Anomaly Detection in Finance: Editors’ Introduction

عنوان مقاله:

نویسنده: آرچانا آنانداکاریشنان، سنتیل کومار، الکساندر استانیکوف، تنویر فروغی، دی شو

دسته‌بندی: مقاله

نیلوفر حق جو، کارشناس راهکارهای کشف تقلب داتین در مقاله‌ای تحت عنوان «راهکارهای تشخیص تقلب» که در شماره اول فصلنامه فناوری‌های مالی منتشر شده از مقاله «Anomaly Detection in Finance: Editors’ Introduction» استفاده کرده است.

مقاله «Anomaly Detection in Finance: Editors’ Introduction» اهمیت تشخیص ناهنجاری در صنعت خدمات مالی را برجسته می‌سازد و درباره چالش‌ها و راه‌حل‌های نوظهور مثل یادگیری نیمه نظارتی، یادگیری عمیق و رویکردهای مبتنی‌بر شبکه/ گراف بحث می‌کند. این مقاله مقدمه‌ای بر مجموعه پژوهش‌های یادگیری ماشین با تمرکز بر ورکشاپ KDD سال 2017 درباره تشخیص ناهنجاری در امور مالی است.

این مقاله اشاره می‌کند که صنعت مالی به‌واسطه حجم و سرعت زیاد داده‌ها، نیاز به تصمیم‌گیری عملیاتی لحظه‌ای و ماهیت متغیر داده‌های عادی و ناهنجاری‌ها، در تشخیص ناهنجاری‌ها با چالش‌های قابل توجهی روبه‌روست. شیوه‌های مرسوم تشخیص ناهنجاری نیز با مشکلاتی مثل کمبود داده‌های برچسب‌گذاری‌شده، عدم توازن دسته‌بندی‌ها و نیاز به تفسیرپذیری و اتوماسیون در کاربردهای واقعی درگیر هستند.

ورک‌شاپ مورد نظر به طیفی از شیوه‌های تشخیص ناهنجاری مثل یادگیری بدون نظارت، مهندسی ویژگی، بهبود نسبت سیگنال به نویز، کاربردهای بدیع و اتوماسیون می‌پردازد.
در این مقاله شیوه‌های بدون نظارت جدیدی برای تشخیص ناهنجاری‌ها بدون اتکا به داده‌های برچسب‌گذاری‌شده پیشنهاد می‌شوند. همچنین تکنیک‌هایی برای بهبود جداسازی سیگنال از نویز در تشخیص ناهنجاری ارائه می‌شوند که برای مدیریت مسئله عدم توازن دسته‌بندی‌ها حیاتی است. به‌علاوه این مقاله درباره کاربردهای واقعی تشخیص ناهنجاری در امور مالی مثل استفاده از الگوریتم‌های جنگل انزوا و یادگیری عمیق برای تشخیص تقلب بحث می‌کند.

نویسندگان این مقاله با ارائه مثال‌هایی از اجرای موفق در صنعت، بر اهمیت خودکارکردن فرایندهای تشخیص ناهنجاری برای پیاده‌سازی لحظه‌ای تاکید می‌کنند. همچنین به نیاز به مدل‌های تفسیرپذیر در امور مالی اشاره می‌کنند و شیوه‌هایی را ارائه می‌دهند که نتایج را تفسیرپذیر نگه می‌دارند. درمجموع مقاله‌های ارائه‌شده در ورک‌شاپ مورد نظر پیشرفت سریع شیوه‌های تشخیص ناهنجاری در صنعت مالی را برجسته می‌سازند و بر نیاز به ترکیبی از شیوه‌های موجود و رویکردهای نوآورانه تاکید می‌کنند.

منبع:

proceedings.mlr.press

نوشته شده توسط:

آرچانا آنانداکاریشنان، سنتیل کومار، الکساندر استانیکوف، تنویر فروغی، دی شو

آرچانا آنانداکاریشنان درحال حاضر دانشمند داده شرکت اسپاتیفای است و پیش‌تر نیز به‌مدت چهار سال در American Express جایگاه مشابهی داشته است. او دانش‌آموخته دانشگاه ایالت اوهایو و همچنین دانشگاه اکلاهاماست.

سنتیل کومار دانشمندی متخصص در هوش مصنوعی، یادگیری ماشین، آنالتیکس داده، پردازش زبان طبیعی، کلان داده و بینایی کامپیوتر است. او اکنون رئیس واحد تحقیقات نوظهور در سازمان مبانی هوش مصنوعی در شرکت Capital One است. دکتر کومار پیش از حضور در Capital One در آزمایشگاه‌های بل مشغول به کار بوده و در آنجا چند محصول موفق را توسعه داده است.

الکساندر استانیکوف که اکنون مشاور شرکت AV8 Ventures است، پیش‌تر به‌عنوان رئیس واحد جهانی علم داده و یادگیری ماشین SoFi و معاون شرکت American Express کار کرده است. او تجربه طراحی الگوریتم‌ها و سیستم‌های مقیاس‌پذیر و مشارکت در 80 مقاله داوری‌شده، شش کتاب و 13 پتنت را در حوزه هوش مصنوعی دارد.

تنویر فروغی یک رهبر فناوری با دو دهه تجربه در مدیریت پروژه‌های علوم داده‌ای است که به خلق فناوری‌های چند میلیون دلاری منجر شده‌اند. بسیاری از فناوری‌های او به‌عنوان محصولات ویژه مشتریان، محصولات داخلی IBM یا سیستم‌های تولید Capital One پیاده‌سازی شده‌اند.

دی شو درحال حاضر در شرکت American Express معاون و رئیس آزمایشگاه‌های هوش مصنوعی و حکمرانی هوش مصنوعی است. او دانش‌آموخته دانشگاه‌های راتگرز و فودان است.

فناوری‌های مالی فصلنامه‌ای با رویکرد پژوهشی و تحلیلی در زمینه صنعت بانکی و مالی است و هر شماره از آن به بررسی مجموعه‌ای از نظرات و تحلیل‌ها درباره یک موضوع از ابعاد مختلف اختصاص دارد.