1. 研究目的与意义（文献综述）
研究目的：
尽管近年来商业银行在信贷申请欺诈风险的防范工作方面已经积累了很多经验，但是当前的工作多为面向大中型企业或面向个人信贷的反欺诈方案。对于目前许多以团伙合谋形式开展的大型贷款欺诈案件，商业银行反欺诈的分析和技术仍在逐步探索中。尤其是当前关联企业合谋骗贷案频发且损失巨大，如福建省泉州市8家银行集体遭骗案就是多家关联企业的实际控制人黄某在2014年9月至2015年7月期间，利用关联方关系，虚构产品购销合同等贷款申请材料，采取交叉担保的方式骗贷，致使8家银行共计被骗4.98亿元，至2019年6月3日判决日当天尚欠8家银行本金2.88亿元无法偿还。关联企业利用复杂隐藏的关联方关系或关联交易，通过利润调节、关联贷款、关联担保等手段进行欺诈，增加了商业银行防控企业团伙合谋骗贷的难度，对银行信贷资产安全造成极大威胁，如何做好关联企业贷款欺诈风险识别和风险防范显得尤为迫切。本文的研究正是基于此背景展开，探索并运用人工智能技术和机器学习方法于商业银行识别和防范关联企业合谋骗贷的研究。
2. 研究的基本内容与方案
研究内容：
对于目前许多以团伙合谋形式开展的大型贷款欺诈案件，商业银行反欺诈的分析和技术仍在逐步探索中。尤其是针对企业间关系复杂隐蔽的关联企业合谋骗贷，由于银企间信息不对称以及企业间关联关系日趋复杂，使得商业银行对于关联企业的关联关系认定不完整。本文摒弃了现有商业银行常采用的多方位调查搜集信息进行人工比对的方法，拟运用知识图谱技术来理清企业间交错隐蔽的股权、人事、经营关系。互联网背景下商业银行可以考虑建立企业信息数据库来储存大量企业数据用于构建关联企业知识图谱，帮助银行员工简化明了企业间的关联关系。
关联企业合谋骗贷作为一种新兴的团伙欺诈形式，商业银行对其的认识还不够深入，因此还没有形成健全的关联企业合谋骗贷特征指标体系。本研究打算充分使用构建的关联企业知识图谱来判定可疑的关联企业团体，并采用标签传播算法提取一个关联团体的欺诈特征指标加入总的关联企业合谋骗贷特征指标体系中。商业银行在评判关联企业合谋的欺诈风险时需要明确授信的关联企业是否具有欺诈行为，而通过知识图谱提取出来的可疑关联团体的结构特征指标一定程度上可以体现关联企业的欺诈行为，因此在目前银行已有的企业信息数据基础上加入一个欺诈特征指标可以提高欺诈团伙识别的准确率。
3. 研究计划与安排
（1）3月6号前，学院完成毕业生参与毕业设计（论文）资格认定工作；
（2）3月15号前，完成毕业设计（论文）选题调整和课程补退选任务；
（3）3月25号前，学生上传开题报告和外文翻译，指导教师完成评阅审核；
4. 参考文献（12篇以上）
[1] 尹亮, 袁飞, 谢文波, 等. 关联图谱的研究进展及面临的挑战[j]. 计算机科学,2018,45(s1): 1-10.
[2] 王思宇, 陈建平. 基于lightgbm算法的信用风险评估模型研究[j]. 软件导刊, 2019,18(10):19-22.
[3] 谢勇, 项薇, 季孟忠, 等. 基于xgboost和lightgbm算法预测住房月租金的应用分析[j]. 计算机应用与软件, 2019,36(09):151-155.
