論文の概要: Fighting Money Laundering with Statistics and Machine Learning: An Introduction and Review

• arxiv url: http://arxiv.org/abs/2201.04207v2
• Date: Thu, 13 Jan 2022 13:54:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-14 12:41:37.483001
• Title: Fighting Money Laundering with Statistics and Machine Learning: An Introduction and Review
• Title（参考訳）: 統計学と機械学習でマネーロンダリングと戦う - 序文とレビュー
• Authors: Rasmus Jensen and Alexandros Iosifidis
• Abstract要約: マネーロンダリングは深刻なグローバルな問題です。 このトピックに関する統計学と機械学習の研究はほとんどない。 大きな課題の1つは、公開データセットの欠如である。
• 参考スコア（独自算出の注目度）: 95.42181254494287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Money laundering is a profound, global problem. Nonetheless, there is little statistical and machine learning research on the topic. In this paper, we focus on anti-money laundering in banks. To help organize existing research in the field, we propose a unifying terminology and provide a review of the literature. This is structured around two central tasks: (i) client risk profiling and (ii) suspicious behavior flagging. We find that client risk profiling is characterized by diagnostics, i.e., efforts to find and explain risk factors. Suspicious behavior flagging, on the other hand, is characterized by non-disclosed features and hand-crafted risk indices. Finally, we discuss directions for future research. One major challenge is the lack of public data sets. This may, potentially, be addressed by synthetic data generation. Other possible research directions include semi-supervised and deep learning, interpretability and fairness of the results.
• Abstract（参考訳）: マネーロンダリングは深刻な世界的な問題だ。 それでも、このトピックに関する統計的および機械学習の研究はほとんどない。 本稿では,銀行におけるマネーロンダリング対策に着目する。 この分野の既存の研究を整理するために,統一的な用語を提案し,文献のレビューを行う。 これは2つの中心的なタスクを中心に構成されている。 (i)クライアントのリスク・プロファイリング (ii)不審な行動 顧客リスクプロファイリングは、診断、すなわちリスク要因の発見と説明の努力によって特徴づけられる。 一方、突発的な行動フラグングは、開示されていない特徴と手作りのリスク指標によって特徴付けられる。 最後に,今後の研究の方向性について述べる。 大きな課題のひとつは、公開データセットの欠如だ。 これは、合成データ生成によって対処される可能性がある。 その他の研究の方向性としては、半教師付き深層学習、解釈可能性、結果の公平性などがある。

関連論文リスト

• Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation [1.7119723306387908]
  本稿では、アンチマネーロンダリング(AML)のためのNA(Network Analytics)に関する文献を網羅し、体系的にレビューする。 Web of Science と Scopus データベースの97論文を特定し分析した結果,Bockel-Rickermann らによる不正分析フレームワークによるアプローチの分類が得られた。 このフレームワークは一般公開されているEllipticデータセットに適用され、手動機能エンジニアリング、ランダムウォークベースのメソッド、ディープラーニングGNNを実装している。
  論文  参考訳（メタデータ） (2024-05-29T08:48:52Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
  我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。 次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
  論文  参考訳（メタデータ） (2024-03-19T09:45:33Z)
• On the Societal Impact of Open Foundation Models [93.67389739906561]
  ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。 オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
  論文  参考訳（メタデータ） (2024-02-27T16:49:53Z)
• The Double-Edged Sword of Big Data and Information Technology for the Disadvantaged: A Cautionary Tale from Open Banking [0.3867363075280543]
  オープンバンキングは金融サービスに革命を起こし、顧客の獲得、管理、維持、リスクアセスメントの新しい機会を開いた。 新型コロナウイルスとインフレーション上昇による世界的な懸念である金融脆弱性(FV)の次元について検討する。 英国フィンテックの貸し手によるユニークなデータセットを用いて、安全な使用法を同時に警告しながら、きめ細かいトランザクションデータのパワーを実証する。
  論文  参考訳（メタデータ） (2023-07-25T11:07:43Z)
• Catch Me If You Can: Semi-supervised Graph Learning for Spotting Money Laundering [0.4159343412286401]
  マネーロンダリング(英: Money laundering)とは、犯罪者が違法な資金を追跡不可能な場所に移すために金融サービスを利用するプロセスである。 反マネーロンダリング(AML)を施行するためには、これらの活動を正確かつ確実に特定することが極めて重要である。 本稿では,金融取引のグラフに対する半教師付きグラフ学習手法を用いて,マネーロンダリングに関連するノードを特定する。
  論文  参考訳（メタデータ） (2023-02-23T09:34:19Z)
• Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
  異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。 弱教師付き異常検出法(WSAD)の総合的な調査を行った。 各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
  論文  参考訳（メタデータ） (2023-02-09T10:27:21Z)
• Anti-Money Laundering Alert Optimization Using Machine Learning with Graphs [0.769672852567215]
  マネーロンダリング(英: Money laundering)は、重大通貨からの収益(毎年1.7-4兆ユーロ)の合法化に関する世界的な問題である。 本稿では,ルールベースシステムを補完し,警告のリスクを正確に予測する機械学習トリアージモデルを提案する。 実世界の銀行のデータセット上で、我々のモデルを検証し、トリアージモデルが真正の90%以上を検出しながら、偽正の数を80%削減できることを示す。
  論文  参考訳（メタデータ） (2021-12-14T16:12:30Z)
• Adverse Media Mining for KYC and ESG Compliance [2.381399746981591]
  逆メディアやネガティブニュースのスクリーニングは、そのような非金融的リスクの特定に不可欠である。 本稿では,ユーザのクエリに対する有害メディアのリアルタイム検索とバッチ検索の両方を行う自動化システムを提案する。 高精度で有害なニュースフィルタリングに対する、スケーラブルで機械学習によるアプローチは、4つの視点に基づいています。
  論文  参考訳（メタデータ） (2021-10-22T01:04:16Z)
• Exploration and Incentives in Reinforcement Learning [107.42240386544633]
  各エージェントが同一(ただし未知)のMDPに直面する複雑な探索問題を考察する。 エージェントはポリシーの選択を制御するが、アルゴリズムは推奨事項のみを発行できる。 MDPのすべての到達可能な状態を探索するアルゴリズムを設計します。
  論文  参考訳（メタデータ） (2021-02-28T00:15:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。