福州大学经济与管理学院, 福州 350116
出版日期:
2020-10-25发布日期:
2020-11-16A Comparative Study on the Cutting-Edge Methods in Identifying Financial Statement Fraud of Listed Companies Based on Machine Learning
HUANG Zhigang ,LIU Jiajin ,LIN ChaoyingSchool of Management, Fuzhou University, Fuzhou 350116
Online:
2020-10-25Published:
2020-11-16摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
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.
分享此文: