基于数据挖掘的可疑金融交易识别研究

将数据挖掘方法与金融领域知识相结合，研究可疑金融交易识别策略与方法，是我国反洗钱领域的重要基础性工作。项目研究的主要内容有：①研究一种基于约束的关联规则增量式更新算法CIFP-UP，以有效适应金融交易行为特征，为复杂交易的关联规则挖掘提供一种新的方法。②针对异常点检测在金融欺诈识别中的重要性，设计一种基于CURE聚类的金融交易异常点检测新算法CURE－outlifer，提高可疑金融交易识别效率。③构建一套基于贝叶斯准则的金融交易可疑度综合判定模式，将交易主体的多维可疑度指标转换成单一判定标准，为可疑交易认定提供准确参考。④实现一种基于回归分析的时间序列相似性匹配新方法，通过将金融交易时间序列模式与洗钱交易时间序列模式进行相似性比对，完成可疑交易的自动识别。项目的研究对于促进我国反洗钱工作建立在有效的技术和方法基础上，提高可疑金融交易识别方法的基础创新能力具有重要的理论意义和实用价值。