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

摘要：

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.

关键词：财务舞弊、机器学习、非平衡样本、应用分析

所属期刊栏目：39

分类号：F224.0(经济计算、经济数学方法)

资助基金：国家自然科学基金;湖南省哲学社会科学基金资助项目

在线出版日期：2022-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共24页

页码：152-175