基于Benford律的随机森林模型及其在财务风险预警的应用
研究目标:财务数据质量对公司财务风险预警至关重要.数据质量差的财务数据往往降低财务风险预警模型的有效性.利用Benford律能有效评价财务数据质量的特点,构建带有Ben ford因子的随机森林模型,用于处理财务数据质量对财务风险预警模型带来的影响,能有效提高财务预警模型的预测精度.研究方法:通过Benford律检验财务数据质量,构造Benford因子添加到财务指标变量中,建立基于Benford律的随机森林模型.选择中国A股和美国股市上市公司的财务指标数据进行对比实证分析,采用学习曲线对模型进行参数调优确定最终模型,对比基于Benford律随机森林模型和随机森林模型的预测效果.研究发现:Benford因子能够识别存在财务舞弊的具体样本点并提供数据质量有关信息.相比随机森林模型,基于Benford律的随机森林模型可以提高财务风险预警的准确率.研究创新:将Benford律引入随机森林模型,构造Benford因子,提出基于Benford的随机森林模型.研究价值:基于Benford律的随机森林模型具有更高的预测准确率,扩展了随机森林模型的实用性,为上市公司财务风险预警研究提供了新视角.
财务风险;Benford律;随机森林
38
F830.9(金融、银行)
本文获得国家社科基金青年项目"轮换样本校准估计方法在中国住户调查中的应用研究";国家社科基金重点项目"基于大数据的人口统计调查方法与应用研究";天津市统计局统计科研项目"行业间工资差距的演进趋势分析";天津市2019年度哲学社会科学规划重点课题"大数据背景下多目标抽样设计的理论和应用"
2021-09-26（万方平台首次上网日期，不代表论文的发表时间）
共19页
159-176,封3
