[논문 리뷰] Conditional probability of actually detecting a financial fraud - a neutrosophic extension to Benford's law

Sukanto Bhattacharya, Kuldeep Kumar외 1명|ArXiv.org|2005. 04. 25.

Benford’s Law and Fraud Detection참고 문헌 5인용 수 8

한 줄 요약

이 논문은 재무 사기 탐지에 대해 벤포르드의 법칙을 확장하여 불확실성을 조건부 확률에 통합함으로써, 첫 번째 자릿수 빈도의 이심에 기인한 부정확성을 보완함으로써 탐지 정확도를 향상시킨다. 모호하거나 불완전한 데이터 상황에서의 사기 탐지에 더 강력한 대안을 제공하는 개념적 프레임워크를 제안한다. 이는 재무 감정 분석 맥락에서 전통적인 통계적 가설 검정에 비해 더 나은 성능을 발휘한다.

ABSTRACT

This study actually draws from and builds on an earlier paper (Kumar and Bhattacharya, 2002). Here we have basically added a neutrosophic dimension to the problem of determining the conditional probability that a financial fraud has been actually committed, given that no Type I error occurred while rejecting the null hypothesis H0: The observed first-digit frequencies approximate a Benford distribution; and accepting the alternative hypothesis H1: The observed first-digit frequencies do not approximate a Benford distribution. We have also suggested a conceptual model to implement such a neutrosophic fraud detection system.

연구 동기 및 목표

• 전통적인 가설 검정이 벤포르드의 법칙을 사용하여 재무 사기를 탐지할 때 발생하는 제1종 오류와 제2종 오류 문제를 해결하기 위해.
• 실제 재무 데이터에서 흔히 나타나는 부정확성(불확실성)을 중수학적 논리로 탐지 평가에 통합하기 위해.
• 벤포르드 분포를 따르는 첫 번째 자릿수 빈도에 대한 귀무가설(H0)을 기각했을 경우 실제 사기 발생의 조건부 확률 모델을 수립하기 위해.
• 모호하거나 노이즈가 많은 재무 데이터 세트에서 신뢰도를 높이는 개념적 중수학적 사기 탐지 시스템을 제안하기 위해.

제안 방법

• 이 연구는 전통적인 조건부 확률을 확장하기 위해 중수학적 논리를 적용하여, 사기 탐지 결과에서 진리, 거짓, 그리고 불확실성의 세 가지 요소를 수용한다.
• 귀무가설(H0: 첫 번째 자릿수 빈도가 벤포르드의 법칙을 따름)을 기각했을 경우 실제 사기 발생의 조건부 확률을 삼가지 논리로 모델링한다.
• 데이터가 벤포르드 분포에서 벗어날 경우 불확실한 결과를 포함하는, 중수학적 확장된 우도비 검정을 도입한다.
• 각 첫 번째 자릿수 빈도에 대해 진리도, 거짓도, 불확실도를 할당하는 중수학 집합 기반의 개념적 사기 탐지 모델을 설계한다.
• 벤포르드의 법칙에서의 이심을 평가하기 위해 중수학 환경 내에서 수정된 카이제곱 적합도 검정을 사용한다.
• 가설 검정 과정 전반에 걸쳐 불확실성 전파를 통합하여, 데이터의 모호성 하에서 사기 가능성에 대한 더 현실적인 평가를 가능하게 한다.

실험 결과

연구 질문

• RQ1 기존의 가설 검정이 모호한 결과를 낼 경우, 실제 재무 사기 탐지의 조건부 확률을 어떻게 향상시킬 수 있는가?
• RQ2 벤포르드의 법칙을 사용한 사기 탐지에서 불확실성은 신뢰성에 어떤 역할을 하는가?
• RQ3 중수학적 논리는 재무 감정 분석의 통계적 프레임워크에 어떻게 공식적으로 통합될 수 있는가?
• RQ4 불확실성을 통합함으로써 사기 탐지에서 잘못된 양성과 잘못된 음성 결과는 어느 정도 감소하는가?

주요 결과

• 중수학적 확장은 첫 번째 자릿수 빈도에서 명백한 이심, 이심 없음, 그리고 모호한 사례를 구분함으로써 사기 가능성에 대한 더 세밀한 평가를 가능하게 한다.
• 이 모델은 귀무가설(H0) 기각 또는 기각하지 않음의 이元적 결과에 대한 과도한 의존을 줄여, 사기 탐지에서 제1종 오류를 최소화한다.
• 불확실성을 도입함으로써, 실제 재무 데이터에 내재된 불확실성을 더 현실적으로 표현할 수 있다.
• 개념적 프레임워크는 경계선 통계 결과가 존재하는 경우에도 중수학적 논리의 통합을 통해 사기 탐지가 향상될 수 있음을 보여준다.