An extreme Gradient Boosting (XGBoost) Trees approach to Detect and Identify Unlawful Insider Trading (UIT) Transactions
创建于 更新于
摘要
本论文提出基于XGBoost的机器学习方法，利用高维特征空间（110维）及大规模美国证券交易数据，实现对非法内幕交易的高精度识别。模型准确率超过97%，并借助特征重要性排序揭示治理、财务和交易特征在检测中的核心作用，显著优于传统方法。实验证明去相关处理提升了特征解释力，同时参数调优及交叉验证保证结果稳健，为证券交易监管自动化检测提供新思路[page::0][page::3][page::4][page::5][page::6][page::7][page::8]
