文献类型：期刊文章

作　　者：刘云菁[1] 伍彬[2] 张敏[1]

Liu Yunjing;Wu Bin;Zhang Min(School of Business,Renmin University of China;School of Accountancy,Hunan University of Finance and Economics)

机构地区：[1]中国人民大学商学院 [2]湖南财政经济学院会计学院

出　　处：《数量经济技术经济研究》

基　　金：国家自然科学基金资助项目(72172149);湖南省哲学社会科学基金资助项目(20JD010)的资助。

年　　份：2022

卷　　号：39

期　　号：7

起止页码：152-175

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、CSSCI、CSSCI2021_2022、NSSD、PROQUEST、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型。研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果。研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析。研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行。

关 键 词：财务舞弊 机器学习  非平衡样本  应用分析  

分 类 号：F224.0]