删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于集成学习的上市公司财务信息异常识别

本站小编 Free考研/2020-04-17

文献详情
基于集成学习的上市公司财务信息异常识别
文献类型:期刊
期刊名称:中国物价
年:2018
期:07
页码:82-85
ISSN:1003-398X
关键词:Bagging;AdaBoost;Random Forest;财务信息;异常识别
摘要:本文引入集成学习方法,具体包括Bagging、AdaBoost、Random Forest,选取A股上市公司的资产负债表、现金流量表、利润表中的关键财务指标,用集成学习模型对财务信息异常进行识别(分类),并对不同集成学习方法的识别效果进行比较分析。实证结果表明:上述三种方法的平均准确率都在80%以上,其中Bagging的准确率相对较低,AdaBoost的准确率相对较高;农林牧渔行业的平均准确率最高,化工行业的平均准确率最低;不同行业的准确率存在较大差异,对上市公司财务信息异常的识别,需要在行业框架内进行,部分行业的财务信息异常较难发现。
百度学术:基于集成学习的上市公司财务信息异常识别
语言:中文
作者其他论文



暂无数据...

相关话题/信息 财务