Sofie Vermeersch leidde compliance bij een middelgrote broker in 2020. Haar team controleerde handmatig maandelijks 4.000 accounts op ongebruikelijke activiteit. Ze misten signalen omdat het volume te groot was.
Ze implementeerde isolation forest, een algoritme dat afwijkingen vindt door te meten hoe makkelijk datapunten te isoleren zijn van de rest. Geen gelabelde voorbeelden nodig.
Zestien accounts met vreemde timing
Het model markeerde accounts die handelden met timing-patronen ver buiten de normale verdeling. Account 4721 plaatste consistent orders drie minuten voor nieuwsreleases over specifieke sectoren. Account 8834 toonde handelsvolume-pieken die correleerden met intern gepubliceerde research rapporten.
Het team onderzocht alle zestien gemarkeerde accounts. Veertien bleken legitiem maar ongebruikelijk. Twee werden doorverwezen naar juridisch voor verder onderzoek.
Stilte en data boven intuïtie
Voor introverte compliance officers is dit bevrijdend. Je hoeft niet te raden wie verdacht is of te argumenteren waarom je iemand onderzoekt. Het algoritme wijst naar statistisch afwijkend gedrag.
De fout-positieve ratio was 87% maar dat accepteerde het team. Handmatig vonden ze nul verdachte gevallen per maand. Met isolation forest vonden ze gemiddeld 1,4 daadwerkelijke problemen per kwartaal.