研究了财务报表舞弊识别问题。以2011-2020年深沪A股上市公司的财务报表为样本数据，引入信息值构建指标筛选模型，提取17个财务变量和4个非财务变量，对样本数据进行清洗和归一化后，运用XGBoost算法对样本数据进行分类。实验结果表明，基于XGBoost算法构建的财务报表舞弊识别模型在所有性能指标上都优于机器学习算法中的逻辑回归、支持向量机和随机森林算法。
科研之友
微信
新浪微博
Facebook
分享链接
