您当前位置: 首 页 / 2023 / 04 / 正文

基于集成学习和文本分析的财务欺诈识别研究

来源: 发布时间:2023/12/11 09:18:43 浏览人数:

基于集成学习和文本分析的财务欺诈识别研究
Research on Financial Fraud Recognition Based on Integrated Learning and Text Analysis

刘会醒,程建华

  • 1:安徽大学大数据与统计学院


摘要(Abstract):

管理层讨论与分析(MD&A)作为公司年报的重要组成部分,在财务欺诈识别中具有不可或缺作用。选取2019—2020年沪深两市A股制造业中具有财务欺诈行为的上市公司作为研究样本,对年报中MD&A所披露的信息进行度量,实现中文文本信息的量化;并在对结构化文本数据和定量数据进行融合的基础上提出基于Stacking集成算法的财务欺诈识别模型。实验结果表明:Stacking集成分类器在准确率、查准率、F1-score以及AUC这4个评价指标得分上均取得了最优值,识别性能显著优于传统单分类器;相较于使用传统定量数据,MD&A中文文本信息的加入使Stacking集成分类器的识别性能得到显著提升。应充分挖掘年报文本信息,并持续优化模型和算法,以提升财务欺诈识别系统的准确性。

关键词(KeyWords): 管理层讨论与分析;财务欺诈;集成学习;文本分析

基金项目(Foundation): 安徽省哲学社会科学规划一般项目“大数据背景下数据驱动模式的经济运行预警体系研究”(AHSKF2019D019)

作者(Author): 刘会醒,程建华

DOI: 10.19473/j.cnki.1008-4940.2023.04.012

参考文献(References):


上一篇: 内容型社交电商平台用户分享意愿的影响机制——以小红书为例
下一篇: 生鲜供应链产品开发信息共享研究——基于质量屋模型