في عالم الأسواق المالية، تمثل عمليات التلاعب بالأسعار واحدة من أكثر الممارسات المثيرة للجدل، حيث تهدف هذه العمليات إلى تحقيق أرباح سريعة على حساب ثقة المستثمرين في المنصات التداولية. لمواجهة هذا التحدي، تم تنفيذ أداة جديدة غير مشروطة لاكتشاف الاحتيال، تبدأ باستخدام خوارزمية التجميع K-Means++.

تستند هذه الأداة إلى تحليل بيانات مالية تضم تقريبًا مليون عملية تداول من الفترة بين 2012 حتى 2024. تهدف الدراسة إلى تحديد الصفقات المشبوهة وتصنيفها عبر معايير تجزئة تعتمد على سلوك السوق.

تشير النتائج إلى أن 2.02% من الصفقات تم تحديدها كمشبوهة، حيث تمثل 51.10% منها حالات احتيال واضحة (spoofing)، في حين تدل 0.10% على عمليات ضخ وتفريغ (pump and dump)، و0.55% على تداول داخلي (insider trading)، و1.43% تمثل اختراقات مزيفة، و46.83% لم يتم تصنيفها.

على الرغم من غياب الحقائق الأرضية لتأكيد هذه النتائج، إلا أن أداء النموذج تم التحقق منه من خلال الحصول على درجة Silhouette تبلغ 0.561، مما يدل على كفاءة النظام في تمييز الأنماط المشبوهة.

إن استخدام هذه التقنيات المتطورة يعتبر خطوة هامة نحو تعزيز الشفافية والثقة في بيئة التداول، مما يمكن المستثمرين من اتخاذ قرارات أكثر أمانًا وذكاءً.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستغير من واقع التداول في الأسواق المالية؟ شاركونا في التعليقات.