.png){kind=icon}
返回
Predicting Financial Manipulation Using an Ensemble-based Approach
.png){kind=icon}
PRE
AI
DOI：10.1177/09722629241255833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于对利益相关者决策的依赖性增加，财务操纵已成为企业透明度中的一个关键问题。本研究提出了一种基于机器学习（ML）的框架，采用三级分类法预测财务操纵。研究目的是评估集成装袋树（EBT）模型在具有更高财务报表定性层次结构的情况下预测财务操纵的有效性。所使用的监督式机器学习分类技术采用次级数据进行训练和测试。EBT模型提供了有价值的见解，并有效预测了财务操纵。研究进一步通过基于卡方值的特征选择增强了该模型，并利用平行坐标图分析实现了降维。该模型的应用可能有助于利益相关者根据公开的财务信息做出适当决策。
Keyword:
financial manipulation
machine learning
Ensemble Bagged Trees
feature selection
financial statements
期刊
V
IF:
0
论文数:
320
被引数:
1
机构
暂无机构信息
引用论文
.png){kind=icon}
Spotting Earnings Manipulation: Using Machine Learning for Financial Fraud Detection识别盈余操纵：利用机器学习进行金融欺诈检测
PREAI
分享收藏Financial distress prediction using SVM ensemble based on earnings manipulation and fuzzy integral基于盈余管理及模糊积分的SVM集成财务困境预测
PREAI
分享收藏分享收藏分享收藏
查看更多内容