論文の概要: Detection of fraudulent financial papers by picking a collection of
characteristics using optimization algorithms and classification techniques
based on squirrels
- arxiv url: http://arxiv.org/abs/2211.07747v1
- Date: Wed, 12 Oct 2022 12:34:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-22 19:25:47.337446
- Title: Detection of fraudulent financial papers by picking a collection of
characteristics using optimization algorithms and classification techniques
based on squirrels
- Title（参考訳）: リスに基づく最適化アルゴリズムと分類手法を用いた特徴の収集による不正紙幣の検出
- Authors: Peyman Mohammadzadeh germi, Mohsen Najarbashi
- Abstract要約: 本手法は,財務諸表の異常を検出するためのモデルを提供することを目的としている。
リス最適化のメタ探索能力は、金融データの異常を識別するアプローチの能力とともに、提案した戦略の実装に有効であることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To produce important investment decisions, investors require financial
records and economic information. However, most companies manipulate investors
and financial institutions by inflating their financial statements. Fraudulent
Financial Activities exist in any monetary or financial transaction scenario,
whether physical or electronic. A challenging problem that arises in this
domain is the issue that affects and troubles individuals and institutions.
This problem has attracted more attention in the field in part owing to the
prevalence of financial fraud and the paucity of previous research. For this
purpose, in this study, the main approach to solve this problem, an anomaly
detection-based approach based on a combination of feature selection based on
squirrel optimization pattern and classification methods have been used. The
aim is to develop this method to provide a model for detecting anomalies in
financial statements using a combination of selected features with the nearest
neighbor classifications, neural networks, support vector machine, and
Bayesian. Anomaly samples are then analyzed and compared to recommended
techniques using assessment criteria. Squirrel optimization's meta-exploratory
capability, along with the approach's ability to identify abnormalities in
financial data, has been shown to be effective in implementing the suggested
strategy. They discovered fake financial statements because of their expertise.
- Abstract（参考訳）: 重要な投資決定を行うには、投資家は財務記録と経済情報を必要とする。
しかし、ほとんどの企業は金融声明を膨らませて投資家や金融機関を操っている。
不正な金融活動は、物理的であれ電子的であれ、金融または金融取引のシナリオに存在する。
この領域で発生した課題は、個人や機関に影響を与える問題や問題である。
この問題は、金融詐欺の流行と過去の研究の慎重さから、この分野で注目を集めている。
本研究では,この問題を解決するための主要なアプローチとして,リス最適化パターンに基づく特徴選択と分類法を組み合わせて,異常検出に基づくアプローチを用いた。
本手法の目的は、選択された特徴と最も近い近隣の分類、ニューラルネットワーク、サポートベクターマシン、ベイズアンの組み合わせを用いて、財務諸表の異常を検出するモデルを提供することである。
異常サンプルは分析され、評価基準を用いて推奨技術と比較される。
リス最適化のメタ探索能力は、金融データの異常を識別するアプローチの能力とともに、提案戦略の実装に有効であることが示されている。
彼らは専門知識のために偽の財務文書を発見した。
関連論文リスト
- Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - 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) - FinPT: Financial Risk Prediction with Profile Tuning on Pretrained
Foundation Models [32.7825479037623]
FinPTは、金融リスク予測のための新しいアプローチであり、大規模な事前訓練された基礎モデルに基づいてプロファイルチューニングを行う。
FinBenchは、デフォルト、詐欺、チャーンといった金融リスクに関する高品質なデータセットのセットである。
論文 参考訳（メタデータ） (2023-07-22T09:27:05Z) - Financial Distress Prediction For Small And Medium Enterprises Using
Machine Learning Techniques [5.301137510638804]
ファイナンシャルディストレス予測(Financial Distress Prediction)は、失敗する構造物の数と確率を正確に予測することで、経済において重要な役割を果たす。
しかし、中小企業にとっての財政難の予測は、そのあいまいさが原因で困難である。
本稿では,金融データの薄面成分分析,コーポレートガバナンスの質,および市場交換データを関連ベクタマシンに組み込んだ企業FCPモデルを提案する。
論文 参考訳（メタデータ） (2023-02-23T15:58:30Z) - A Learning and Control Perspective for Microfinance [0.19573380763700707]
発展途上国の申請者の多くは、金融機関が貸付決定を下すために必要な十分な情報を提供できない。
我々は、マイクロファイナンスの決定を、学習と制御を含む厳密な最適化ベースのフレームワークに定式化する。
論文 参考訳（メタデータ） (2022-07-26T03:35:18Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳（メタデータ） (2021-09-01T00:08:14Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Interpretable ML-driven Strategy for Automated Trading Pattern
Extraction [2.7910505923792646]
金融時系列分析のためのボリュームベースデータ前処理手法を提案する。
手法の性能を評価するために統計的手法を用いる。
提案手法により,金融時系列パターンの分類を成功させることができた。
論文 参考訳（メタデータ） (2021-03-23T09:55:46Z) - Towards Credit-Fraud Detection via Sparsely Varying Gaussian
Approximations [0.0]
本稿では,この予測システムに不確実性を取り入れたクレジットカード不正検出手法を提案する。
異なるカーネルセットと異なるインジェクションデータポイントで同じ動作を行い、最適な精度が得られた。
論文 参考訳（メタデータ） (2020-07-14T16:56:06Z) - Provable tradeoffs in adversarially robust classification [96.48180210364893]
我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。
この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
論文 参考訳（メタデータ） (2020-06-09T09:58:19Z)
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。