Benford与XGBoost模型融合的财务风险预警研究——基于2000-2021年沪深A股上市公司数据分析

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：文章基于2000-2021年沪深A股上市公司数据，将会计指标带入XGBoost模型去预测A股挂牌公司的财务风险。通过构建Benford因子，将财务指标和Benford因子带入XGBoost模型，并和未加因子的XGBoost风险预警模型的预测效果进行比较。并将带有Benford因子的数据分别带入极端森林、DT、GBDT、KNN、逻辑回归等模型，与XGBoost模型的预测效果进行对比。研究发现，Benford因子可以提高数据质量从而提高模型的准确度。并且Benford-XGBoost模型的预测效果要优于其他带因子的模型。

作者：

王冲、刘亚丽

展开 >

作者单位：

桂林电子科技大学商学院

关键词：

财务风险预警数据质量 Benford定律 XGBoost模型

基金：

国家自然科学基金广西自然科学基金广西可信软件重点实验室项目

项目编号：

720610082018GXNSFAA294123kx201923

出版年：

2024

财会研究

甘肃省财政科学研究所

财会研究

CHSSCD

影响因子：0.978

ISSN：1004-6070

年,卷(期)：2024.(1)

参考文献量32