基于机器学习的上市公司财报舞弊识别前沿方法比较研究

来源 :系统科学与数学 | 被引量 : 0次 | 上传用户:lilunyi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
上市公司披露的各类信息,是财务报表使用者决策的重要依据,随着上市公司舞弊手段越发高明,单纯依靠传统的财务报告分析手段和传统的审计程序可能会对上市公司是否发生财报舞弊产生误判.机器学习的判别方法和传统财务报表分析是完全不同的,若能应用于上市公司财报舞弊识别,则对财务报告使用者决策工作能起到重要的辅助作用.能否将机器学习方法应用于上市公司财报舞弊识别,以及在众多的机器学习算法中何者最优是审计理论和实务中需要解决的关键问题.文章试图通过对统一样本实施训练和测试对照,寻找在现有披露信息的条件下进行上市公司财报舞弊识别最好的算法.实证的结果表明,随机森林、支持向量机及神经网络等方法表现较好,其中随机森林在测试集中表现最佳,这些方法可以实际应用于上市公司财报舞弊识别.同时,研究还认为敏感指标筛选有助于机器学习模型分类识别准确率的提升.
其他文献
[背景]胶原蛋白广泛应用于日用化工及生物医药中,相比传统方法,基因工程方法制备胶原蛋白具有避免病毒隐患、产量高等优点,逐步受到广泛关注.[目的]获得Ⅲ型类人胶原蛋白基因
[背景]沙门氏菌是一种革兰阴性肠道病原菌,主要依靠Ⅲ型分泌系统(type Ⅲ secretion systems,T3SSs)来产生与致病性相关的效应蛋白.其中沙门氏菌致病岛(Salmonella pathogeni