摘要
以机器学习和深度学习为代表的数据挖掘技术为日益加剧的财务造假现状的缓解提供了技术帮助,但财务造假识别所具备的类不平衡性和代价敏感性阻碍了学习性能的提高。文章基于代价敏感学习对国内上市公司展开财务造假识别研究:根据成因理论构建财务造假因子库;通过引入代价矩阵对轻型梯度提升决策树进行代价敏感改造,以误分类成本代替误分类率以实现损失最小化,构建财务造假识别模型;最后,以财务造假高发年2015年中国上市公司进行对比实验。实验结果表明,该算法在确保总体准确度的同时有效提升了财务造假公司的识别正确率,同时提出了基于"动机+现实+可能"的财务造假识别路径。
