期刊文献+

基于决策树和随机森林算法的上市公司财务违规行为研究 被引量:1

下载PDF
导出
摘要 随着科创板的推出,注册制的上市制度使得中国的金融经济体系更加开放多元。如何加强对上市公司财务规范的监管就成为了新的重点,也是证监会和普通投资者都非常关心的内容。本文以决策树和随机森林两种机器学习算法,构建出基于财务报表分析的上市公司财务违规行为研判系统,能够对财务违规行为做出预测、分析,从而有助于发现更多潜在未知的财务违规风险,促进金融系统稳健发展。
作者 陈子阳
机构地区 南京审计大学
出处 《现代金融》 2020年第7期23-25,16,共4页 Contemporary Finance
  • 相关文献

参考文献3

二级参考文献130

  • 1刘微,罗林开,王华珍.基于随机森林的基金重仓股预测[J].福州大学学报(自然科学版),2008,36(S1):134-139. 被引量:8
  • 2林成德,彭国兰.随机森林在企业信用评估指标体系确定中的应用[J].厦门大学学报(自然科学版),2007,46(2):199-203. 被引量:37
  • 3Breiman L. Bagging Preditors [J].Machine Learning, 1996,24(2).
  • 4Dietterich T. An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting and Randomization [J].Machine Learning, 2000,40(2).
  • 5Ho T K. The Random Subspace Method for Constructing Decision Forests [J].Trans. on Pattern Analysis and Machine Intelligence, 1998,20 (8).
  • 6Amit Y, Gernan D. Shape Quantization and Recognition with Randomized Trees[J]. Neural Computation, 1997,9(7). Breiman L Random Forest[J]. Machine Learning, 2001,45(1).
  • 7Breiman L. Random Forests[J]. Machine Learning, 2001,45(1).
  • 8Tibshirani tL Bias, Variance, and Prediction Error for Classification Rules[C]. Technical Report, Statistics Department, University of Toronto, 1996.
  • 9Wolpert D H, Macready W G. An Efficient Method to Estimate Bagging's Generalization Error[J]. Machine Learning, 1999,35(1).
  • 10Breiman L. Out-of-bag Estimation[EB/OL]. [2010- 06- 30]. http//stat, berkeley, edu/ pub/ users/ breiman / OOB estimation, ps.

共引文献992

同被引文献20

引证文献1

二级引证文献7

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部