面向金融风险预测领域的机器学习应用研究

在经济全球化时代,任何国家或地区都不可能成为风险的孤岛。因此,监控金融风险出现的征兆,预防可能会发生的金融风险,对完善企业风险管理和促进国家经济持续增长至关重要。通过梳理金融风险预测领域相关研究,从金融风险预测度量指标、机器学习分析方法,以及机器学习在金融风险预测领域中的应用3个维度考察了该领域的研究现状,为金融风险预测研究提供了更全面的视角。结果表明:在未来的研究中应建立更加多源的金融风险指标体系;应进一步考虑模型的可解释性;应考虑深度学习算法在金融风险预测中的应用。

大学物理线上线下混合式教学实践

随着社会的发展和科技的进步,线上线下混合式教学模式是传统教学与线上教学模式融合发展嬗变的产物,打破了传统教学和网络教学的单一桎梏,突破了时间与空间的限制。基于此种的优势,针对大学物理,采用线上线下混合式教学模式能够极大的弥补传统教学模式的不足,使以教师为主体主动向学生灌输知识的方式转变成以学生为主体主动对知识进行探索与检索的方式。

融合财务、管理和文本指标的财务欺诈识别研究

财务欺诈行为不仅会损害上市公司股东的经济利益,还会扰乱资本市场的正常运行,因此构建准确高效的财务欺诈识别模型尤为重要。选取2015—2021年间存在财务欺诈行为的上市公司,根据融合财务、管理和文本指标,构建财务欺诈识别指标体系,运用SMOTE方法处理非平衡数据集,XGBoost算法筛选关键指标,并分析了单分类器、集成学习和深度学习模型在财务欺诈方面的识别特性。研究发现:不仅是财务指标,管理指标和文本指标也对识别财务欺诈产生影响,且文本指标贡献大于管理指标;RNN是表现最好的模型,在所有特征融合后,准确率、AUC和F值分别达到了90.58%、93.34%和89.76%。