科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着大数据时代的到来与机器学习方法的不断的发展,如何系统挖掘并识别企业的财务报表中的欺诈风险,建立高识别率的财务欺诈风险预警模型,对于证券市场的规范运作,高效率完成审计工作具有重要意义。本文以我国制造业A股上市公司为例,在基本财务数据的基础上从静态、个体、时间三个维度进行指标构建,训练了lightgbm、xgboost、catboost、svm4种模型,根据模型的特点不同分别采用贝叶斯优化与网格搜索法进行参数调优,最终将调优后的模型采用等权重voting法进行模型融合。结果发现:测试集上的AUC值可达到0.8,能够对发生财务欺诈的企业进行有效识别,希冀能够为机器学习方法在财务欺诈风险预警中的应用提供一定的思路与参考。
- 单位
