首页|上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法

上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法

Financial Fraud Recognition Model and Application

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
研究目标:运用新兴机器学习的方法预测公司财务舞弊.研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型.研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果.研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析.研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行.

刘云菁、伍彬、张敏

展开 >

中国人民大学商学院

湖南财政经济学院会计学院

财务舞弊 机器学习 非平衡样本 应用分析

国家自然科学基金湖南省哲学社会科学基金

7217214920JD010

2022

数量经济技术经济研究
数量经济与技术经济研究所

数量经济技术经济研究

CSTPCDCSSCICSCDCHSSCD北大核心
影响因子：1.069
ISSN：1000-3894
年,卷(期)：2022.39(7)
  • 11
  • 3