A Random Forest approach to detect and identify Unlawful Insider Trading
创建于 更新于
摘要
本报告提出基于随机森林的机器学习方法识别非法内幕交易，结合主成分分析降维及多行业、高维度财务与交易数据，实现高达96.43%的分类准确率。模型不仅在区分合法与非法交易中表现优异，还通过Gini Impurity及置换重要性揭示所有权与公司治理相关特征在识别中的关键作用，有效缓解人工特征工程难题，为监管提供自动化、准确的检测工具 [page::0][page::17][page::19][page::26][page::30][page::31]
