企业改革与管理2024，Issue(24) ：6-8.

基于GWO-XGBoost模型的上市公司财务欺诈识别研究

王苑科
企业改革与管理2024，Issue(24) ：6-8.
✕
  • NETL
  • NSTL
  • 万方数据

基于GWO-XGBoost模型的上市公司财务欺诈识别研究

王苑科1
扫码查看

作者信息

  • 1. 河北地质大学,河北 石家庄 050030
  • 折叠

摘要

近年来,上市公司财务欺诈事件频发,引发了社会各界对这个问题的高度关注.因此,研究上市公司财务欺诈识别具有重要的现实意义.本文提出了一种利用GWO对XGBoost模型进行参数优化,以提高模型预测性能的财务欺诈识别方法.实验结果显示,本文构建的模型识别精度超过80%,测试集中研究构建的模型AUC值为0.801,ROC值达到0.88,相较于其他机器学习模型具有显著优势.本文提出的GWO-XGBoost模型旨在有效识别上市公司财务欺诈状况,为金融市场的高质量发展提供有价值的理论参考.

关键词

灰狼优化算法(GWO)/XGBoost模型/欺诈识别

引用本文复制引用

出版年

2024
企业改革与管理
中国国际经济技术合作促进会首钢总公司

企业改革与管理

CHSSCD
影响因子：0.475
ISSN：1007-1210
浏览量1
段落导航相关论文