人机耦合反洗钱监测系统构建与机器学习算法优化OA北大核心CSCDCSSCICSTPCD
Construction of a Human-Machine Coupling Anti-Money Laundering Monitoring System and Optimization of Machine Learning Algorithm
针对金融系统反洗钱监测过于依赖计算机筛查导致准确率和适应性较低的问题,将反洗钱监测系统的人机分离模式改进为人机耦合模式,并用真实交易数据训练机器学习算法以优化模型.经样本外验证和评估后发现,在人机耦合监测系统下,基于随机森林算法的机器学习模型具有更好的准确性和适用性.该监测系统对新型洗钱方式具有更强的适应能力,在保证监测准确率的同时,降低了可疑交易错误预警次数,提高了支付机构对可疑洗钱交易监测的效率.
郑迎飞;陶文纳;赵旭;王生金
上海对外经贸大学 金融管理学院,上海 201620上海对外经贸大学 金融管理学院,上海 201620上海交通大学 安泰经济与管理学院创业学院,上海 200240上海城建职业学院,上海 201415
管理科学
机器学习算法随机森林算法反洗钱监测系统
《系统管理学报》 2021 (6)
1198-1206,9
国家自然科学基金资助项目(71303153)教育部人文社会科学研究项目(18YJA790116)上海城建职业学院重点科研项目(CJKY202107)
评论