集成分类法在财务欺诈风险识别中的应用

doi:10.3778/j.issn.1002-8331.2008.34.069

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 226-230.DOI: 10.3778/j.issn.1002-8331.2008.34.069

集成分类法在财务欺诈风险识别中的应用

宋新平^1,4,丁永生^2,3,4,张革夫⁴

1.江苏大学工商管理学院，江苏镇江 212013
2.东华大学信息科学与技术学院，上海 201620
3.东华大学数字化纺织服装技术教育部工程研究中心，上海 201620
4.东华大学旭日工商管理学院，上海 200051

收稿日期:2007-12-13 修回日期:2008-05-30 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 宋新平

Application of integrated classification method in identifying risk of fraudulent financial report

SONG Xin-ping^1,4,DING Yong-sheng^2,3,4,ZHANG Ge-fu⁴

1.School of Bussiness and Management，Jiangsu University，Zhenjiang，Jiangsu 212013，China
2.College of Information Sciences and Technology，Donghua University，Shanghai 201620，China
3.Engineering Resenrch Center of Digitized Textile & Fashion Technology，Ministry of Education，Donghua University，Shanghai 201620，China
4.Glorious Sun School of Business and Management，Donghua University，Shanghai 200051，China

Received:2007-12-13 Revised:2008-05-30 Online:2008-12-01 Published:2008-12-01
Contact: SONG Xin-ping

摘要/Abstract

摘要： 以2005年A股制造业的36个财务欺诈公司及相应的配对公司为样本，采用23个财务指标，通过数据挖掘途径，运用多元判别分析、支持向量机、决策树和自己设计的集成分类方法构建了财务欺诈识别模型。实证结果表明：4 种模型都具有一定有效性，集成分类方法的识别准确度最高且识别效果最好。

关键词: 财务欺诈识别, 支持向量机, 决策树, 集成分类方法

Abstract: Based on 36 A-shared manufacturing listed companies with fraud financial report and the same number of matched sample with normal financial report in 2005，financial fraut identification models are built using 23 financial indicators and four including multiple discriminative analysis，support vector machine and an integrated classifier.The result indicates that the four models are all effective to some extent and the integrated classifier outperforms other methods in terms of prediction accuracy.

Key words: financial fraud identification, support vector machine, decision tree, integrated classifier

宋新平^1,4,丁永生^2,3,4,张革夫⁴. 集成分类法在财务欺诈风险识别中的应用[J]. 计算机工程与应用, 2008, 44(34): 226-230.

SONG Xin-ping^1,4,DING Yong-sheng^2,3,4,ZHANG Ge-fu⁴. Application of integrated classification method in identifying risk of fraudulent financial report[J]. Computer Engineering and Applications, 2008, 44(34): 226-230.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[9]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[10]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[11]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[12]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[13]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[14]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[15]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.

集成分类法在财务欺诈风险识别中的应用

Application of integrated classification method in identifying risk of fraudulent financial report

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics