Fraud Detection in Derivatives Market using Deep Unsupervised Anomaly Detection and NLP
Au cours des dernières années, une forte augmentation de l’intérêt des traders et investisseurs envers les instruments financiers a conduit directement à une augmentation importante des informations reçues quotidiennement par les bourses. Les régulateurs boursiers, qui surveillent constamment les marchés pour dévoiler d’éventuelles infractions, effectuent traditionnellement leur enquête manuellement, et la croissance notable de l’activité du marché représente un risque important que des événements frauduleux passent inaperçus. En réponse à cette nouvelle réalité, les plateformes d’échange à travers le monde mettent en place des systèmes de surveillance automatisés qui suivent l’activité du marché. Dans ce projet, nous avons entrepris de concevoir de nouveaux algorithmes d’intelligence artificielle qui détecteront tout ce qui semble anormal ou frauduleux dans les données et nouvelles du marché, afin que les analystes puissent se concentrer sur ces alertes. Un tel système pourrait potentiellement détecter des cas frauduleux qui passent actuellement inaperçus, tout en réduisant drastiquement les coûts humains et le temps de validation.
Voir la description complète du projetManuel Morales; Gilles Caporossi
Bourse de Montréal
Mathématiques
Finance et assurance
HEC Montréal; Université de Montréal
Accélération