元欺詐：用于檢測(cè)財(cái)務(wù)欺詐的元學(xué)習(xí)框架

財(cái)務(wù)欺詐行為會(huì)給一個(gè)組織的長期可持續(xù)發(fā)展帶來嚴(yán)重后果，也會(huì)對(duì)其雇員、投資者以及整體經(jīng)濟(jì)產(chǎn)生不利影響。美國歷史上幾起大的破產(chǎn)案件均涉及參與大型欺詐行為的公司。此外，這個(gè)問題似乎有全球影響力。注冊(cè)舞弊稽核師協(xié)會(huì)估計(jì)，世界范圍內(nèi)每年的財(cái)務(wù)欺詐損失超過1萬億美元。這一估計(jì)是基于記錄的數(shù)百個(gè)每年發(fā)生在歐洲、亞洲、非洲、南北美洲和大洋洲的財(cái)務(wù)欺詐案例以及許多未發(fā)現(xiàn)的欺詐（和由此造成的損失）事實(shí)。因此，促進(jìn)檢測(cè)財(cái)務(wù)欺詐行為的自動(dòng)化方法的發(fā)展越來越受重視。然而，大多數(shù)方法產(chǎn)生的效果并不理想。因此，繼續(xù)檢測(cè)財(cái)務(wù)欺詐是商業(yè)智能技術(shù)面臨的一項(xiàng)重要挑戰(zhàn)。

現(xiàn)有的財(cái)務(wù)欺詐檢測(cè)方法無法提供足夠的欺詐檢測(cè)功能，大多數(shù)對(duì)美國公司的研究發(fā)現(xiàn)檢出率小于70% 。此外，許多之前的研究利用內(nèi)部（即非公用的）數(shù)據(jù)，獲取時(shí)成本高且耗時(shí)，而且通常對(duì)很多利益相關(guān)者來說不可用。

最近商業(yè)智能（BI）技術(shù)的發(fā)展已經(jīng)提升了與復(fù)雜問題域相關(guān)的發(fā)現(xiàn)模式的潛力，例如欺詐。因?yàn)锽I工具有助于更好地了解組織的內(nèi)外部環(huán)境，強(qiáng)有力的財(cái)務(wù)欺詐檢測(cè)方法可使利益相關(guān)者群體獲益：投資者、審計(jì)公司和監(jiān)管機(jī)構(gòu)。

為實(shí)現(xiàn)這一目標(biāo)，我們采用設(shè)計(jì)科學(xué)范式來指導(dǎo)IT項(xiàng)目，元欺詐框架的開發(fā) 。在這樣做的過程中，我們選擇了元學(xué)習(xí)作為內(nèi)核理論來指導(dǎo)IT項(xiàng)目的設(shè)計(jì)。元學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)形式，能夠了解學(xué)習(xí)過程本身，以增強(qiáng)獲取結(jié)果的質(zhì)量。元欺詐框架包括四部分，提倡使用源于公開可獲取的財(cái)務(wù)報(bào)表和強(qiáng)有力的分類機(jī)制的一套豐富的措施。

先前的研究使用來自美國公司的數(shù)據(jù)普遍獲得不充分的結(jié)果，典型地，欺詐檢出率低于70%。這些結(jié)果導(dǎo)致有人提出，基于財(cái)務(wù)報(bào)告的數(shù)據(jù)不能準(zhǔn)確識(shí)別財(cái)務(wù)欺詐（至少在美國公司這一環(huán)境中）。普華永道的研究人員最近做了一項(xiàng)研究獲得64%或更低的欺詐檢出率 。這些研究和之前的其他研究局限性的結(jié)果表明使用財(cái)務(wù)方法和分類方法不夠。

設(shè)計(jì)科學(xué)是一種強(qiáng)有力的范式，對(duì)IT項(xiàng)目的開發(fā)提供了具體的指示，包括構(gòu)造、模型、方法和實(shí)例 。在設(shè)計(jì)科學(xué)范式中，方法定義過程。它們?yōu)槿绾谓鉀Q問題提供了指南，那就是，如何搜索答案空間 。先前的幾個(gè)研究已經(jīng)利用設(shè)計(jì)科學(xué)方法開發(fā)BI 技術(shù)包括方法和實(shí)例。因此，我們受啟發(fā)開發(fā)了一種強(qiáng)有力的財(cái)務(wù)欺詐檢測(cè)框架（即，方法）。

在缺乏足夠的設(shè)計(jì)指導(dǎo)方針下創(chuàng)建IT項(xiàng)目，許多研究強(qiáng)調(diào)需要設(shè)計(jì)理論來幫助統(tǒng)領(lǐng)開發(fā)進(jìn)程。我們用元學(xué)習(xí)作為一種核心理論來指導(dǎo)所提議的財(cái)務(wù)欺詐檢測(cè)框架的開發(fā) （Brazdil et al. 2008）。

元學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)形式，使用通過機(jī)器學(xué)習(xí)或數(shù)據(jù)挖掘過程獲得的專門知識(shí)來改善在未來應(yīng)用中獲取的結(jié)果的質(zhì)量 （Brazdil et al. 2008）。盡管機(jī)器學(xué)習(xí)提供了大量的算法來完成一項(xiàng)任務(wù)卻沒有提供有關(guān)特定算法的具體應(yīng)用環(huán)境的指南指導(dǎo)，相反，元學(xué)習(xí)提供了解學(xué)習(xí)過程本身的方式來獲得關(guān)于哪些基本功能和算法可以得到最有效應(yīng)用的知識(shí) （Brazdil et al. 2008）。我們假定一種元學(xué)習(xí)方法特別適合于財(cái)務(wù)欺詐檢測(cè)，由于該問題域的復(fù)雜性，動(dòng)態(tài)性和對(duì)抗性 （Virdhagriswaran and Dakin 2006）。

20 世紀(jì)80年代末 90 年代初大量研究者開發(fā)了元學(xué)習(xí)，他們?cè)噲D整合幾種機(jī)器學(xué)習(xí)策略來提高整體精度（e.g.， Wolpert 1992）。元學(xué)習(xí)術(shù)語是由 Chan and Stolfo （1993）創(chuàng)造的，他們提出以自適應(yīng)方式結(jié)合多種機(jī)器學(xué)習(xí)技術(shù)的結(jié)果來提高精度的方法。 這種方法已演變成在各種各樣的應(yīng)用程序域中研究的活動(dòng)流 （Brazdil et al.2008； Vilalta and Drissi 2002）。共同地，元學(xué)習(xí)提供了大量的指南來提高關(guān)于特定問題任務(wù)的機(jī)器學(xué)習(xí)能力。

在機(jī)器學(xué)習(xí)中，學(xué)習(xí)偏差指任何偏好選擇一種假設(shè)，而該假設(shè)解釋了同樣被其他假設(shè)所接受的數(shù)據(jù) （Mitchell 1997）。從另一個(gè)層面看，元學(xué)習(xí)的兩個(gè)關(guān)鍵方面是聲明性和程序性偏差（Brazdil et al. 2008）。聲明性偏差指定表示假設(shè)空間，它受所含屬性數(shù)量和類型的約束（即，特征空間）。程序性偏差屬于分類器以某種方式來對(duì)歸納假設(shè)排序強(qiáng)加限制。

一種有效的元學(xué)習(xí)策略會(huì)為給定的分類任務(wù)動(dòng)態(tài)識(shí)別聲明性和程序性偏差的適當(dāng)級(jí)別（Vilalta and Drissi 2002）。聲明性偏差可以通過改變特征空間受到操縱（即，通過擴(kuò)展或收縮），而程序性偏差可以通過選擇合適的預(yù)測(cè)模型或組合模型來改（Giraud-Carrier et al. 2004； Vilalta and Drissi 2002）。

元欺詐框架是非常有效的，對(duì)于不同的利益相關(guān)者成本設(shè)置，合法的和欺詐召回超過80%。元欺詐顯著改善性能勝過現(xiàn)有方法。使用元學(xué)習(xí)方法增強(qiáng)財(cái)務(wù)欺詐檢測(cè)的可行性。（作者單位為山西財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院）