基于数据挖掘的可疑金融交易识别方法研究
【摘要】现在企业数量不断增多，经济水平日益提高，各种金融交易活动也在频繁进行。在金融交易活动中，最容易出现的一种犯罪就是洗钱罪。本文就重点讲述了数据挖掘技术的内容，以及数据挖掘技术是如何识别可疑的金融交易，以此来个大家提供一个参考。
【关键词】数据挖掘、金融交易、洗钱罪 一、前言
随着我国经济的发展，各种金融交易活动也逐渐增多，与之伴随的就是洗钱活动的频发发生。我国的反洗钱工作正在不断地深入开展，金融交易活动作为洗钱的载体，也受到了很多关注。要想识别金融交易当中的犯罪，就得充分利用数据挖掘技术。但是，由于我国的国情以及技术水平，该项技术的应用情况和掌握情况还是不尽人意。只有不断加深对该项技术的研究，将其与金融交易相结合，才可以保证金融交易活动的有序进行。
二、数据挖掘技术概述
数据挖掘可以这么理解，就是在数据当中发现一些潜在有用的、有效地以及新颖的、能够被理解的模式过程。数据挖掘所研究的领域很广，涉及到识别模式、数据库、机器学习、人工智能还有分布式计算、可视化技术等等，是不同学科结合的产物，这是一个新兴的技术，但是其又有很大的发展空间。数据挖掘技术根据其主要任务的不同，可以划分成为如下几类。第一、关联规则挖掘，关联规则的挖掘是通过在很多的数据当中，发现有联系或者有关联的部分；第二、分类以及预测，分类就需要用到分类函数以及分类模型，利用分类函数，可以将数据库当中的数据映射到某一个分类上面。分类的模型可以用很多的形式来表示，比如分类树、数学公式或者神经网络等等；第三，聚类分析，该技术是用于发觉数据库当中未知的类，与前者的不同之处在于，使用该项技术是对类的型号以及数量都不知道的，按照的规则是“物以类聚”，将条
件相似的对象划分在一个分类里面，条件不相似的对象放在不同的组。每一个组就是一个类。第四、孤立点分析，数据库中可能包含一些数据对象，它们与数据的一般行为或模型不一致。这些数据对象是孤立点；第五、演变分析，数据演变分析描述行为随时间而变化的对象的发展规律或趋势，并对其建模。
三、可疑金融交易的特征分析
可疑金融交易是指金融交易当中的频率、流向、来源以及金钱的用途都出现了异常的行为。从反洗钱的监督实践来看，可疑的金融交易通常有如下的几个特征。
1、交易的频率以及金额会出现异常
通常来说，正常的金融交易和洗钱交易相比较，因为真实交易背景的缺乏，其交易的规律以及习惯往往没有周期性。在洗钱犯罪当中，洗钱者所面临的最大问题就是如何将非法所得的大量现金变成可以携带或者隐藏的形式，洗钱者为了避免被发现，经常采取快进快出的方法，所以其交易的频率以及交易的金额都会与正常的交易不一样，具体表现为和背景资料不一致的大量现金的频繁加以。在洗钱交易的初期，其最大的特征就是入账的金额是巨大的，流动的次数是频繁的。
2、交易的流向或者来源出现异常
洗钱交易和正常金融交易的目的是不一样的，所以其交易的地点和洗钱的热点地区都会有很密切的联系。
3、交易的用途后者性质是异常的
该项特征是指在交易过程中，交易者交易的动机以及客户的背景资料都是不相匹配的。
四、数据挖掘技术在识别可疑金融交易当中的研究
洗钱罪的犯罪手法变化多端，因此识别的技术也要有相应的提升。目前，反洗钱应用中的数据挖掘技术从孤立点分析、序列模式挖掘、链接分析、决策树等传统技术，逐步转向数据挖掘中的一些新技术如聚类分析、基于范例推理
等，在此分别探讨聚类分析和基于范例推理在可疑金融交易识别中的应用情况。这里重点向大家介绍聚类分析技术的可疑金融交易识别研究。该项技术可以将数据分为不同的种类，在每一个种类当中，对象应当有很大的相似度，在不同种类当中，对象的差别很大。聚类分析在聚类的过程中，可以采用不一样的聚类方法以及属性，将交易行为相似的企业或者个人的账户纳为一类。针对其金融交易的数据，来从不同的数据属性对其进行分析，从而发现可疑的交易数据，有利于检查人员的进步检查。另外，该种分析方法还可以当作是反洗钱系统当中预处理数据的方法，用来发掘那些表面上看似没有联系，但是实质却又很大联系的主体。
在选择聚类方法来识别可以交易的时候，一定要考虑到金融交易的数据特点以及聚类的属性，在对其特点分析的时候，我们通过分析得出，洗钱者的账户是需要输入和输出两个过程，所以可以从这两个方面来考虑，在一段时间当中，流入和流出的金额比较大的账户，就具有洗钱的嫌疑，应当重点怀疑。
在选用该识别流程的时候，应当先对源数据进行分析，看起是否适合聚类分析。比如将身份证号码当作该分析方法中每条交易数据的身份识别码，将年交易的次数以及金额当作聚类分析的属性。在分析的时候，根据每个交易属性的相似程度来进行聚类，但是聚类分析的属性选择必须要正确，为了聚类结果的显著必须要判断每一个属性是否有效用，是否能够有效的满足聚类分析。在一个聚类分析中，所选取的每一个属性都在分析中起到了的作用，那就说明聚类的结果显著；如果聚类过程中，所选取的属性中有一个或者几个没有能够发挥作用，那就说明着个属性，或者几个属性没有相应的聚类属性，那就说明所选取的聚类属性不合适，效果不显著。
五、数据挖掘技术在反洗钱工作中的应用现状 （一）国外的应用情况
发达国家对数据挖掘技术的应用程度很高，并且也有一定的成就，仅建立了专门分析和收集情报的金融情报中心（FIU），而且建立了功能强大的反洗钱
系统：美国金融犯罪执法网络的FAIS（Fin CEN Artificial Intelligence System）系统综合使用了人工智能技术和基于案例的推理、黑板等分析技术，将数据分析视角从交易导向转为对象（如人或者组织）导向，对每一笔交易、对象、账户都用336条规则逐一进行测试，相应每条规则给出是否为合法或非法的判定结果，再用贝叶思推理对每个项目的可疑性进行评定；澳大利亚交易分析和报告中心所开发的Screen IT系统使用数据挖掘技术实现了对可疑交易报告的自动筛选。
（二）、中国的应用情况
数据挖掘技术在我国应用的范围还不是很广，正处于起步阶段，信息技术水平也相对比较低。但是，我国在反洗钱当中数据挖掘技术的应用频率还是很多的，并且也受到了一定的重视，技术水平和理论知识都有很大的提高。目前反洗钱系统中应用的数据挖掘技术主要有：聚类分析、决策树分析、孤立点分析和序列模式分析等以实现对交易数据的分类、关联规则和异常行为等分析。应用手法上主要停留在对各种不同分析技术的简单应用，缺乏综合系统性地应用。
六、结束语
如今，经济水平和科技水平都在不断的提高，洗钱犯罪层出不穷，洗钱者的技术也在不断提高。在这种情况下，我国就要不断加强对数据挖掘技术的研究，将其应用到金融交易的识别过程中，让技术能够与时俱进，才可以抑制金融犯罪的发生。 参考文献
[1]苏辉贵.基于数据挖掘的反洗钱系统应用研究[J].华南金融电脑，2009，(3). [2]张成虎，赵小虎.基于贝叶斯分类的可疑金融交易识别研究[J].财经研究，2009，(10).