هنگامی که سازمان غذا و داروی (FDA) در سال 2001 داروی سرطان Erbitux را رد کرد ، قیمت سهم در شرکت داروسازی Imclone به میزان قابل توجهی کاهش یافت. سرمایه گذاران به شدت تحت تأثیر قرار گرفتند ، در حالی که به نظر می رسد افراد نزدیک به ساموئل واکسال ، مدیرعامل ، سودمند بودند. تحقیقات SEC کشف کرد که واکسال به مدیران ، دوستان و خانواده مختلف توصیه می کند که سهام خود را بفروشند ، و می دانند که این دارو قصد دارد ارزیابی ها را شکست دهد. برای این اقدام ، واکسال با هفت سال زندان و 4. 3 میلیون دلار جریمه روبرو شد. [1]

تجارت خودی یک جرم جدی است که با مجازات زندان و/یا جریمه های سنگین مجازات می شود. این شامل "تجارت در سهام یک شرکت دولتی توسط شخصی است که به هر دلیلی اطلاعات غیر عمومی و غیر عمومی در مورد آن سهام دارد". [2]با دسترسی به اطلاعات خودی ، یک طرف با پاداش های مالی (در صورت عدم کشف) از طرف دیگر مزیت دارد. نوع اطلاعات مورد نظر ، در دسترس عموم گسترده تر نیست و با تغییر تصمیمات سرمایه گذاران ، مدیران صندوق یا افراد برای خرید یا فروش سهام خاص ، بر یکپارچگی بازارها تأثیر می گذارد.

تحقیق در مورد تجارت خودی یک کار پیچیده و فشرده است. این مقاله نشان می دهد که چگونه می توان از RDFOX برای بهبود روند تحقیق از طریق قوانین و هستی شناسی استفاده کرد. علاوه بر این ، یک تحقیق فرضی نشان می دهد که چگونه می توان معاملات را به سرعت و به طور مؤثر مورد بررسی قرار داد.

تحقیق در مورد تجارت خودی

دلایل زیادی وجود دارد که ممکن است تجارت به عنوان مشکوک تلقی شود. به عنوان مثال ، ممکن است یک سهام بهتر از حد انتظار عمل کند و 10 ٪ از ارزش خود را در یک روز بدست آورد. هنگامی که این اتفاق بیفتد ، معاملات توسط یک سیستم خودکار به محققان داخلی پرچم گذاری می شود که باید مشخص کنند که آیا معامله گر در محدوده فعالیت های معمول عمل می کند یا اینکه آیا این عمل تجارت خودی را تشکیل می دهد. بیشتر معاملات مشکوک نخواهند بود ، در حالی که تعداد معدودی برای تحقیقات بیشتر ارجاع می شوند.

بانک ها و موسسات تجاری از منابع قابل توجهی (پول ، نرم افزار و زمان) برای تحقیق در مورد معاملات پرچم دار استفاده می کنند که می تواند روزانه چندین هزار نفر باشد. خود پرچم ها فاقد زمینه هستند ، و محققان غالباً با اطلاعاتی بیش از حد بارگذاری می شوند و تعیین سریع و مؤثر ماهیت تجارت را برای آنها دشوار می کند. روشی که اطلاعات کلیدی را به موقع استخراج می کند ، باعث افزایش کارایی این سیستم و مزایای مالی قابل توجهی می شود.

بهبود تحقیقات تجارت خودی

برای ساده تر کردن روند تحقیق ، محققان بدون اینکه بیش از حد بارگذاری شوند ، به همه زمینه و اطلاعات مربوطه نیاز دارند. این اطلاعات باید قابل مصرف و آسان برای مدیریت باشد ، به طوری که معاملات مشکوک از مواردی که به دروغ پرچم گذاری شده اند می توان فیلتر کرد.

این می تواند با RDFOX ، یک نمودار دانش با کارایی بالا و موتور استدلال معنایی حاصل شود. با استفاده از قدرت استدلال معنایی پیشرفته ، می توان یک سیستم هوشمند ساخته شده با استفاده از سلسله مراتب قوانین و هستی شناسی ها ایجاد کرد. بقیه این مقاله به بررسی چگونگی انجام این کار می پردازند.

داده

برای تعیین اینکه آیا تجارت مشکوک است ، باید اطلاعات زیادی در مورد صنعت از جمله داده های تاریخی داشته باشیم. برای این مثال ، ما از داده های شریک زندگی خود Refinitiv ، یک تجارت LSEG (گروه بورس اوراق بهادار لندن) استفاده می کنیم ، که شامل اطلاعات مربوط به کارمندان و سهامداران شرکت است و اینکه آیا آنها در هرگونه معاملات شرکت داشته اند.

مجموعه داده ها شامل داده های مربوط به 100000 شرکت و 3000 معامله گر است که به 100000 معاملات در روز و 1،000،000 معاملات بین سالهای 1965 تا 2019 می رسد. این تقریباً 350 میلیون سه گانه در پایگاه داده است.

و همچنین داده ها ، هستی شناسی ها در پایگاه داده نقشه برداری می شوند. تصویر زیر یک هستی شناسی برای معاملات (OWL) را نشان می دهد:

و همچنین اطلاعات فوق الذکر ، مجموعه ای از معامله گران داستانی و معاملات آنها برای این تظاهرات گنجانده شده است. تصویر زیر یک هستی شناسی داده های معامله گر (OWL) را نشان می دهد که به بررسی دو معامله گر داستانی می پردازد:

اگر سالی گودمن ، یکی از معامله گران داستانی ما را در کاوشگر داده کنسول RDFOX گسترش دهیم ، می توانیم تمام داده های مربوط به سالی را مشاهده کنیم ، از جمله معاملات وی و بیوگرافی با کارفرمایان قبلی خود. اطلاعات اضافی می تواند برای بهبود ثروت اطلاعات در دسترس با معامله گران مرتبط باشد ، که می تواند برای تعیین اینکه آیا تجارت خودی در حال انجام است ، استفاده شود. همانطور که مشاهده می کنید ، اطلاعات مربوط به آموزش معامله گر در این تظاهرات گنجانده شده است.

قوانین

تصویر بالا بدون قوانین Datalog امکان پذیر نخواهد بود. RDFOX از نظر توانایی خود در اجرای قوانین Datalog ، به سرعت ، به درستی و به صورت افزایشی بی نظیر است. قوانین مزایای قابل توجهی را برای این مورد استفاده از طریق OWL 2 RL ، توابع عددی (حسابی) ، محدودیت های محلی (فیلترها و نفی به عنوان خرابی) ، تجزیه و تحلیل نمودار (تجمع و بازگشت) و ترکیبی از موارد فوق به همراه می آورند.

صنعت مالی تابع مقررات مکرر در حال تغییر است. این بدان معناست که یک سیستم منعطف مورد نیاز است که اجازه اضافه یا حذف معیارها را می دهد. RDFox به دلیل قابلیت‌های استدلالی پیشرفته‌اش بسیار انعطاف‌پذیر است و به نمودار دانش اجازه می‌دهد در هر نقطه‌ای با دوره‌های تکرار تقریباً غیرقابل توجه به‌روزرسانی شود.

N. B. این مورد استفاده از قوانین متعددی استفاده می کند که برخی از آنها در زیر توضیح داده شده است.

نمونه قوانین

این قانون ارزش یک معامله [توابع حسابی] را محاسبه می کند:

قانون زیر در صورت وجود نقض محدودیت تجارت [فیلتر در قوانین] هشدار ایجاد می کند:

از قانون زیر می توان برای ایجاد هشدار برای هر معامله گرانی که [نفی] معامله نکرده اند استفاده کرد:

از این قانون می توان برای محاسبه حجم معاملات هر معامله گر [Aggregation] استفاده کرد:

بررسی تجارت فرضی با استفاده از RDFox - کیت والیس

لطفاً توجه داشته باشید که در حالی که شرکت‌ها وجود دارند، معاملات، معاملات و معامله‌گران همگی تخیلی هستند، و ما داده‌ها را برای ایجاد یک داستان خوب ویرایش کردیم!

کیت والیس، یک تاجر جوان، تجارتی را انجام داد که به عنوان مشکوک اعلام شد. بازرسان در حال بررسی این تجارت هستند تا بررسی کنند که آیا واقعاً معامله داخلی است یا به دروغ پرچم گذاری شده است. این یک نمای کلی از اطلاعات ارائه شده است.

این بررسی اجمالی توسط محققان برای کسر اینکه آیا کیت نیاز به گزارش به تنظیم کننده ها دارد استفاده می شود. تصاویر زیر بخش هایی از این نمودار دانش را نشان می دهد.

بازرسان می توانند ببینند که معامله مورد بحث 91, 532 پوند ارزش داشت که زیر سقف 100, 000 پوند برای یک معامله گر جوان است. آنها مشخص می کنند که مقدار معامله شده نگران کننده نیست و به بررسی کیت ادامه می دهند.

آنها متوجه شدند که کیت در مجموع مسئول 30 میلیون پوند معاملات در ماه مارس 2019 بوده است. این رقم نتیجه قانون کل بوده است. با این حال، این نشان دهنده گناه نیست، بنابراین آنها دوباره خاطرنشان می کنند که این رقم نگران کننده نیست.

آنها به بیوگرافی کیت نگاه می کنند و می بینند که او از سال 2017 در بانک کار کرده است. قبل از این او در شرکت Shuwa در ژاپن کار می کرد (این را به خاطر داشته باشید ...

اکنون بازرسان به تجارت مورد نظر روی می آورند. معامله در سهام Isetan Mitsukoshi Holdings Ltd (IMH). نمودار دانش نشان می دهد که این شرکت در دو معامله بوده است. یکی در طول دهه 1990، که منجر به خرید کنسرسیوم سرمایه‌گذاری 26 درصد از شرکت شد و معامله دوم، در اول آوریل 2019.

با توجه به نگاه دقیق تر ، اطلاعات نشان می دهد که شرکت شووا (کارفرمای قبلی کیت) فاش کرده است که 21. 9 ٪ علاقه به IMH را بدست آورده است ، و نقل و انتقالات بیشتر در هفته های آینده شووا را با 23. 6 ٪ علاقه به IMH ترک می کند. این احتمالاً منجر به افزایش قیمت سهم شرکتی که کیت معامله کرده بود منجر می شود. این تجارت (طولانی) یک روز قبل از اعلام این معامله اتفاق افتاده بود ...

به نظر می رسد این مشکوک است ... سهام کیت در IMH ، شرکتی که شووا به تازگی سهم بزرگی را به دست آورده بود ، معامله کرد. شاید کیت این شرکت را براساس برخی از مطالب غیر عمومی که توسط یک همکار قدیمی در شووا به وی داده شده بود ، معامله کرد؟اگر این مورد باشد ، او به طور غیرقانونی عمل کرده است. محققان تصمیم می گیرند که آنها باید وی را برای دیدار با تیم انطباق وارد کنند.

نمودار دانش این اطلاعات را نشان می دهد و می تواند برای تشخیص الگوهای استفاده شود. به عنوان مثال ، دیدگاه سطح بالای تجارت کیت این رابطه دایره ای را ایجاد می کند:

حفظ یکپارچگی بازار با نمودارهای دانش و استدلال

یک برنامه با استفاده از RDFOX می تواند با ارائه اطلاعات مربوطه به روشی مختصر و هوشمند ، روند بررسی معاملات پرچم را کوتاه کند. این همه به دلیل ترکیبی از قوانینی که امکان رمزگذاری دامنه را در سیستم و برای هر تحقیق دوباره استفاده می کنند ، امکان پذیر است.

این یک پیشرفت چشمگیر در تمرین فعلی است ، که به بررسی بسیاری از معاملات ، شرکت های معامله شده و داده های تاریخی متکی است. این راه حل با کمک به محققان برای تمایز سریع بین معاملات مصوب و تجارت خودی ، منابع ارزشمندی را صرفه جویی می کند.

برای کسب اطلاعات بیشتر در مورد RDFOX ، یک صفحه اطلاعات RDFOX یا وبلاگ ما را مرور کنید!

برای درخواست مجوز آزمایشی رایگان 30 روزه اینجا را کلیک کنید. مجوزهای دانشگاهی در صورت درخواست به صورت رایگان در دسترس است. از طرف دیگر ، می توانید با ما در اینجا یا به آدرس info@oxfordsemantic. tech تماس بگیرید.