CN111626860B - 结合历史和实时财务数据判断高频交易的系统及方法 - Google Patents
结合历史和实时财务数据判断高频交易的系统及方法 Download PDFInfo
- Publication number
- CN111626860B CN111626860B CN202010733765.1A CN202010733765A CN111626860B CN 111626860 B CN111626860 B CN 111626860B CN 202010733765 A CN202010733765 A CN 202010733765A CN 111626860 B CN111626860 B CN 111626860B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- transaction
- date
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
技术领域
本发明涉及数据统计分析技术领域,具体为结合历史和实时财务数据判断高频交易的系统及方法。
背景技术
随着企事业单位业务发展,相关负责人、项目对内对外交易次数增加,在历史稽核中会发现部分交易次数突然增加的情况,但是发现时间延后严重或者无法被发现。
发明内容
本发明的目的在于克服现有技术的不足,提供结合历史和实时财务数据判断高频交易的系统及方法。
本发明的目的是通过以下技术方案来实现的:
结合历史和实时财务数据判断高频交易的系统,包括:
数据输入模块、数据分析模块、数据存储模块、数据读取模块、数据分割模块、数据计算模块、判断模块、数据输出模块与预警模块,所述数据输入模块的输出端与所述数据分析模块的输入端连接,所述数据分析模块的输出端与所述数据存储模块连接,所述数据存储模块的输出端与所述数据读取模块的输入端连接,所述数据读取模块的输出端与所述数据分割模块的输入端连接,所述数据分割模块的输出端与所述数据计算模块的输入端连接,所述数据计算模块的输出端与所述判断模块的输入端连接,所述判断模块的输出端与所述数据输出模块的输入端连接,所述数据输出模块的输出端与所述预警模块的输入端连接;
数据输入模块,用于输入财务数据;
数据分析模块,将输入的财务数据统计得到每一天的交易次数数据集;
数据存储模块,用于将输入的财务数据保存;
数据读取模块,用于从数据存储模块中读取最小日期和最大日期之间的数据;
数据分割模块,用于将读取的数据分割成N个时间段;
数据计算模块,用于将N个时间段内的数据求和处理并定义异常阈值;
判断模块,用于判断是否有大于定义的异常阈值的交易次数;
数据输出模块,用于输出异常交易次数;
预警模块;用于有交易次数大于定义的异常阈值时,发出警告信息提醒工作人员。
结合历史和实时财务数据判断高频交易的方法,包括以下步骤:
步骤1,通过数据输入模块输入历史的财务数据;
步骤2,通过数据分析模块将输入的财务数据统计得到每天交易次数数据集,通过数据存储模块保存;
步骤3,通过数据读取模块从每天交易次数数据集中取出最小日期和最大日期,作为下一步数据读取的边界值;
步骤4,通过数据分割模块在最小日期和最大日期之间的时间序列上按照指定的步长和跨度将时间序列切分成N个时间段;
步骤6,通过数据计算模块根据交易次数序列定义异常阈值;
步骤7,通过判断模块判断交易次数序列中是否有大于定义的异常阈值的交易次数,如果有交易次数大于异常阈值,说明该交易次数对应的时间段内交易频繁,属于异常,则执行步骤8,否则返回步骤9;
步骤8,通过数据输出模块输出异常交易数据;
步骤9,输入实时的财务数据,执行步骤2。
优选的,所述定义异常阈值采用箱线图原理,公式为:
其中,K为异常系数。
优选的,所述步长为1天,所述跨度为30天。
通过采用上述技术方案,步长指每一次向前移动的距离,在此发明中为1天,这样保证得到连续的数据集。
优选的,所述历史财务数据与实时财务数据均包括凭证单号、分录号、摘要、科目代码、科目名称、项目代码、项目名称、负责人工号、负责人姓名、对方单位、借方金额与贷方金额。
优选的,所述输出异常交易数据包括输出负责人工号、项目代码、项目名称、交易次数、异常阈值、读取数据的最大日期、高频交易的时间段。
本发明的有益效果是:本发明可以用于财务对外对内交易的高频交易挖掘,本发明在数据实时产生的时候实时计算,具有发现及时、动态阈值的优势。
附图说明
图1为本发明的方法流程示意图;
图2为本发明交易次数与异常阈值变化的曲线图;
图3为本发明的每天的交易次数示意图;
图4为本发明按照步长和跨度划分的过程示意图;
图5为本发明的工作流程示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
随着企事业单位业务发展,相关负责人、项目对内对外交易次数增加,在历史稽核中会发现部分交易次数突然增加的情况,但是发现时间延后严重或者无法被发现,因此提出结合历史和实时财务数据判断高频交易的方法,包括以下步骤:
结合历史和实时财务数据判断高频交易的方法,如图1所示,包括以下步骤:
步骤1,通过数据输入模块输入历史的财务数据;
步骤2,通过数据分析模块将输入的财务数据统计得到每天交易次数数据集,通过数据存储模块保存;
步骤3,通过数据读取模块从每天交易次数数据集中取出最小日期和最大日期,作为下一步数据读取的边界值;
步骤4,通过数据分割模块在最小日期和最大日期之间的时间序列上按照指定的步长和跨度将时间序列切分成N个时间段;
步骤6,通过数据计算模块根据交易次数序列定义异常阈值;
步骤7,通过判断模块判断交易次数序列中是否有大于定义的异常阈值的交易次数,如果有交易次数大于异常阈值,说明该交易次数对应的时间段内交易频繁,属于异常,则执行步骤8,否则返回步骤9;
步骤8,通过数据输出模块输出异常交易数据;
步骤9,输入实时的财务数据,执行步骤2。
如图2所示,交易次数和异常阈值的曲线,可见阈值并不会随着数据的激增出现激增的情况,每一个阈值都是结合了历史数据进行计算得到的,这样才能够综合历史数据来评判是否真的出现了异常,在第一个交点之前的两个月左右来看,确实是一个激增点,但是结合日期和整个情况看,交点之前是一个比较缓慢的趋势,随着缓慢的增长,达到了阈值,就出现了交点。
其中,所述定义异常阈值采用箱线图原理,公式为:
其中,K为异常系数。
需要说明的是,如图3所示,1月1号的交易次数为0,1月2号的交易次数为3,下一步读取数据的最小日期就为1月2号,12月31号的交易次数为0,12月30号的交易次数为5,所以下一步读取数据的最大日期为12月30号;如图4所示,所述跨度为30天,步长指每一次向前移动的距离,在本发明中为1天,1月2号到1月31号之间的交易次数序列为 =10,然后步长向前一步为1天,即1月3号到2月1号之间的交易次数序列为 =16,依次类推,这样保证得到连续的数据集,跨度是一个可变动的参数指,使用者根据不同业务情况设置该值,建议15天到30天为最佳。
其中,所述历史财务数据与实时财务数据均包括凭证单号、分录号、摘要、科目代码、科目名称、项目代码、项目名称、负责人工号、负责人姓名、对方单位、借方金额与贷方金额。
其中,所述输出异常交易数据包括输出负责人工号、项目代码、项目名称、交易次数、异常阈值、读取数据的最大日期、高频交易的时间段。
结合历史和实时财务数据判断高频交易的系统,包括:
数据输入模块、数据分析模块、数据存储模块、数据读取模块、数据分割模块、数据计算模块、判断模块、数据输出模块与预警模块,所述数据输入模块的输出端与所述数据分析模块的输入端连接,所述数据分析模块的输出端与所述数据存储模块连接,所述数据存储模块的输出端与所述数据读取模块的输入端连接,所述数据读取模块的输出端与所述数据分割模块的输入端连接,所述数据分割模块的输出端与所述数据计算模块的输入端连接,所述数据计算模块的输出端与所述判断模块的输入端连接,所述判断模块的输出端与所述数据输出模块的输入端连接,所述数据输出模块的输出端与所述预警模块的输入端连接;
数据输入模块,用于输入财务数据;
数据分析模块,将输入的财务数据统计得到每一天的交易次数数据集;
数据存储模块,用于将输入的财务数据保存;
数据读取模块,用于从数据存储模块中读取最小日期和最大日期之间的数据;
数据分割模块,用于将读取的数据分割成N个时间段;
数据计算模块,用于将N个时间段内的数据求和处理并定义异常阈值;
判断模块,用于判断是否有大于定义的异常阈值的交易次数;
数据输出模块,用于输出异常交易次数;
预警模块;用于有交易次数大于定义的异常阈值时,发出警告信息提醒工作人员。
如图5所示,为本发明工作时内部程序的流程图,其中获取步长、跨度与获取最大交易日期与最小交易日期这两个步骤在运行的时候先后顺序是是可以调换的,因为步长和跨度是程序定义好的一种规则,事先定义,获取数据后按照事先定义的步长和跨度进行分割,或者先获取数据,再定义步长和跨度进行分割,结果是一样的。
在某高校财务数据监管系统中,嵌入该算法规则之后,通过系统层面启动该算法规则。算法自动将2016年起的数据进行计算,随着数据不停的通过数据输入模块进入到中间库,该算法同步进行计算,并且保留了历史计算结果之后,最终在2019年的一个时间段内发现某项目负责人出现多次高频交易,且在系统层面给出相应的预警提醒。最后线下对出现高频交易日期区间的数据进行排查,发现该负责人在相应日期区间内有违规拆分报销的现象。
需要说明的是,高频交易并不一定就是异常的,高频交易作为依据、前提或者是一个信号去发现其他的异常交易。就像示例中的情况,根据国家一事一报的相关规定,是不允许将一件事情拆分之后进行报销的,这是明显的违法违规行为,但是财务人员在处理报销凭证的时候,没有办法搞清楚这一次报销是从那个地方拆分出来的,一般的事后稽核也只是定期动用大量人力物力从大量的凭证中去稽核。采用了这个发明之后,发现有一段时间某个负责人或者项目报销次数比以往的都多,在系统层面出现提示,稽核人员去查被预警的这些凭证、负责人等信息,如果确实有问题、就要及时的反馈或者制止。处理完成之后在系统层面点击处理完成即可。
以上所述仅是本发明的优选实施方式,应当理解所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (3)
1.结合历史和实时财务数据判断高频交易的系统,其特征在于,包括:
数据输入模块、数据分析模块、数据存储模块、数据读取模块、数据分割模块、数据计算模块、判断模块、数据输出模块与预警模块,所述数据输入模块的输出端与所述数据分析模块的输入端连接,所述数据分析模块的输出端与所述数据存储模块连接,所述数据存储模块的输出端与所述数据读取模块的输入端连接,所述数据读取模块的输出端与所述数据分割模块的输入端连接,所述数据分割模块的输出端与所述数据计算模块的输入端连接,所述数据计算模块的输出端与所述判断模块的输入端连接,所述判断模块的输出端与所述数据输出模块的输入端连接,所述数据输出模块的输出端与所述预警模块的输入端连接;
数据输入模块,用于输入财务数据;所述历史财务数据与实时财务数据均包括凭证单号、分录号、摘要、科目代码、科目名称、项目代码、项目名称、负责人工号、负责人姓名、对方单位、借方金额与贷方金额;
数据分析模块,将输入的财务数据统计得到每一天的交易次数数据集;
数据存储模块,用于将输入的财务数据保存;
数据读取模块,用于从数据存储模块中读取最小日期和最大日期之间的数据;
数据分割模块,用于将读取的数据分割成N个时间段;在最小日期和最大日期之间进行分割的过程中,每一个时间段都包括最小日期和最大日期,第一个交易次数不为0的日期为最小日期,最后一个交易次数不为0的日期为最大日期;
其中,k为异常系数;
判断模块,用于判断是否有大于定义的异常阈值的交易次数;
数据输出模块,用于输出异常交易次数;所述输出异常交易数据包括输出负责人工号、项目代码、项目名称、交易次数、异常阈值、读取数据的最大日期、高频交易的时间段;
预警模块;用于有交易次数大于定义的异常阈值时,发出警告信息提醒工作人员。
2.结合历史和实时财务数据判断高频交易的方法,其特征在于,包括以下步骤:
步骤1,通过数据输入模块输入历史的财务数据;所述历史财务数据与实时财务数据均包括凭证单号、分录号、摘要、科目代码、科目名称、项目代码、项目名称、负责人工号、负责人姓名、对方单位、借方金额与贷方金额;
步骤2,通过数据分析模块将输入的财务数据统计得到每天交易次数数据集,通过数据存储模块保存;
步骤3,通过数据读取模块从每天交易次数数据集中取出最小日期和最大日期,作为下一步数据读取的边界值;
步骤4,通过数据分割模块在最小日期和最大日期之间的时间序列上按照指定的步长和跨度将时间序列切分成N个时间段;在最小日期和最大日期之间进行分割的过程中,每一个时间段都包括最小日期和最大日期,第一个交易次数不为0的日期为最小日期,最后一个交易次数不为0的日期为最大日期;
步骤6,通过数据计算模块根据交易次数序列定义异常阈值,所述定义异常阈值采用箱线图原理,公式为:
其中,k为异常系数;
步骤7,通过判断模块判断交易次数序列中是否有大于定义的异常阈值的交易次数,如果有交易次数大于异常阈值,说明该交易次数对应的时间段内交易频繁,属于异常,则执行步骤8,否则返回步骤9;
步骤8,通过数据输出模块输出异常交易数据;所述输出异常交易数据包括输出负责人工号、项目代码、项目名称、交易次数、异常阈值、读取数据的最大日期、高频交易的时间段;
步骤9,输入实时的财务数据,执行步骤2。
3.根据权利要求2所述的结合历史和实时财务数据判断高频交易的方法,其特征在于,所述步长为1天,所述跨度为30天。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733765.1A CN111626860B (zh) | 2020-07-24 | 2020-07-24 | 结合历史和实时财务数据判断高频交易的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733765.1A CN111626860B (zh) | 2020-07-24 | 2020-07-24 | 结合历史和实时财务数据判断高频交易的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626860A CN111626860A (zh) | 2020-09-04 |
CN111626860B true CN111626860B (zh) | 2020-11-20 |
Family
ID=72260392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010733765.1A Active CN111626860B (zh) | 2020-07-24 | 2020-07-24 | 结合历史和实时财务数据判断高频交易的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626860B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150134A (zh) * | 2020-09-15 | 2020-12-29 | 北京智明星通科技股份有限公司 | 一种防止游戏虚拟财产异常交易的方法、系统及服务器 |
CN112487053B (zh) * | 2020-11-27 | 2022-07-08 | 重庆医药高等专科学校 | 海量财务数据异常控制提取工作方法 |
CN113935574B (zh) * | 2021-09-07 | 2023-09-29 | 中金支付有限公司 | 异常交易的监测方法、装置、计算机设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236851A (zh) * | 2010-04-21 | 2011-11-09 | 百度在线网络技术(北京)有限公司 | 基于用户赋权的多维信用体系实时计算的方法及系统 |
CN104992324A (zh) * | 2015-07-22 | 2015-10-21 | 深圳怡化电脑股份有限公司 | 一种自助设备业务处理方法及其系统 |
CN105589950A (zh) * | 2015-12-18 | 2016-05-18 | 百度在线网络技术(北京)有限公司 | 事件属性语句确定及基于事件属性语句预警方法和装置 |
CN106327340A (zh) * | 2016-08-04 | 2017-01-11 | 中国银联股份有限公司 | 一种金融网络的异常节点集合侦测方法及装置 |
CN107153593A (zh) * | 2016-03-02 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种互联网业务监控阈值的确定方法及装置 |
CN109034821A (zh) * | 2018-06-29 | 2018-12-18 | 深圳春沐源控股有限公司 | 交易监控方法及监控装置、存储介质及服务器 |
CN109242499A (zh) * | 2018-09-19 | 2019-01-18 | 中国银行股份有限公司 | 一种交易风险预测的处理方法、装置及系统 |
CN110046951A (zh) * | 2018-12-29 | 2019-07-23 | 中国银联股份有限公司 | 一种交易行为判断方法和系统 |
CN110852754A (zh) * | 2019-10-31 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 一种风险识别方法、装置及设备 |
CN111123126A (zh) * | 2020-02-11 | 2020-05-08 | 中国电信股份有限公司绍兴分公司 | 高压直流与市电直供的在线式蓄电池容量测试系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10037569B2 (en) * | 2011-10-21 | 2018-07-31 | Intercontinental Exchange Holdings, Inc. | Systems and methods to implement an exchange messaging policy |
US8650113B2 (en) * | 2011-10-28 | 2014-02-11 | Chicago Mercantile Exchange Inc. | Identification of accounts that are too profitable or too lossy |
WO2017140811A1 (en) * | 2016-02-16 | 2017-08-24 | Technische Universität Dresden | Method and arrangement for calculation of surplus resources for user, frequency or resource trading |
WO2019073720A1 (ja) * | 2017-10-11 | 2019-04-18 | 株式会社 オレガ | ファイル・アクセス監視方法、プログラム、および、システム |
CN108205587A (zh) * | 2017-12-28 | 2018-06-26 | 北京九章云极科技有限公司 | 一种日志监测方法及系统 |
CN110275815A (zh) * | 2019-06-30 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 一种系统异常告警处理方法及装置 |
-
2020
- 2020-07-24 CN CN202010733765.1A patent/CN111626860B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236851A (zh) * | 2010-04-21 | 2011-11-09 | 百度在线网络技术(北京)有限公司 | 基于用户赋权的多维信用体系实时计算的方法及系统 |
CN104992324A (zh) * | 2015-07-22 | 2015-10-21 | 深圳怡化电脑股份有限公司 | 一种自助设备业务处理方法及其系统 |
CN105589950A (zh) * | 2015-12-18 | 2016-05-18 | 百度在线网络技术(北京)有限公司 | 事件属性语句确定及基于事件属性语句预警方法和装置 |
CN107153593A (zh) * | 2016-03-02 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种互联网业务监控阈值的确定方法及装置 |
CN106327340A (zh) * | 2016-08-04 | 2017-01-11 | 中国银联股份有限公司 | 一种金融网络的异常节点集合侦测方法及装置 |
CN109034821A (zh) * | 2018-06-29 | 2018-12-18 | 深圳春沐源控股有限公司 | 交易监控方法及监控装置、存储介质及服务器 |
CN109242499A (zh) * | 2018-09-19 | 2019-01-18 | 中国银行股份有限公司 | 一种交易风险预测的处理方法、装置及系统 |
CN110046951A (zh) * | 2018-12-29 | 2019-07-23 | 中国银联股份有限公司 | 一种交易行为判断方法和系统 |
CN110852754A (zh) * | 2019-10-31 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 一种风险识别方法、装置及设备 |
CN111123126A (zh) * | 2020-02-11 | 2020-05-08 | 中国电信股份有限公司绍兴分公司 | 高压直流与市电直供的在线式蓄电池容量测试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111626860A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626860B (zh) | 结合历史和实时财务数据判断高频交易的系统及方法 | |
US11521211B2 (en) | Systems and methods for incorporating breach velocities into fraud scoring models | |
TW202022749A (zh) | 商家風險防控方法及裝置 | |
CN111476660B (zh) | 一种基于数据分析的智能风控系统及方法 | |
US11157913B2 (en) | Systems and methods for improved detection of network fraud events | |
Carver et al. | Recent auditor downgrade activity and changes in clients' discretionary accruals | |
US20200211021A1 (en) | Systems and methods for early detection of network fraud events | |
Pradesyah et al. | The Effect Of Third Party Funds (DPK), Non Performing Financing (NPF), And Indonesian Sharia Bank Certificates (SBIS) On Sharia Banking Financing Distribution In Indonesia | |
Mignola et al. | Comments on the basel committee on banking supervision proposal for a new standardized approach for operational risk | |
Song et al. | Predicting accounting fraud: Evidence from Japan | |
WO2016138805A1 (zh) | 一种分布数据异动判断定位方法及系统 | |
CN111242424A (zh) | 质量数据的处理方法及装置 | |
CN107784578B (zh) | 银行外汇数据监管方法及装置 | |
CN113095678B (zh) | 一种碳排放配额分配技术的数据质量评价方法 | |
CN111046947B (zh) | 分类器的训练系统及方法、异常样本的识别方法 | |
CN114881802A (zh) | 基于元数据的数据资产管理方法及系统 | |
CN108280151B (zh) | 一种监控数据清洗质量的方法及系统 | |
CN103236383A (zh) | 等离子显示屏制造过程参数重要性的动态确定与优化方法 | |
US20230394069A1 (en) | Method and apparatus for measuring material risk in a data set | |
Chen et al. | Pricing efficiency and market transparency: Evidence from corporate bond market | |
TWI705407B (zh) | 異常帳戶自動化偵測方法及系統 | |
TWI831364B (zh) | 基於量化影響因子的風險評估系統及其方法 | |
Budík et al. | Corruption Perceptions Index, Credit Rating and Global Competitiveness of Selected Countries | |
De Moura et al. | Impact of changes in accounting standards in debt ratios of firms: Evidence in Brazil | |
CN112712425A (zh) | 一种实体风险评估方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |