National and Kapodistrian University of Athens
Η Συνεισφορά της τεχνητής νοημοσύνης και των big data analytics στην ανίχνευση και πρόληψη απάτης στον χρηματοοικονομικό τομέα: η διαχείριση λειτουργικού κινδύνου σε συνδυασμό με την επιρροή και συμβολή του κανονιστικού και θεσμικού πλαισίου (Basel II/III)
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία εξετάζει τη συμβολή και τη βαθιά μεταμόρφωση των Big Data Analytics και της Τεχνητής Νοημοσύνης (AI) στην ανίχνευση και πρόληψη χρηματοοικονομικής απάτης, με έμφαση στον ρόλο του κανονιστικού πλαισίου Basel II και Basel III στη διαχείριση του λειτουργικού κινδύνου. Η μελέτη αναδεικνύει την ανάγκη μετάβασης από τα παραδοσιακά rule-based συστήματα σε πιο ευέλικτες και επεξηγηματικές μεθόδους τεχνητής νοημοσύνης, οι οποίες μπορούν να ανιχνεύουν πολύπλοκα μοτίβα απάτης σε πραγματικό χρόνο. Η ερευνητική προσέγγιση συνδυάζει τρεις κατηγορίες μεθόδων: • rule-based ανάλυση, • εποπτευόμενη μάθηση (supervised learning) με Logistic Regression και XGBoost, και • μη εποπτευόμενη μάθηση (unsupervised learning) με Isolation Forest. Η μελέτη εφαρμόζει τις τεχνικές αυτές σε πραγματικά και συνθετικά δεδομένα συναλλαγών (credit card και insider trading datasets), επιτυγχάνοντας υψηλή ακρίβεια εντοπισμού ύποπτων μοτίβων όπως το front-running και το piggy-backing. Τα αποτελέσματα δείχνουν ότι τα υβριδικά μοντέλα (rule-based + ML) υπερέχουν ως προς την ακρίβεια και την επεξηγησιμότητα, ενισχύοντας τη διαφάνεια και τη συμμόρφωση με τις αρχές της Basel III. Παράλληλα, εντοπίζονται θεσμικά και μεθοδολογικά κενά, κυρίως σε επίπεδο κανονιστικής ενσωμάτωσης των AI συστημάτων. Η εργασία μετά από τη θεωρητική ανασκόπηση συμπεραίνει ότι • η μετάβαση από τα παραδοσιακά rule-based συστήματα σε υβριδικά, επεξηγήσιμα μοντέλα μηχανικής μάθησης δεν είναι απλώς τεχνολογική εξέλιξη, αλλά στρατηγική αναγκαιότητα για τη χρηματοπιστωτική σταθερότητα. • η ευρεία υιοθέτηση της επεξηγήσιμης τεχνητής νοημοσύνης (Explainable AI - XAI) αποτελεί κρίσιμη προϋπόθεση για την αποτελεσματική διαχείριση λειτουργικού κινδύνου στο σύγχρονο χρηματοπιστωτικό περιβάλλον. • η τεχνητή νοημοσύνη δεν αντικαθιστά την ανθρώπινη κρίση αλλά τη συμπληρώνει, την ενισχύει και την καθιστά πιο συνεπή και τεκμηριωμένη. προτείνει • θεσμική ενσωμάτωση και διεπιστημονική συνεργασία ως προϋπόθεση για μία υπεύθυνη και ασφαλή εφαρμογή της εξηγήσιμης ΤΝ στον χρηματοπιστωτικό τομέα. Πρακτικά: Τα ευρήματα δείχνουν ότι τα νέα XAI reports θα πρέπει να είναι της μορφής : VISA ALERT: Η Συναλλαγή Z μπλοκαρίστηκε (95% κίνδυνος) κυρίως λόγω της ασυνήθιστα υψηλής συχνότητας συναλλαγών την τελευταία ώρα (+25%) σε συνδυασμό με την ακραία γεωγραφική απόσταση από την τελευταία έγκυρη χρήση (+20%). Αν και ο πελάτης είναι παλιός (-10%) και το μέσο ποσό συναλλαγής του είναι χαμηλό (-5%), η ξαφνική έξαρση δραστηριότητας από το εξωτερικό υπερίσχυσε και η συναλλαγή θεωρείται ύποπτη προς διερεύνηση.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΦΑΡΛΕΚΑ ΑΔΑΜΑΝΤΙΑ
- FARLEKA ADAMANTIA
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:5315512