基于GWO-XGBoost模型的上市公司财务欺诈识别研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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。

作者：

王苑科

展开 >

作者单位：

河北地质大学,河北石家庄 050030

关键词：

灰狼优化算法(GWO) XGBoost模型欺诈识别

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

年,卷(期)：2024.(24)