论文部分内容阅读
上市公司财务造假是一种违规行为,对其精确、有依据的预测有一定的研究价值.使用多种统计方法提取特征,并结合经济学意义得到了最终特征集.针对数据的不平衡问题,采用过采样、欠采样以及SMOTE采样等方法进行处理.最后采用3种神经网络模型融合的方法,以AUC值为评价指标来预测财务造假的上市公司.
基于深度学习模型预测财务造假的上市公司
【摘 要】
：
上市公司财务造假是一种违规行为,对其精确、有依据的预测有一定的研究价值.使用多种统计方法提取特征,并结合经济学意义得到了最终特征集.针对数据的不平衡问题,采用过采样、欠采样以及SMOTE采样等方法进行处理.最后采用3种神经网络模型融合的方法,以AUC值为评价指标来预测财务造假的上市公司.
【机 构】
：
深圳点宽网络科技有限公司,广东 深圳 518000;复旦大学 数学科学学院,上海 200433;上海市现代应用数学重点实验室,上海 200433;非线性数学模型与方法教育部重点实验室,上海 20043
【出 处】
：
数学建模及其应用
【发表日期】
：
2021年3期
其他文献
机器学习是人工智能领域发展最迅速的一个分支之一,传统的机器学习方法和深度学习大都需要大量人工标注的训练数据才能发挥作用.然而,现实世界的物体种类繁多且其数量在不断增长,人工标注训练数据就变成了一项极其繁琐冗杂的工作,零样本学习的提出极大地缓解了这种情况.在零样本学习中,训练集和测试集的类别的交集是空集,因此需要在二者之间通过实现知识的迁移来完成学习,从而使得在训练集上训练得到的模型能够识别测试集上输入示例的类别标签.不同于其他大部分机器学习技术需要保证训练集包含测试集,零样本学习的原理从本质意义上让计算机
针对马赛克瓷砖选色问题,讨论对于给定的原始颜色,在有限种颜色的瓷砖中选出合适瓷砖的模型与方法,以及新增其他颜色瓷砖时可采取的策略.最后对2021年“华中杯”大学生数学建模挑战赛A题参赛论文的整体情况予以简要评述.