基于时间序列建模和控制图的异常交易检测方法.pdfVIP

第43卷第10期 数学的实践与认识 V01．43，No．10 IN AND 2013年5月 MATHEMATICSPRACTICETHEORY May，2013 基于时间序列建模和控制图的异常交易检测方法 刘卓军t，李晓明·，z，a (1．中国科学院数学与系统科学研究院，北京100190) (2．中国科学院大学，北京100049) (3．中国反洗钱监测分析中心，北京100033) 摘要：可疑交易识别是打击洗钱犯罪所要面对的一项重要任务．为辅助反洗钱分析 人员从海量金融交易信息中甄别客户异常交易，本文提出一种新的基于非线性马尔 科夫随机过程、相空间重构和隐马尔科夫链的非线性随机方法，用于对金融交易时序 进行建模拟合，然后应用鲁棒控制图对估计误差进行检验以发现异常．应用该算法对 实际交易数据和仿真数据的分析验证了所提方法的有效性和可行性，可以被用于异 常交易的监测． 关键词：反洗钱；异常交易；马尔科夫模型；隐马尔科夫模型；控制图 洗钱活动对金融经济安全、国家安全和社会稳定造成的威胁已经在全球范围内引起广 泛重视．随着2006年《中华人民共和国反洗钱法》和《金融机构大额交易和可疑交易报告管 理办法》等法规的颁布实施，我国的反洗钱监测分析工作取得了长足发展．其中，有效甄别分 析可疑交易成为金融机构和金融情报中心面临的一项非常具有技术挑战的任务，中国反洗钱 监测分析中心2010年接收的可疑交易报告超过了6000万份【1】，反映了这项工作的艰巨性． 可疑交易的有效甄别，要求金融机构从业人员做好客户身份识别，并对客户及其行为进行人 工分析判断，而不能仅按照模式化的可疑交易报告标准报送数据【引．但面对海量高频的金融 数据，分析人员仅凭借经验人工分析原始交易信息的工作模式难度大、效率低，所以采用合 理的数理方法分析客户行为特征和规律，利用计算机程序对原始信息进行加工处理，从中识 别“异常”交易和行为，在此基础上再由分析人员对是否“可疑”做进一步的分析，是提高反 洗钱工作效率需依靠的重要手段．约从2000年开始，关于数据挖掘技术在反洗钱异常交易检 测中应用的研究逐渐多了起来．国外研究提出的异常交易检测方法主要是基于聚类，分类及 二者的综合．在聚类方面，Zang等【3】将客户的交易投影到时间轴上以形成一个直方图，根 从客户、帐号、业务、地域、时间几大方面提取用户特征向量，用以对客户属性进行分类， 行调查的优先顺序；在聚类和分类的结合方面，Le—Khac等[6】针对投资银行的反洗钱监测问 题，提出基于聚类和分类相结合的数据挖掘技术的检测方法，其核心是先使用聚类方法进行 收稿日期：2013—01．28 资助项目：国家科技支撑计划项目(2013BAK04802．02) 万方数据 数学的实践与认识 43卷 聚类，然后再利用误差反传神经网络对正常和异常案例进行训练．国内近些年来关于异常交 易监测提出的方法较多，其中与本文研究关系密切的基于时间序列的检测方法，可分为五大 类：一是基于相似度核函数的监测方法[71；二是通过寻找时间序列孤立点或突变点的方法来 发现异常交易18】；三是基于交易网络的监测方法【9]；四是利用统计的方法进行时序异常检测 【10】；五是基于马尔科夫模型【11】．其他方法还包括宋媚等【12]等提出一种跨组织多层次的监 测思路，以及冯芸等提出的基于规则或案例的推理[13]等．上述已有研究成果为基于时序的 可疑交易甄别分析奠定了基础，开拓了思路，但仍不乏需改进之处，主要包括过于依赖模型和 计算机程序自动解决问题，对人机交互重视不够；未充分考虑金融交易的非线性复杂性，算法 效率不高；由于难以获得样本数据而未使用实际交易数据对所提方法进行验证；注重通过客 户之间的行为比较来发现异常，但对客户自身行为的一致性研究不足等．本文提出的异常交 易检测方法，其出发点是应用控制图对时序建模拟合的误差进行检验，以发现客户交易行为 异常【14】．该方法分为两部分，首先使用一种新的非线性时序随机模型，对客户交易时序进行 估计；然后使用鲁棒控制图对估计误差进行检