دانشگاه صنعتی نوشیروانی بابل
چکیده: (32 مشاهده)
مدیریت ریسک از مسائل مهمی است که موسسات مالی با آن روبرو هستند. عدم دسترسی به برچسب داده¬ها و طبیعت غیرمتعادل داده¬ها (نمونه¬های نرمال در مقابل آنومالی) از جمله چالش¬های مهم در حل مسائل مدیریت ریسک و کشف تقلب می¬باشند. عموماً زمانی که برچسب داده¬ها در اختیار نباشد، مساله کشف تقلب، در قالب رتبه¬بندی براساس درجه آنومالی بودن، مورد رسیدگی قرار می¬گیرد. در این مقاله، رویکردی برخط و بدون مربی، مبتنی بر تحلیل رفتاری، جهت تشخیص آنومالی در بازار سهام پیشنهاد می¬شود. در این رویکرد، با در اختیار داشتن داده در بازه¬ی زمانی به قدر کافی طولانی، برای هر کاربر، پروفایلی ساخته می¬شود که حاوی احتمالات و برخی ویژگیهای رفتاری کاربر در خرید و فروش سهام است. هر پروفایل با توجه به حجم کافی داده در ایجاد آن، دارای این قابلیت است که نوسانات رفتاری کاربر را نیز به خوبی توصیف کند. در مرحله آزمایش رویکردی آماری پیشنهاد می¬شود که در آن برای هر نمونه جدید، عدد ریسک محاسبه می¬شود که بیانگر میزان اعوجاج رفتار کاربر از رفتاری است که از او انتظار میرود که توسط پروفایل در اختیار قرار دارد. کاربران با تغییرات رفتاری قابلتوجه، مورد تجزیه و تحلیل بیشتر قرار میگیرند. در حالیکه پروفایل کاربران نرمال با هر تراکنش جدید به روزرسانی میگردد. شبیهسازیها به خوبی نشان میدهند که روش پیشنهادی در تشخیص فرانت رانینگ موفق است.
شمارهی مقاله: 2
نوع مطالعه:
پژوهشي |
موضوع مقاله:
مقالات پردازش دادههای رقمی دریافت: 1399/10/22 | پذیرش: 1403/12/18 | انتشار: 1404/6/22 | انتشار الکترونیک: 1404/6/22