高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于数据流多维分析的可疑金融交易动态识别

尹为,张成虎,甘凯

downloadPDF
文章导航> bob手机在线登陆学报（社会科学版）> 2013> (5): 52-59
尹为, 张成虎, 甘凯. 基于数据流多维分析的可疑金融交易动态识别[J]. bob手机在线登陆学报（社会科学版）, 2013, (5): 52-59.
引用本文: 尹为, 张成虎, 甘凯. 基于数据流多维分析的可疑金融交易动态识别[J]. bob手机在线登陆学报（社会科学版）, 2013, (5): 52-59.
shu
YIN Wei, ZHANG Chenghu, GAN Kai. Dynamic Suspicious Financial Transactions Recognition Based on Multi-dimension Analysis of Data Stream[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (5): 52-59.
Citation: YIN Wei, ZHANG Chenghu, GAN Kai. Dynamic Suspicious Financial Transactions Recognition Based on Multi-dimension Analysis of Data Stream[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (5): 52-59.
shu

基于数据流多维分析的可疑金融交易动态识别

  • 1.

    西安交通大学 经济与金融学院, 西安 710061

基金项目:

国家自然科学基金资助项目“基于数据挖掘的可疑金融交易识别研究”(70771087);教育部社科规划基金资助项目“我国商业银行反洗钱有效性及其评价研究”(12YJA790184)

Dynamic Suspicious Financial Transactions Recognition Based on Multi-dimension Analysis of Data Stream

  • 1.

    School of Economics and Finance, Xi'an Jiaotong University, Xi'an 710061, China

  • 摘要:动态识别是改进我国目前可疑金融交易识别监测覆盖面不足和识别实时性较差的有效方法。针对动态识别的具体实现问题,基于数据流多维分析设计一种可疑突变特征动态识别算法。该算法根据金融交易数据流的特点,在筛选交易记录关键属性、构建数据流立方体结构以及确定通用路径的基础上,运用突变比量动态缩减时间框架,在不同维度及概念层上计算和维护立方体中数据单元的度量参数与突变比量参数,并以此为依据发现并识别出隐匿于数据流中的可疑突变特征。仿真结果表明:算法能够在有限的存储空间内完成对大规模金融交易数据流的实时处理,计算结果能够有效反映交易记录中频度、金额、类型等方面的可疑突变情况,从而达到动态识别可疑金融交易的目的。
    Abstract:The limitation in real-time and coverage is the main problem that troubles the suspicious financial transactions recognition in our country at present, and dynamic suspicious financial transactions recognition is an effective way to improve it. To implement dynamic recognition, an algorithm recognizing the suspicious mutation characteristics in financial transaction data stream based on multi-dimension analysis of data stream is proposed in this paper. In the algorithm, according to the features of financial transaction data stream, MCTF (Mutation Comparing Time Frame) is used to help compute the measuring parameters and mutation comparing parameters from different dimensions and concept layers on basis of choosing key attributes of transaction records, constructing structure of data stream cube, and determining general paths. Based on the results computed, the suspicious mutation characteristics in financial transaction data stream can be recognized. By experiments, the algorithm is shown to be able to process financial transaction data stream of huge scale in time in limited storage space, and the processing result can reflect the mutations of frequency, amount, and types of transaction records effectively to help recognize the suspicious financial transactions dynamically.
  • [1] Masciandaro,Donato,Raffaella. Worldwide anti-money laundering regulation:estimating costs and benefits[R]. “Paolo Baffi” Center on Centural Banking and Financial Regulation,2008:12-13.
    [2] 中国人民共和国中央人民政府国务院. 中国2008—2012年反洗钱战略[R]. 北京:中国人民银行,2009.
    [3] 唐旭,师永彦,曹作义. 中国反洗钱工作有效性研究[J]. 金融研究,2009 (8):1-16.
    [4] Henzinger M R,Raghavan P,Rajagopalan S. Computing on data streams[R]. Technical Report,1998(50):107-118.
    [5] 杨胜刚,何静. 反洗钱领域大额与可疑交易信息报告制度的经济学分析[J]. 金融研究,2004(10):115-117.
    [6] 杨胜刚,何靖,肖翼. 反洗钱中监管机构和商业银行的博弈与委托代理问题研究[J]. 金融研究,2007(1):71-83.
    [7] 李时. 基于模糊概念的可疑金融交易量化关联规则研究[J]. 当代经济科学,2007(5):28-31.
    [8] 张成虎,赵小虎. 基于决策树算法的反洗钱识别研究[J]. 武汉理工大学学报:自然科学版,2008(2):154-156.
    [9] Menon R,Kuman S. Understanding the role of technology in anti-money laundering compliance[R]. Infosys Technology Ltd,2005 (1):2-13.
    [10] 欧阳卫民. 金融情报机构[M]. 北京:中国金融出版社,2005:112-117.
    [11] 欧阳卫民. 大额和可疑资金交易监测分析实务[M]. 北京:法律出版社,2006:253-259.
    [12] 孙景,张成虎,陈善新. 基于时间序列孤立点检测的可疑外汇资金交易识别研究[J]. 统计与决策,2010(18):26-29.
    [13] 王斌,汤俊,陶也青.一种基于混沌预测的离群时间序列检测方法[J]. 武汉大学学报:工学版,2010,43(2):265-268.
    [14] Liu X. A scan statistics based suspicious transactions detection model for anti-money laundering(AML) in financial institutions[C]. Proceeding of Multimedia Communications (Mediacom) International Conference,2010:210-213.
    [15] Liu K Y. An improved support-vector network model for anti-money laundering[C]. Proceeding of 5th Management of e-Commerce and e-Government (ICMeCG) International Conference,2011:193-196.
    [16] 侯东风,张维明,刘青宝. 基于兴趣视图子集的流立方体计算方法[J]. 计算机研究与发展,2011,48(12):2369-2378.
    [17] 袁正午,程宇翔,梁均军. 一种高效流立方体结构[J]. 计算机工程与应用,2011,47(17):140-144.
    [18] Han J W,Jian P. Mining frequent patterns without candidate generation:a frequent-pattern tree approach[J]. Data Mining and Knowledge Discovery,2004,8(1):53-87.
    [19] Chi Y,Wang H X,Philip S. Catch the moment:maintaining closed frequent item sets over a data stream sliding window[J]. Knowledge an Information Systems,2006,10(3):265-294.
    [20] Fang M,Shivakumar N. Computing iceberg queries efficiently[C]. Proceeding of the 24th VLDB Conference,1998:299-310.
    [21] Beyer K,Ramakrishnan R. Bottom-up computation of spares and iceberg cubes[J]. ACM SIGMOD Record,1999,28(2):359-
    [22] Xin D,Han J W,Li X,et al. Star-cubing:computing iceberg cubes by top-down and bottom-up integration[C]. Proceeding of the 29th VLDB Conference,2003:476-487.
    [23] Chen Y X,Dong G Z,Han J W,et al. Multidimensional regression analysis of time series data streams[C]. Proceeding of the 28th VLDB Conference,2002:323-334.
    [24] Han J W. Stream cube:an architecture for multidimensional analysis of data streams[J]. Distributed and Parallel Databases,2005,18(2):173-197.
    [25] Hershberger J,Shrivastava N,Suri S. Adaptive spatial partitioning for multidimensional data sreams[J]. Algorithmica,2006,46(1):97-117.
    [26] .
  • [1] 张毅, 杨奕, 邓雯.政策与部门视角下中国网络空间治理——基于LDA和SNA的大数据分析. bob手机在线登陆学报（社会科学版）, 2019, (2): 127-136.doi:10.15918/j.jbitss1009-3370.2019.2801
    [2] 甘莅豪.大数据时代专家在舆论场中的公信力分析. bob手机在线登陆学报（社会科学版）, 2019, (4): 181-188.doi:10.15918/j.jbitss1009-3370.2019.1459
    [3] 张宁, 刘青君.碳交易减少了中国火电厂的减排成本吗?——基于2005-2010年面板数据的实证分析. bob手机在线登陆学报（社会科学版）, 2019, (1): 7-16.doi:10.15918/j.jbitss1009-3370.2019.3166
    [4] 严圣艳, 徐小君.金融产业集聚、技术创新与区域经济增长——基于中国省级面板数据的PVAR模型分析. bob手机在线登陆学报（社会科学版）, 2019, (1): 103-109.doi:10.15918/j.jbitss1009-3370.2019.3997
    [5] 李国平, 王柄权.中国最优金融结构演化路径分析. bob手机在线登陆学报（社会科学版）, 2018, (4): 53-63.doi:10.15918/j.jbitss1009-3370.2018.3564
    [6] 樊静丽, 魏世杰, 张贤.2015年中国能源流与碳流分析. bob手机在线登陆学报（社会科学版）, 2018, (4): 40-45.doi:10.15918/j.jbitss1009-3370.2018.1997
    [7] 李祥发, 冯宗宪, 薛伟贤.中国货币政策的利率规则——基于金融状况指数的分析. bob手机在线登陆学报（社会科学版）, 2016, (6): 85-91.doi:10.15918/j.jbitss1009-3370.2016.0611
    [8] 李红霞, 傅强.中国省际要素投入与经济增长研究——基于总量生产函数的面板数据分析. bob手机在线登陆学报（社会科学版）, 2013, (2): 48-52.
    [9] 罗剑朝, 王磊玲.农户融资绩效区域差异分析——基于1995—2009年面板数据的实证研究. bob手机在线登陆学报（社会科学版）, 2012, (2): 15-21.
    [10] 张书云, 周凌瑶.公共物品供给对农村居民消费影响的实证分析——基于农村面板数据. bob手机在线登陆学报（社会科学版）, 2011, (6): 54-57,78.
    [11] 刘坚, 赵黎明, 吴倩.金融发展水平对汇率制度的选择效应分析. bob手机在线登陆学报（社会科学版）, 2011, (1): 64-67,72.
    [12] 韩伯棠, 程嘉许, 周毕文.商业银行房地产金融流动性风险分析研究. bob手机在线登陆学报（社会科学版）, 2011, (1): 23-27.
    [13] 王春峰, 周岚, 房振明, 张亚楠.同行业股票价格发现的实证研究——基于知情交易假设下日内高频数据的实证分析. bob手机在线登陆学报（社会科学版）, 2010, (2): 59-64.
    [14] 邵侃, 商兆奎.唐代的灾荒与人口流迁. bob手机在线登陆学报（社会科学版）, 2009, (6): 119-124.
    [15] 曲虹, 高伟涛.数据包络分析方法在研究生教育投入产出效率评价中的应用. bob手机在线登陆学报（社会科学版）, 2009, (6): 26-30.
    [16] 石娟, 齐二石.数据挖掘技术在证券业营销策略分析系统中的应用. bob手机在线登陆学报（社会科学版）, 2008, (5): 59-62.
    [17] 邢德海, 齐二石, 董旭源.基于SOA的国有银行数据集中管理系统分析与设计. bob手机在线登陆学报（社会科学版）, 2007, (5): 86-89.
    [18] 吴三忙, 李树民.经济增长与城乡收入差距演化——基于各省面板数据的实证分析. bob手机在线登陆学报（社会科学版）, 2007, (3): 68-73.
    [19] 吴绍艳, 高静娟.金融机构反洗钱措施中了解客户原则之探析——兼议我国金融机构反洗钱体制中该原则的完善. bob手机在线登陆学报（社会科学版）, 2006, (1): 63-66.
    [20] 杨熠.我国开展股票指数期货交易的可行性分析. bob手机在线登陆学报（社会科学版）, 2002, (3): 68-69.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:1039
  • HTML全文浏览量:1
  • PDF下载量:1802
  • 被引次数:0
出版历程
  • 收稿日期:2012-07-06
  • 刊出日期:2013-09-02

基于数据流多维分析的可疑金融交易动态识别

  • 1. 西安交通大学 经济与金融学院, 西安 710061
    • 基金项目:

    国家自然科学基金资助项目“基于数据挖掘的可疑金融交易识别研究”(70771087);教育部社科规划基金资助项目“我国商业银行反洗钱有效性及其评价研究”(12YJA790184)

  • 收稿日期:2012-07-06
  • 刊出日期:2013-09-02

摘要:动态识别是改进我国目前可疑金融交易识别监测覆盖面不足和识别实时性较差的有效方法。针对动态识别的具体实现问题,基于数据流多维分析设计一种可疑突变特征动态识别算法。该算法根据金融交易数据流的特点,在筛选交易记录关键属性、构建数据流立方体结构以及确定通用路径的基础上,运用突变比量动态缩减时间框架,在不同维度及概念层上计算和维护立方体中数据单元的度量参数与突变比量参数,并以此为依据发现并识别出隐匿于数据流中的可疑突变特征。仿真结果表明:算法能够在有限的存储空间内完成对大规模金融交易数据流的实时处理,计算结果能够有效反映交易记录中频度、金额、类型等方面的可疑突变情况,从而达到动态识别可疑金融交易的目的。

English Abstract

尹为, 张成虎, 甘凯. 基于数据流多维分析的可疑金融交易动态识别[J]. bob手机在线登陆学报（社会科学版）, 2013, (5): 52-59.
引用本文: 尹为, 张成虎, 甘凯. 基于数据流多维分析的可疑金融交易动态识别[J]. bob手机在线登陆学报（社会科学版）, 2013, (5): 52-59.
shu
YIN Wei, ZHANG Chenghu, GAN Kai. Dynamic Suspicious Financial Transactions Recognition Based on Multi-dimension Analysis of Data Stream[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (5): 52-59.
Citation: YIN Wei, ZHANG Chenghu, GAN Kai. Dynamic Suspicious Financial Transactions Recognition Based on Multi-dimension Analysis of Data Stream[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (5): 52-59.
shu
参考文献 (26)

目录

    /

      返回文章
      返回

        作者相关

        写作规范

        友情链接

        总访问量: 今日访问量:

        版权所有：bob手机在线登陆学术期刊中心

        主管单位: 中华人民共和国工业和信息化部 主办单位: bob手机在线登陆 地址: 北京市海淀区中关村南大街5号

        本系统由北京仁和汇智信息技术有限公司开发  百度统计

        Baidu
        map