引发企业信用失真的欺诈信息辨析研究进展(2)

　　（2）窗口技术：窗口技术适用于周期性输入数据背景下的孤立点挖掘问题，通过提取窗口长度、在一个或多个测试窗口中发现样本中的异常点，其中异常点判定准则是其关键，较为成功的判定准则有t-STIDE技术。
　　（3）马尔科夫技术：马尔科夫技术适应于具有短期记忆特征的时序数据孤立点挖掘问题，代表性成果有：SotiriosPChatzis等（2011）把t分布引入隐马尔科夫模型构建了t-隐马尔科夫模型，利用变分贝叶斯推断算法对孤立点进行检测；DanaRon等（1996）构建了固定长度的马尔科夫模型等，这些文献基于不同的领域研究了异常点的识别问题，其中模型构建、模型参数估计方法一直是该部分研究的重点。
　　2.从截面维度来看，截面数据之间的内在关联规则的挖掘是孤立点挖掘的关键，代表性成果有：JohnGrznar（2007）通过利用神经网络的方法分析了系统组织间的非线性内在关联性并对其孤立点进行了识别；李云等（2008）提出一种基于灰色关联分析的孤立点检测算法（OMGRA），通过总评价判断数挖掘孤立点集，避免人工确定阈值的缺点。
　　（二）基于孤立点挖掘技术的研究成果
　　从孤立点挖掘技术来看，国内外对该部分的研究成果相当丰富，针对不同的应用领域应有不同的适用技术，鉴于方法与文献的丰富性，这里仅梳理对研究企业信用违约真实水平有借鉴作用的国内外研究成果，具体如下：
　　1.非线性滤波技术：AgostinoCapponi（2009）基于公司信息恶意误报且投资者不能观测的假定，提出了新的结构化违约模型及“去伪”方法。针对欺诈信息污染后的资产观测值，运用提出的非线性滤波技术，以帕玛拉特公司财务欺诈为例进行实证研究，结果表明由帕玛拉特公司的会计违规行为而导致的虚假数据的“归真”具有一定的校正作用，但该模型过于简单，没有涉及欺诈信息与企业信用失真间的量化关系的深入探讨，不过其模型结构及“去伪”方法将对该项目的欺诈信息剥离有很高的参考价值。
　　2.分类技术：E.W.T.Ngai等（2011）以挖掘分类技术在金融欺诈中的应用为研究进行了综述，总结了近几年的的研究成果；M.L.Shyu等（2003）根据主成分分类方法提出一种新的孤立点检测方案。
　　3.聚类技术：CWang（2009）利用核聚类方法并对孤立点加以识别，据此对客户群关系进行归类；梁斌梅（2009）基于层次聚类的孤立点检测方法提出了基于层次聚类的孤立点检测（ODHC）方法。
　　4.统计技术：WayneA.Woodward等（2003）以正态混合概率分布对孤立点加以检验；CCaroni等（2004）借助于似然率与自回归模型检测了时序数据的孤立点问题；杨瑞成等（2010）在随机跳扩散模型的基础上对重大信息引起的异常点加以检测，采用MCMC算法对模型参数加以估计，并以人民币汇率数据进行实证分析。
　　5.信息论技术：信息论技术主要利用信息熵分析数据所呈现的信息内容，从距离的角度探测孤立点的不规则并加以辨析。
　　6.近邻技术：XiaoqingWeng等（2008）提出一种多变量时间序列异常样本的识别算法，使用k-近邻方法查找异常点；岳峰等（2007）提出了基于反向K近邻（RKNN）的孤立点检测算法（ODRKNN），运用每个数据点的反向K近邻个数来衡量该数据点的偏离程度，并有效地检测出孤立点。
　　7.混合技术：混合技术是吸收上述几种理论与方法构建出的组合技术，这是近几年孤立点挖掘技术的一个新方向，代表性成果主要有：HuiCao等（2010）在近邻技术与统计技术的基础上构建了基于密度—相似度—近邻原则的孤立点识别算法；吕林涛等（2007）针对国内外金融领域可疑交易的低检测率问题，通过对RBF神经网络技术的分析与研究，提出了一种基于APC-III聚类算法和RLS算法的面向反洗钱的RBF神经网络模型并加以实现。
　　尽管这些成果不是以企业欺诈信息为识别对象所建立的孤立点检测技术，但是依然对把握企业的真实信用水平起着基础性的作用，所不同的是，企业欺诈信息的辨析更为复杂，它是时间维度与截面维度的综合体，在孤立点挖掘技术设计上既要考虑数据的时间变化规律特征，又要兼顾到截面指标集间的关联复杂性，需要在现有理论的基础上进一步发展及创建。
　　四、展望
　　欺诈信息的嵌入是企业信用失真的内因，从现有国内外相关研究成果来看，缺少从孤立点挖掘视角对欺诈信息的辨析技术，具体来说，概括得到如下核心问题亟需解决：
　　（一）诱发企业信用失真的欺诈信息载体指标集的筛选、量化及内在规律提取
　　欺诈信息通过附着在载体指标集上呈现出来，其外显模式——载体指标集的筛选与量化是分析企业信用失真的前提，其内在变化规律是欺诈信息的辨析依据。现有文献缺少以企业信用失真的成因为出发点，对欺诈信息载体指标集的筛选、量化及内在规律提取的研究成果，因此，如何构建欺诈信息载体指标集、刻画其内在变化规律需进一步探讨。
　　（二）基于欺诈信息辨析的孤立点挖掘技术创建
　　现有成果缺少基于欺诈信息辨析的孤立点挖掘技术，需在吸收现有孤立点挖掘理论与方法的基础上，依据载体指标集的内在变化规律与欺诈信息的特点，发展并创建基于欺诈信息辨析的孤立点挖掘技术。
　　（三）欺诈信息“剥离”技术的探寻与发展
　　利用孤立点挖掘技术对欺诈信息有效识别之后，如何对载体指标集中所嵌入的欺诈信息进行“剥离”成为把握企业真实信用违约水平的关键所在，于是，欺诈信息的剥离技术需进一步探索与发展。
　　这些共性问题将成为进一步研究的热点。●
　　【主要参考文献】