基于多数据源融合的创业板上市公司财务造假异常检测

摘要：

[目的]研究创业板上市公司财务造假检测识别问题,构建异常检测模型对公司财务欺诈进行检测和识别.[方法]构建基于数据融合的财务造假异常检测框架,在数据层融合结构化和文本数据、财务及非财务信息的多源异构数据并构造特征,在信息层组合不同的采样和集成分类模型,在知识层融合领域现状构造模型评价指标.[结果]非平衡处理后模型各项评价指标优于未处理的结果,优化后SMOTE+ENN+LightGBM模型的Fβ达到0.773 8.此外,包含多种类型特征的检测结果优于仅包含单类特征的检测结果.[局限]本文方法主要用于发掘市场中可疑的财务造假公司,无法区分和判断具体的造假类别.[结论]非平衡处理有利于提升模型对异常样本的识别能力,融合多源异构数据对财务造假的识别有积极作用,为监管部门检测上市公司财务造假提供了参考.

关键词：财务造假、数据融合、异常检测、非平衡数据

所属期刊栏目：7

分类号：F275(企业经济)

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：33-47