基于模型混合的智能交易行为异常检测

作者：张耐; 张晨亮; 柳永翔; 陈聪; 黄艳婷

来源：计算机工程与科学, 2023, 45(09): 1639-1647.

DOI：10.3969/j.issn.1007-130X.2023.09.013

• 安全性评估
• 异常检测
• 深度学习
• 梯度提升树

作为智能金融的重要体现之一，基于交易软件的智能化交易在国内金融市场方兴未艾，显著提升了金融交易效率。然而，智能交易软件类型丰富，其涉及的交易策略设计思路和算法复杂多样，造成交易存在异常、不合规风险。目前，对于智能交易行为的异常检测工作尚未充分展开。为此，针对交易数据类型的复杂性和专业性，提出了融合深度学习隐式表征学习和规则树模型显式规则学习的思路，对交易数据涉及的时序性和合规性分别进行建模。为验证所提模型的有效性，在股票、期货等多种类型数据上将其和一些代表性的基线模型进行了对比，实验结果表明该模型能够取得最佳性能。此外，对混合模型进行了进一步分析，测试了不同特征对于异常检测效果的影响。

• 单位
  华东师范大学; 上海华鑫股份有限公司