字段,經(jīng)過數(shù)據(jù)處理,構(gòu)造出交易項信息量的具體計算公式,做為后續(xù)研究主體,避免因單一研究銀行交易數(shù)據(jù)的交易金額而出現(xiàn)錯誤檢測的情況.其次,引入掃描統(tǒng)計分析方法,篩選出具有異常聚集性的交易區(qū)間.同時針對銀行交易數(shù)據(jù)的特點和傳統(tǒng)掃描統(tǒng)計的不足,對傳統(tǒng)的掃描統(tǒng)計分析方法進(jìn)行了改進(jìn),利用Monte Carlo模擬和對數(shù)似然比檢驗方法來代替計算掃描統(tǒng)計量的分布或者近似分布,避免了直接計算分布或者近似分布時的困難.在交易數(shù)據(jù)呈現(xiàn)單峰形態(tài)時提出了基于Poisson分布的掃描統(tǒng)計方法,并且驗證了掃描統(tǒng)計分析方法在銀行異常交易篩選問題上的適用性以及改進(jìn)掃描統(tǒng)計方法的優(yōu)良性.最后,針對呈現(xiàn)雙峰形態(tài)的銀行交易數(shù)據(jù),本文建立了基于雙Poisson分布的掃描統(tǒng)計模型,同時也引入了改進(jìn)的掃描統(tǒng)計模型中的Monte Carlo模擬和對數(shù)似然比檢驗方法.然后利用銀行交易數(shù)據(jù)對該模型進(jìn)行了銀行異常交易篩選的實證分析,最終驗證了在銀行數(shù)據(jù)呈現(xiàn)雙峰形態(tài)時雙Poisson分布的掃描統(tǒng)計模型在銀行異常交易篩選問題上具有更好的適用性和更高的精度.
【學(xué)位單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：C815;F832.2
【部分圖文】：

違法交易關(guān)系圖

圖 1-2 技術(shù)路線圖主要采取的技術(shù)路線如圖 1-2 所示。同時依據(jù)技術(shù)路線，簡單介紹本置：第 2 章主要針對銀行交易數(shù)據(jù)做預(yù)處理研究，計算每一條交易數(shù)

年 7 月份的交易記錄，對其每一天進(jìn)行整理，借出(C)和貸入(D)比如圖 2-1 所示：圖 2-1 銀行交易借貸比經(jīng)過表2-4和圖2-1的分析可以得知，銀行賬戶交易借出(C)和貸入(D)比大致在0.7:1左右，并不是嚴(yán)格的 1:1，經(jīng)過觀察發(fā)現(xiàn)樣本中每一天的交易數(shù)據(jù)均是借出交易數(shù)量小于貸入交易數(shù)量且整個 7 月份總體借出交易數(shù)量也是小于貸入交易數(shù)量。同時本文的目的是檢測異常違法交易如：洗錢交易和非法集資交易等，最核心的目的是檢測出最終交易賬戶和資金的去向，追回違法資金，所以最終的核心交易賬戶在進(jìn)行非法交易時貸入(D)交易記錄要比借出(C)交易記錄多，在檢測時就要重點檢測貸入交易(D)記錄，即在本文研究中貸入交易(D)影響程度要大
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;二手交易數(shù)據(jù)[J];中國科技信息;2017年23期

2 程震舟;;我國“智慧外貿(mào)”發(fā)展趨勢分析[J];環(huán)球市場信息導(dǎo)報;2017年27期

3 魏曉晨;;關(guān)于產(chǎn)權(quán)交易數(shù)據(jù)在大數(shù)據(jù)時代拓展用途的思索——讀《大數(shù)據(jù)時代》后的聯(lián)想[J];產(chǎn)權(quán)導(dǎo)刊;2014年08期

4 王怡;王昭;梁生吉;;基于大數(shù)據(jù)技術(shù)的多平臺協(xié)同交易數(shù)據(jù)查詢系統(tǒng)的構(gòu)建[J];中國金融電腦;2016年12期

5 張波;蔣遠(yuǎn)營;;基于中國股票高頻交易數(shù)據(jù)的隨機(jī)波動建模與應(yīng)用[J];統(tǒng)計研究;2017年03期

6 閆莉;;從交易數(shù)據(jù)看指數(shù)運行[J];證券導(dǎo)刊;2008年28期

7 王帥;李銀蓮;;遠(yuǎn)期支付有了守護(hù)“橋”[J];進(jìn)出口經(jīng)理人;2009年11期

8 李揚;張肖飛;;全流通背景下公司透明度與市場綜合流動性——基于高頻交易數(shù)據(jù)的分析[J];經(jīng)濟(jì)經(jīng)緯;2017年06期

9 張嫣;;二手車:搶手與燙手[J];經(jīng)營者(汽車商業(yè)評論);2015年01期

10 李淑彪;用JDOM解析XML金融交易數(shù)據(jù)[J];華南金融電腦;2004年01期

相關(guān)博士學(xué)位論文 前2條

1 孫建明;甚高頻交易數(shù)據(jù)的金融計量研究[D];華中科技大學(xué);2004年

2 晏華;交易數(shù)據(jù)的聚類分析[D];電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉釗;基于掃描統(tǒng)計的銀行異常交易篩選方法研究[D];武漢理工大學(xué);2018年

2 張?zhí)炀?互聯(lián)網(wǎng)交易數(shù)據(jù)權(quán)利性質(zhì)問題研究[D];天津大學(xué);2018年

3 彭思;基于客戶交易數(shù)據(jù)的購買樹譜聚類算法研究[D];深圳大學(xué);2018年

4 張凱亮;交易數(shù)據(jù)長期保存的困擾研究[D];鄭州大學(xué);2018年

5 林嘉新;高頻交易數(shù)據(jù)模式下的股指期貨跨期套利實證研究[D];吉林大學(xué);2018年

6 魏迪;城市二手房交易數(shù)據(jù)可視化系統(tǒng)研究與實現(xiàn)[D];天津大學(xué);2018年

7 張莉;基于交易數(shù)據(jù)的零售業(yè)客戶細(xì)分研究[D];西安工業(yè)大學(xué);2014年

8 樊芳利;基于高頻交易數(shù)據(jù)的中國股票市場羊群效應(yīng)研究[D];廣西大學(xué);2016年

9 郭浩明;基于海量金融交易數(shù)據(jù)的客戶信用風(fēng)險預(yù)警方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

10 吳慧燕;高頻快照數(shù)據(jù)與分筆交易數(shù)據(jù)之間的關(guān)系研究[D];華東師范大學(xué);2015年

本文編號：2880372