شناسایی فعالیتهای پولشویی در معاملات مالی با استفاده از روشهای دادهکاوی، قانون بنفورد و الگوریتم GANs | ||
| اقتصاد پولی مالی | ||
| مقاله 11، دوره 29، پاییز و زمستان 1401 - شماره پیاپی 24، آذر 1401، صفحه 327-358 اصل مقاله (676.49 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/mfe.2023.72676.1117 | ||
| نویسندگان | ||
| عالیه کاظمی* 1؛ امیر مقدمفلاحی2؛ علی ابدالی3؛ سارا آریائی4 | ||
| 1استاد مدیریت عملیات و علوم تصمیم، دانشکده مدیریت، دانشگاه تهران، تهران، ایران | ||
| 2کارشناس ارشد مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران | ||
| 3استادیار دانشگاه علوم انتظامی امین، تهران، ایران | ||
| 4دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران | ||
| چکیده | ||
| امروزه پدیده پولشویی به تهدیدی جدی برای اقتصاد جهانی تبدیل شده است. روشهای سنتی مقابله با پولشویی هزینهبر و ناکارآمد هستند. اخیراً تکنیکهای دادهکاوی گسترش پیدا کردهاند و به عنوان روشهای مناسب برای کشف فعالیتهای پولشویی مورد توجه قرار گرفتهاند. هدف این تحقیق، استفاده از الگوریتمهای دادهکاوی در کشف موارد مشکوک به پولشویی با استفاده از دادههای واقعی تراکنشهای بانکی است که ممکن است نیاز به بررسیهای بیشتر داشته باشند. تحلیل دادهها با استفاده از فرآیند CRISP-DM انجام شده است. جامعه آماری تراکنشهای بانک و نمونه آماری تراکنشهای مربوط به یکی از شعب بانک است. دادهها از بانک اطلاعاتی بانک مورد مطالعه جمعآوری شده است. برای انجام این کار از دو رویکرد استفاده شده است. در رویکرد اول با استفاده از الگوریتم k-میانگین ابتدا تراکنشهای بانکی افراد خوشهبندی شدهاند، سپس با استفاده از بهکارگیری الگوریتمهای کشف موارد مشکوک، تراکنشهایی که ممکن است مشکوک به پولشویی باشند مشخص گردیدهاند. در رویکرد دوم، روشی نوین با بهکارگیری قانون بنفورد و روش GANs برای کشف حسابهایی که در تراکنشهای آنها از ارقام ساختگی استفاده شده است و ممکن است مشکوک به پولشویی باشند معرفی شده است. رویکرد اول میتواند حسابهایی که در تراکنشهای آنها موارد پرت وجود دارد را با دقتی حدود ۹۳٪ درصد، و رویکرد دوم میتواند حسابهای مشکوکی که در پنهان نمودن ارقام ساختگی در تراکنشهای آنها، از روشهای حرفهای استفاده نشده است را با دقتی حدود ۶۰٪ به درستی تشخیص دهد. | ||
| کلیدواژهها | ||
| پولشویی؛ داده کاوی؛ الگوریتم k میانگین؛ الگوریتم GANs؛ قانون بنفورد | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,289 تعداد دریافت فایل اصل مقاله: 620 |
||