基于数据挖掘的信用卡欺诈行为识别模型的研究

论文摘要

随着经济和社会的发展,以及全球金融市场的不断开放,各国政府积极推动金融自由化与国际化的措施,而以信用卡作为媒介的交易行为不断激增。但是,伴随发卡量的大幅增长和交易量的不断提高,信用卡欺诈呈现快速增长的趋势,且欺诈手法不断翻新,使银行很难迅速有效的从大量交易记录中觉察出欺诈交易,由此带来了巨大的风险和损失。因此,迫切需要一个能对信用卡交易进行快速判断和准确识别的模型或系统来辅助银行的工作。本文针对我国银行信用卡交易中普遍存在的欺诈问题,依据数据挖掘技术,构建信用卡欺诈行为识别模型,为我国银行的信用卡风险管理提供技术支持。本文首先简单介绍了我国信用卡风险管理的现状,分析了欺诈风险的成因和识别防范策略。然后,运用自组织映射(SOM)神经网络算法和组合分类器原理,构建基于数据挖掘的银行信用卡欺诈识别模型:先采用SOM网络算法将数据量庞大的样本集进行初步的分类处理,以提高再次分类的准确性,然后将得到的训练子集分别与欺诈样本结合形成新的子集,接着根据客户分类指标,再次利用SOM网络算法对前面得到的各个子数据集进行分类,最后采用投票法将分类结果融合,从而建立信用卡客户分类的组合模型。在此基础上,依托中国银行下属相关支行的信用卡交易具体数据,对构建的欺诈识别模型进行分析,验证了该模型的实际运用效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究的意义和目的
• 1.3 论文研究内容及主要工作
• 第二章 信用卡欺诈识别技术
• 2.1 信用卡的欺诈风险管理
• 2.2 数据挖掘技术
• 2.3 基于数据挖掘的信用卡欺诈行为识别模型的研究综述
• 第三章 信用卡欺诈行为识别的模型架构
• 3.1 样本的初步分类
• 3.2 SOM 方法
• 3.3 客户分类指标的构建
• 3.4 组合分类器
• 3.5 基于SOM 网络算法的组合分类器模型
• 第四章 基于数据挖掘的信用卡欺诈行为识别模型的研究
• 4.1 研究方法
• 4.2 验证过程
• 4.3 本章小结
• 第五章 结论与进一步的工作
• 5.1 论文的主要结论
• 5.2 研究局限和进一步的工作
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文