Key points are not available for this paper at this time.
Diese Studie wendet Modelle des maschinellen Lernens an, darunter Isolation Forest, DBSCAN und Random Forest, um Anomalien in Handelsdaten zu erkennen. Durch den Vergleich von überwachten und unbeaufsichtigten Ansätzen identifiziert die Forschung effektive Methoden zur Echtzeiterkennung ungewöhnlicher Handelsaktivitäten, die bei der Betrugsprävention und der Entdeckung von Marktmanipulation helfen.
- et al. (Mon,) untersuchten diese Frage.