Digitalanalyse als Ansatz zur Betrugserkennung in Finanzdaten, (Paperback)

Inhaltsangabe: Zusammenfassung: Zusammen mit dem Bedarf an Kennzahlen für die Abbildung wirtschaftlicher Vorgänge wächst auch das Risiko, welches aus fehlerhaften Daten resultiert. So sind neben den Finanzbehörden des Staates insbesondere Versicherungen, Kreditkarteninstitute und Telefongesellschaften von betrügerischen Handlungen betroffen. Aber auch große Unternehmen oder die Forschung, insbesondere die Medizin und Pharmazie, bei denen häufig viel Geld am Ausgang einer empirischen Studie hängt, leiden unter gefälschten Angaben. Um dieses Risiko gefälschter Daten zu handhaben, wurden zur Vermeidung von fehlerhaften Daten Revisionssysteme für Unternehmen bzw. Prüfsysteme im weiteren Sinne eingeführt. Diese basieren grundsätzlich immer auf der Bildung von geeigneten Stichproben zur Prüfung, da eine vollständige Prüfung aller Vorgänge auf Grund deren Menge nicht durchführbar ist. Die Wahl dieser Prüfstichproben kann durch mathematisch-statistische Verfahren unterstützt werden. Ziel dieser Arbeit ist es, verschiedene Ansätze für die Analyse von Einzeldaten vergleichend vorzustellen und auf Daten aus der Praxis anzuwenden. Dabei werden ausschließlich Ansätze zur Erkennung von Betrug in Einzelangaben ohne direkten Zusammenhang betrachtet. Dies sind insbesondere rein statistische Ansätze im Umfeld von Benford's-Law, Verfahren auf Basis von Mischungsmodellen und Ansätze mit Hilfe der Partitionierungsverfahren. Alle Verfahren basieren auf der Mantissenstatistik, welche von der Größe der Zahl abstrahiert und lediglich die verwendeten Ziffern und ihre relativen Positionen innerhalb der Zahl beschreibt. Ein weiteres Ziel ist die Betrachtung der Mantissen einiger Standardverteilungen durch Simulationen. Dabei werden insbesondere die Abhängigkeit der Mantissenverteilung von den Parametern der Standardverteilung und der Basis untersucht. Ziel ist dabei, ein tieferes Verständnis der Mantissenverteilungen zu gewinnen, um in Zukunft verbesserte Ansätze zur Betrugserkennung bas