論文の概要: Anomaly Detection in High-Dimensional Bank Account Balances via Robust Methods

• arxiv url: http://arxiv.org/abs/2511.11143v1
• Date: Fri, 14 Nov 2025 10:19:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.538404
• Title: Anomaly Detection in High-Dimensional Bank Account Balances via Robust Methods
• Title（参考訳）: ロバスト法による高次元銀行口座残高の異常検出
• Authors: Federico Maddanu, Tommaso Proietti, Riccardo Crupi,
• Abstract要約: ロバスト統計は、外れ値のフラグ付けとデータ分散パラメータの推定に有用である。 中高次元および高次元のデータセットにおいて計算効率が良いいくつかの頑健なアプローチを実証的に提案し,評価する。 当社のアプリケーションは、匿名ユーザの銀行口座残高の日次記録を約260万件処理しています。
• 参考スコア（独自算出の注目度）: 1.1282378857861883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting point anomalies in bank account balances is essential for financial institutions, as it enables the identification of potential fraud, operational issues, or other irregularities. Robust statistics is useful for flagging outliers and for providing estimates of the data distribution parameters that are not affected by contaminated observations. However, such a strategy is often less efficient and computationally expensive under high dimensional setting. In this paper, we propose and evaluate empirically several robust approaches that may be computationally efficient in medium and high dimensional datasets, with high breakdown points and low computational time. Our application deals with around 2.6 million daily records of anonymous users' bank account balances.
• Abstract（参考訳）: 銀行口座残高のポイント異常を検出することは、潜在的詐欺、運用上の問題、その他の不正行為の特定を可能にするため、金融機関にとって不可欠である。 ロバスト統計は、外れ値のフラグ付けや、汚染された観測の影響を受けないデータ分布パラメータの推定に有用である。 しかし、そのような戦略は高次元条件下では効率が悪く、計算コストがかかることが多い。 本稿では,高分解点と低計算時間を有する中高次元データセットにおいて,計算効率のよいいくつかの頑健な手法を実証的に提案し,評価する。 当社のアプリケーションは、匿名ユーザの銀行口座残高の日次記録を約260万件処理しています。

関連論文リスト

• Foe for Fraud: Transferable Adversarial Attacks in Credit Card Fraud Detection [1.469672228104042]
  クレジットカード詐欺検出は、金融セクターにおける機械学習(ML)の重要な応用である。 敵の攻撃は 金融業界の安全と安定に 重大な脅威をもたらします 本稿では,CCFD MLモデルの対向的摂動に対する堅牢性を検討するための総合的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-08-20T13:23:28Z)
• ACT-Tensor: Tensor Completion Framework for Financial Dataset Imputation [2.3404331106562677]
  本稿では,アダプティブ・クラスタベースのテンソルスムージング・テンソル・コンプリート・フレームワーク(ACT-Tensor)を導入する。 ACT-Tensorは、欠落するデータレシスタンスの範囲で、計算精度の点で、最先端のベンチマークを一貫して上回っている。 その結果、ACT-Tensorは価格の誤差を減らすだけでなく、構築されたポートフォリオのリスク調整されたリターンを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2025-08-03T17:28:57Z)
• Cost-Optimal Active AI Model Evaluation [71.2069549142394]
  生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。 我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。 我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
  論文  参考訳（メタデータ） (2025-06-09T17:14:41Z)
• 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)
• Robust Principal Component Analysis using Density Power Divergence [8.057006406834466]
  我々は、最小密度の電力分散推定器に基づく、新しいロバストPCA推定器を提案する。 提案手法は, 従来のPCA法と比較し, 広範囲なシミュレーションによって支持された。
  論文  参考訳（メタデータ） (2023-09-24T02:59:39Z)
• 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)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)
• Probabilistically Robust Learning: Balancing Average- and Worst-case Performance [105.87195436925722]
  我々は、正確で不安定な平均ケースと頑健で保守的な最悪のケースのギャップを埋める、堅牢性確率というフレームワークを提案する。 理論的には、このフレームワークはパフォーマンスと最悪のケースと平均ケース学習のサンプル複雑さの間のトレードオフを克服する。
  論文  参考訳（メタデータ） (2022-02-02T17:01:38Z)
• 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)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [43.17788100119767]
  一次利害関係にない結果のみを代理する単位にデータを組み込むことは、ATE推定の精度を高めることができる。 我々は,これらの効率向上を実現するために,ロバストなATE推定と推論手法を開発した。
  論文  参考訳（メタデータ） (2020-03-27T13:31:49Z)

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。