نقش رویکردهای یادگیری ماشین در ارزیابی ریسک پولشویی : مرور ادبیات نظام مند

بانک ها با اتخاذ رویکرد ریسک محور در اجرای برنامه های مبارزه با پولشویی خود همواره در پی شناسایی موارد پرریسک و با اهمیت و اختصاص بهینه منابع مالی و انسانی خود به منظور بررسی و تجزیه و تحلیل آن ها می باشند. در این مقاله در راستای شناسایی و اولویت بندی رویکردها و الگوریتم های یادگیری ماشین و عوامل موثر در ارزیابی ریسک پولشویی، با استفاده از مرور ادبیات نظام مند پژوهش ها و مطالعات انجام شده در این حوزه مورد بررسی قرار گرفتند و پس از تجزیه و تحلیل آن ها، اطلاعات مورد نظر شناسایی، استخراج و طبقه بندی شدند. از میان 549 مطالعه تعداد 9 مقاله با استفاده از معیارهای انتخاب و عدم انتخاب از قبل تعیین شده انتخاب شدند. نتایج نشان داده که در اکثر مطالعات انجام شده الگوریتم های نظارتی یادگیری ماشین از جمله درخت تصمیم بیشتر توجه محققین را جلب کرده است. به منظور ارزیابی مدل ها نیز معیارهای ارزیابی از جمله Accuracy و Precision مورد استفاده قرار گرفته اند. برای تحقیقات آتی گسترده کردن حوزه و دامنه این مرور ادبیات با در نظر گرفتن جستجوهای دستی از طریق تکنیک های گلوله برفی در مراجع مطالعه شده در این مرور و همچنین در مجلات و کنفرانس های مرتبط پیشنهاد می شود.

Keywords:

ارزیابی ریسک , پولشویی , یادگیری ماشین , مرور نظام مند