More advanced techniques have been

More advanced techniques have been used in specialized areas. For example,
credit card fraud can be discovered by identifying transactions through both unsupervised
and supervised learning. Bolton and Hand (2001) used behavioral outlier detection with
unsupervised learning to detect abnormal spending behavior as well as increased
frequency of use. Others have used regression models, Discrete Gaussian Exponential,
depthbased
techniques, distancebased
techniques, and a number of other techniques to
identify outliers. These research streams can be found in Agyemang, et. al. (2005) and
Kou, et. al. (2004).
2.2.3 Trending
In addition to comparing sameperiod
numbers from different vendors,
employees, or customers, fraud can be discovered by comparing numbers over time.
Because almost all perpetrators are greedy (Albrecht, 2008), fraud increases
exponentially over time. Auditors can easily spot an increasing trend on a line chart—
computers are not needed if only one item is being audited (one employee, one vendor,
etc.). The need for automation is during the initial phase of a fraud investigation. If
auditors do not know which item is increasing, they must look through thousands of
graphs to determine which item requires additional investigation. Trending methods
allow the computer to determine which trends are increasing so the auditor can focus on
those items.
One of the most basic methods of determining an increasing trend is linear
regression. Once the computer fits a line to the data, the slope and goodnessoffit
provide a simple measure of trend. Nonlinear regression and BoxJenkins
analysis

ผลลัพธ์ (ไทย) 1:

มีการใช้เทคนิคขั้นสูงเพิ่มเติมในพื้นที่เฉพาะ ตัวอย่างสามารถค้นพบการฉ้อโกงบัตรเครดิต โดยการระบุธุรกรรมผ่านทั้ง unsupervisedและมีการเรียนรู้ ใช้ตรวจสอบ outlier พฤติกรรมกับโบลตันและมือ (2001)เรียนรู้การตรวจผิดปกติพฤติกรรมการใช้จ่าย รวมทั้งเพิ่ม unsupervisedความถี่ของการใช้ ผู้อื่นได้ใช้แบบจำลองถดถอย แยกกัน Gaussian เนนdepthbasedเทคนิค distancebasedเทคนิค และการเทคนิคการระบุ outliers กระแสข้อมูลวิจัยเหล่านี้สามารถพบได้ใน Agyemang ร้อยเอ็ด al. (2005) และโข่ว ร้อยเอ็ด al. (2004)2.2.3 trendingนอกจากเปรียบเทียบ sameperiodตัวเลขจากผู้อื่นฉ้อโกง พนักงานหรือลูกค้า สามารถค้นพบได้ โดยการเปรียบเทียบตัวเลขเวลาเนื่องจากความผิดเกือบทั้งหมดมีโลภ (ภาพ 2008), ทุจริตเพิ่มสร้างช่วงเวลา ผู้สอบบัญชีได้อย่างง่ายดายสามารถจุดมีแนวโน้มเพิ่มขึ้นในแผนภูมิเส้นซึ่งคอมพิวเตอร์ไม่จำเป็นถ้ามีเพียงหนึ่งการตรวจสอบ (หนึ่งพนักงาน ผู้จัดจำหน่ายหนึ่งฯลฯ) ต้องการทำงานอัตโนมัติเป็นระยะเริ่มต้นของการตรวจสอบทุจริต ถ้าไม่รู้สอบเพิ่มสินค้าใด จะต้องมองผ่านพันกราฟเพื่อกำหนดสินค้าที่ต้องการตรวจสอบเพิ่มเติม วิธี trendingให้กำหนดแนวโน้มที่จะเพิ่มขึ้นดังนั้นผู้ตรวจสอบสามารถเน้นรายการเหล่านั้นวิธีพื้นฐานของการกำหนดแนวโน้มการเพิ่มขึ้นเป็นเชิงเส้นถดถอย เมื่อคอมพิวเตอร์ที่เหมาะกับรายการข้อมูล ความชัน และ goodnessoffitมีการวัดแนวโน้มง่าย ถดถอยไม่เชิงเส้นและ BoxJenkinsการวิเคราะห์

ผลลัพธ์ (ไทย) 2:

เทคนิคขั้นสูงอื่น ๆ ได้รับการใช้ในพื้นที่เฉพาะ ยกตัวอย่างเช่น
การฉ้อโกงบัตรเครดิตสามารถค้นพบโดยระบุการทำธุรกรรมผ่านทั้งสองใกล้ชิด
การเรียนรู้และภายใต้การดูแล โบลตันและมือ (2001) ที่ใช้ในการตรวจสอบความผิดปกติของพฤติกรรมที่มี
การเรียนรู้ใกล้ชิดในการตรวจสอบพฤติกรรมการใช้จ่ายที่ผิดปกติเช่นเดียวกับการเพิ่ม
ความถี่ของการใช้ อื่น ๆ ได้ใช้แบบจำลองการถดถอยแบบไม่ต่อเนื่องเสียนเอก,
depthbased
เทคนิค distancebased
เทคนิคและจำนวนของเทคนิคอื่น ๆ ที่จะ
ระบุค่าผิดปกติ กระแสการวิจัยเหล่านี้สามารถพบได้ในบา, และ อัล (2005) และ
Kou, และ อัล (2004).
2.2.3 แนวโน้ม
นอกเหนือจากการเปรียบเทียบ sameperiod
ตัวเลขจากผู้ขายที่แตกต่างกัน,
พนักงานหรือลูกค้า, การทุจริตสามารถค้นพบโดยเปรียบเทียบตัวเลขในช่วงเวลา.
เพราะกระทำผิดเกือบทุกคนมีความโลภ (Albrecht, 2008) การเพิ่มขึ้นของการทุจริต
ชี้แจงเมื่อเวลาผ่านไป . ผู้สอบบัญชีสามารถมองเห็นได้อย่างง่ายดายแนวโน้มเพิ่มขึ้นในบรรทัด chart-
คอมพิวเตอร์ไม่จำเป็นถ้ามีเพียงหนึ่งรายการที่จะถูกตรวจสอบ (พนักงานคนหนึ่งซึ่งเป็นหนึ่งในผู้ผลิต
และอื่น ๆ ) ความจำเป็นในการอัตโนมัติในช่วงเริ่มต้นของการตรวจสอบการทุจริต หาก
ผู้สอบบัญชีไม่ทราบว่ารายการที่จะเพิ่มขึ้นพวกเขาจะต้องมองผ่านหลายพัน
กราฟเพื่อตรวจสอบสินค้าที่ต้องมีการสอบสวนเพิ่มเติม วิธีแนวโน้ม
ให้คอมพิวเตอร์เพื่อตรวจสอบว่าแนวโน้มจะเพิ่มขึ้นเพื่อให้ผู้สอบบัญชีสามารถมุ่งเน้นใน
รายการเหล่านั้น.
หนึ่งในวิธีการขั้นพื้นฐานที่สุดของการกำหนดแนวโน้มเพิ่มขึ้นเป็นเส้นตรง
ถดถอย เมื่อคอมพิวเตอร์เหมาะกับสายข้อมูลความลาดชันและ goodnessoffit
ให้วัดที่เรียบง่ายของแนวโน้ม การถดถอยเชิงเส้นและ BoxJenkins
วิเคราะห์

ผลลัพธ์ (ไทย) 3:

เทคนิคขั้นสูงเพิ่มเติมได้ถูกใช้ในพื้นที่เฉพาะ ตัวอย่างเช่น
การฉ้อโกงบัตรเครดิตสามารถพบได้โดยการระบุธุรกรรมผ่านทั้ง unsupervised
และดูแลนักเรียน โบลตันและมือ ( 2001 ) ใช้ตรวจจับพฤติกรรมที่มีค่า
ดาวแคระดำเพื่อตรวจสอบพฤติกรรมการใช้จ่ายผิดปกติ รวมทั้งเพิ่ม
ความถี่ของการใช้ คนอื่น ๆได้ใช้แบบจำลองสมการถดถอยไม่ต่อเนื่อง ) ชี้แจง


distancebased depthbased เทคนิค เทคนิค และตัวเลขของเทคนิคอื่น ๆเพื่อระบุค่าผิดปกติ
. กระแสงานวิจัยเหล่านี้สามารถพบได้ใน agyemang , et al . ( 2005 ) และ
โค , et al . ( 2547 ) .

2.2.3 แนวโน้มโดยเปรียบเทียบจากตัวเลขจากผู้ขายที่แตกต่างกัน

พนักงาน , ลูกค้า , หรือ ฉ้อโกง สามารถค้นพบโดยการเปรียบเทียบตัวเลขตลอดเวลา
เพราะ ผู้ เกือบทั้งหมดเป็นโลภ ( Albrecht , 2008 ) , ฉ้อโกงเพิ่ม
ชี้แจงตลอดเวลา ผู้สอบบัญชีสามารถมองเห็นแนวโน้มในแผนภูมิเส้น -
คอมพิวเตอร์ถ้าไม่จําเป็นต้องเพียงหนึ่งรายการคือการตรวจสอบ ( พนักงานหนึ่งคน หนึ่งผู้ขาย
ฯลฯ ) ความต้องการสำหรับระบบอัตโนมัติในช่วงระยะเวลาเริ่มต้นของการสอบสวนการทุจริต ถ้า
ผู้สอบบัญชีไม่ทราบรายการที่เพิ่มขึ้นก็ต้องดูผ่านพันของ
กราฟเพื่อตรวจสอบว่าสินค้าต้องมีการสอบสวนเพิ่มเติม แนวโน้มวิธีการ
อนุญาตให้เครื่องคอมพิวเตอร์เพื่อตรวจสอบ ซึ่งแนวโน้มจะเพิ่มขึ้นเพื่อให้ผู้สอบบัญชีสามารถมุ่งเน้น

รายการเหล่านั้น หนึ่งในวิธีที่พื้นฐานที่สุดของการกำหนดเพิ่มแนวโน้มการถดถอยเชิงเส้น

เมื่อคอมพิวเตอร์เหมาะกับเส้นข้อมูล ลาด และ goodnessoffit
ให้วัดที่เรียบง่ายของแนวโน้ม และการวิเคราะห์การถดถอยเชิงเส้น boxjenkins