Can we detect and predict fraud with machine learning?

Resumo

Este projeto visa construir um modelo de aprendizagem automática capaz de detetar e prever fraudes financeiras. Com base em 3.095 firmas fraudulentas dos EUA, 61 variáveis e 24 anos de análise, uma rede neural é capaz de detetar e prever grande parte das fraudes. Após pesquisa e análise, concluiu-se que a fraude financeira tem um impacto enorme, não só para as empresas em termos de custos e penalidades, mas também para os investidores e para o mercado como um todo. Muitas das empresas fraudulentas desaparecem após a descoberta da fraude e não conseguem recuperar. As consequências que isso acarreta/implica nos colaboradores, investidores e mercado são incalculáveis. As empresas em processo de oferta pública inicial tendem a ter mais incentivos para cometer fraudes, uma vez que se encontram num ponto crítico do seu ciclo de vida e desejam atrair o maior número possível de investidores. Este projeto irá abordar essas empresas separadamente também devido às suas características interessantes e incentivo evidente para cometer fraudes. Este modelo pode ser usado por investidores, por bancos nos seus modelos de risco de crédito, por investidores de risco e, por último, por instituições como o Securities and Exchange Committee (SEC), que regula o mercado nos EUA.

Data de atribuição	1 fev. 2021
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Dan Tran (Supervisor)