摘要
随着机器算力、数据可得能力的提升,利用机器学习算法识别财务造假成为研究财务造假识别问题的新方向。在采用传统财务指标数据的基础上,引入高管动态、股权信息指标和财务报告审计意见,以2001—2020年上市公司的数据为样本利用采样算法降低样本数据不平衡性后,运用DecisionTree、SVM、RandForest和LightGBM算法构建模型对样本数据进行分类,并综合运用Accuracy、Precision、Recall和AUC确定模型识别效果。通过实验数据分析证明,基于LightGBM算法构建的财务造假识别模型在综合性能指标上效果最优。
出处
《商业文化》
2024年第10期123-125,共3页
Business Culture
基金
广东省哲学社会科学“十四五”规划2023年度学科共建项目—基于机器学习的上市公司财务造假识别与预测研究(GD23XGL053)
广东省哲学社会科学规划项目“粤港澳大湾区高科技产业供应链风险识别与预测研究—基于PAJEK社会网络分析与改进BP神经网络算法”(GD24CGL58)
