数据挖掘在上市公司财务造假识别中的应用
创建于 更新于
摘要
本报告基于2002年以来A股财务造假案例，结合财务和非财务指标，运用神经网络、SVM、决策树等多种数据挖掘算法构建财务造假识别模型。结果显示，决策树中引入误分类损失函数后，CHAID算法表现最佳，实现93.16%的准确率和59.41%的造假样本召回率，主要影响指标包括审计师意见、前一年亏损情况、其他应收款比例、销售毛利率及预付款项比例，为上市公司财务造假风险识别提供有效路径和实践依据[page::0][page::4][page::9][page::23]
