[论文解读] Conditional probability of actually detecting a financial fraud - a neutrosophic extension to Benford's law

Sukanto Bhattacharya, Kuldeep Kumar+1 more|ArXiv.org|Apr 25, 2005

Benford’s Law and Fraud Detection参考文献 5被引用 8

一句话总结

本文通过整合中性逻辑以建模条件概率中的不确定性，将本福德定律扩展用于财务欺诈检测，通过考虑首位数频率偏差中的不确定性，提高了检测准确性。该研究提出了一种概念性框架，可在数据模糊或不完整的情况下优化欺诈检测，为法医学会计情境下传统统计假设检验提供更具鲁棒性的替代方案。

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.

研究动机与目标

• 解决传统假设检验在使用本福德定律检测财务欺诈时的局限性，特别是关于第一类和第二类错误的问题。
• 将现实世界财务数据中常见的不确定性（indeterminacy）纳入使用中性逻辑的欺诈检测评估中。
• 构建一个考虑在拒绝原假设（H0：首位数频率符合本福德定律）时不确定性因素的条件概率模型。
• 提出一种概念性的中性逻辑欺诈检测系统，以提升在模糊或噪声较大的财务数据集中的可靠性。

提出的方法

• 本研究将中性逻辑应用于扩展经典条件概率，允许在欺诈检测结果中同时包含真值、假值和不确定性。
• 采用三值逻辑对在拒绝原假设（H0：首位数频率符合本福德定律）条件下实际欺诈发生的条件概率进行建模。
• 该方法引入了对似然比检验的中性逻辑扩展，当数据偏离本福德分布时，可纳入不确定结果。
• 基于中性集设计了一种概念性的欺诈检测模型，其中每个首位数频率均被赋予真值度、假值度和不确定性度。
• 该框架在中性环境中使用改进的卡方拟合优度检验，以评估与本福德定律的偏离程度。
• 该方法在假设检验过程中实现了不确定性的传播，从而在数据模糊的情况下实现对欺诈可能性的更真实评估。

实验结果

研究问题

• RQ1 当传统假设检验结果模棱两可时，如何改进检测实际财务欺诈的条件概率？
• RQ2 不确定性在使用本福德定律进行欺诈检测的可靠性中起什么作用？
• RQ3 如何将中性逻辑正式整合到本福德定律的统计框架中，以应用于财务法医学？
• RQ4 在欺诈检测中引入不确定性后，虚假阳性与虚假阴性在多大程度上得以减少？

主要发现

• 中性逻辑扩展使得对欺诈可能性的评估更加细致，能够区分明确偏离、无偏离以及模糊情况下的首位数频率。
• 该模型减少了对二元结果（拒绝/未能拒绝H0）的过度依赖，从而降低了欺诈检测中的第一类错误。
• 通过引入不确定性，该方法更真实地反映了现实世界财务数据中固有的不确定性。
• 概念性框架表明，通过整合中性逻辑，欺诈检测可得到增强，尤其在统计结果处于临界状态的情况下。