面向上市企业财务报表舞弊判断的机器学习算法研究
作者:章银平; 郭凤华
更新时间:
随着我国经济的发展和社会的进步,一些上市公司为了谋取私利而篡改财务报表,严重扰乱了经济市场秩序。有鉴于此,本研究首先建立了基于随机森林算法的金融欺诈判断模型,建立了数学模型,设计了欺诈评估方法,并选取了准确度、准确度,以召回率和F1的得分作为评估指标,评估模型对判断金融欺诈的效果,K邻近(KNN)和支持向量机(SVM)被选为对照组。结果表明,随机森林模型的准确度、准确度、召回率、F1得分和AUC值分别为0.681、0.031、0.712、0.048和0.732,高于对照组的两种算法,表明该算法对欺诈样本和非欺诈样本的识别能力最好。