基于随机森林算法的上市公司财务舞弊分析.pdf
《基于随机森林算法的上市公司财务舞弊分析.pdf》由会员分享,可在线阅读,更多相关《基于随机森林算法的上市公司财务舞弊分析.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月 西安文理学院学报(自然科学版)()文章编号:()基于随机森林算法的上市公司财务舞弊分析吕 艳(皖西学院 财务处安徽 六安)摘 要:针对上市公司财务舞弊现象严重传统方法难以识别发现的问题提出基于随机森林算法的机器学习方法进行识别和辨认.利用网络爬虫爬取的东方财富网上市公司财务数据建立随机森林模型来识别上市公司的腐败现象.挖掘信用信息从中提取出有价值的信息并生成新的特征通过递归特征消除方法保留有意义的特征并用训练集构建随机森林模型用测试集评估模型性能.实证结果表明随机森林模型具有更高的准确率并对结果进行了分析预测并给出结论.关键词:舞弊行为的管理模型识别随机森林中图分类号:.
2、文献标志码:():.:随着信息技术的飞速发展数据挖掘技术在金融方面的应用越发的广泛其优越性也得到了凸显.企业发生的舞弊行为与财务指标的异常变动之间存在着非常强的关系和联动性不管上市企业公司对舞弊的手法做出了什么样的改革和创新舞弊的结果最后也都是会在其财务指标上得到体现.通过采用随机森林模式可制定出相关的评估模型通过各模型之间的比较可以从精度和准确率方面进行预测.在众多模型中确定最佳预警模型并以此作为上市公司在信用风险方面的控制手段具有较强的泛化和综合分析能力、良好的预测性能和相对稳定功能.收稿日期:作者简介:吕 艳()女安徽六安人皖西学院财务处会计师主要从事事业单位会计实务操作研究.数据来源从
3、东方财富网的数据中心中找到所需的数据使用基于 的网络爬虫技术将所需的 到 年的上市公司财务报表数据下载下来作为样本数据进行分析.调查样本有 年中国证券监督管理委员会、上海证券交易所、财政部等其他证券管理机构公开警告受到相关行政处罚的中国 股多家上市有限公司并通过国际分析成果结合法与国泰安作为 控股上市有限公司的国际研究成果数据库共同研究制定.通过国泰安的公示名单确定舞弊公司的样本.为了分辨出其中的欺诈项和非欺诈项对其进行一定的处理.将非欺诈样本离散化然后与欺诈样本混合.运用 中的封装模型进行样本的配对通过对资产负债表中的数据进行处理.识别模型构建与识别.模型构建构建随机森林模型首先要通过原始数
4、据再抽样构建多个训练集随机森林采用的套袋法即依据均匀分布对原始数据进行有放回的重复抽样其基本过程如下:设 为子训练集的数目有放回地选出一个大小与原始数据一样的子训练集 在子训练集 上训练一个基分类器.训练完所有的子训练集后被测试的样本被赋值给得票最高的类如公式()所示.()()()由于抽样过程是有放回抽样所以有些训练样本可能在同一个子训练集中出现多次有些训练样本被忽视也是可能的.假设原始数据集有 个样本在第 次抽样中某个样本被抽到的可能性为/那么每一个样本被抽到某个子数据集 的概率为 (/)当 趋向于无穷大时这个概率收敛于/约等于.即有.的原始数据不会被抽到没有参与模型的训练过程这些数据被称为
5、袋外数据().因此在使用随机森林时可以不划分测试集和训练集直接用袋外数据来测试模型即可.与其他集成模型相比随机森林算法不容易出现过拟合当决策树的数量足够大时随机森林的泛化误差是有上界的如公式()所示其中 是泛化误差 是基分类器之间的平均相关性程度 是一组分类器的平均强度该强度可以用组合器正确分类的概率与最大误分类概率之差度量.()/()图 数据特征选择逻辑视图.包装式特征选择方法特征选择就是通过子集搜索算法和评价函数选出评价结果最优的特征子集的过程.作为数据预处理的重要策略之一特征选择可以剔除可能导致模型的预测准确率下降以及过拟合的冗余特征和无关特征降低模型训练难度.常见的特征选择方法有以下三
6、种:嵌入式()、包装式()和过滤式().其中嵌入式方法先进行组合分类器的模型训练再根据从训练模型中得到的各个特征权重排序选择最优的特征集合.该特征选择过程和组合分类器的模型训练过程融为一体过滤式特征选择依据评价函数度量各个特征的相关性、距离、信息增益和一致性选出最佳的特征子集该过程独立于生成决策树的递归算法(即独立于模型训练过程)因此计算量较小数据特征选择逻辑视图如图 所示.西安文理学院学报(自然科学版)第 卷而包装式采用的评价函数是分类器的性能指标如预测准确率、召回率因此包装式特征选择的优势在于它能为针对某种给定分类器的性能选择最优特征子集但是计算量会远远大于过滤式方法.本文所采用的特征选择
7、方法是一种基于包装式的递归特征消除法()该方法首先进行多轮模型训练每轮训练结束后那些拥有最小权重的特征被丢弃再对新的特征集合进行相同的处理直到递归后剩余的特征数量达到所设置的参数.图 随机森林的验证得分折线图.模型评估对于分类问题模型的性能评估是不可缺少的一环.为了评估模型的泛化能力通常要将数据集拆分为训练集和测试集.训练集用来训练模型测试集用来测试模型分类的能力.而在分训练集和测试集时不同的拆分比例会产生不同的结果.交叉验证法可以实现在不同的训练集和测试集上模型性能的稳定性.其划分流程通常是先将原始数据集分为 份互斥子集依次取每一份作为测试集然后剩下的 份作为训练集再进行多次训练来观测模型的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 随机 森林 算法 上市公司 财务 舞弊 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。