文件名称：使用机器学习方法检测美国上市公司的会计欺诈-研究论文
文件大小：427KB
文件格式：PDF
更新时间：2024-06-29 06:12:02
fraud prediction machine
我们使用机器学习方法开发了最先进的欺诈预测模型。 我们展示了在模型构建中结合领域知识和机器学习方法的价值。 我们根据现有的会计理论选择我们的模型输入，但我们使用原始会计数字而不是财务比率与先前的会计研究不同。 我们采用最强大的机器学习方法之一，集成学习，而不是常用的逻辑回归方法。 为了评估欺诈预测模型的性能，我们引入了一种新的性能评估指标，该指标通常用于排序问题，更适合欺诈预测任务。 从一组相同的理论驱动的原始会计数字开始，我们表明我们的新欺诈预测模型大大优于两个基准模型：Dechow 等人的 [2011] 基于财务比率和 Cecchini 等人的逻辑回归模型. 的 [2010] 支持向量机模型具有金融内核，可将原始会计数字映射到更广泛的比率集。