基于无监督学习的可解释性财务异常检测研究

摘要

本文针对实际的财务数据审核工作面临着成本高、变动快和经验传承困难等问题,设计了一套财务异常分析系统。该系统通过对财务数据进行预处理和语义解析,采用关联规则挖掘和离群点检测的方法,对历史的海量数据进行异常检测模型构建,实现了财务数据异常识别规则的自动挖掘,而且生成的规则本身具备解释性,便于业务人员理解、判断和审核。实验结合了实际的财务数据和构造数据集进行数据测试和分析,评估结果表明异常检测框架取得符合业务使用的有效性和准确率要求,具有实际落地的应用意义。