本研究比较了六种流行的统计和机器学习模型在错误分类成本和欺诈公司与非欺诈公司比率的不同假设下检测财务报表欺诈的性能。结果显示，逻辑回归和支持向量机与人工神经网络bagging和C4相比表现良好，这有点令人惊讶。5.堆叠。结果还揭示了分类算法中使用的预测因子的一些差异。在被检查的42个预测因素中，只有六个是由不同的分类算法一致选择和使用的：审计师流动率、可自由支配应计总额、四大审计师、应收账款、达到或超过分析师预测，以及意外的员工生产力。这些发现扩展了财务报表欺诈研究，可供从业者和监管机构用于改进欺诈风险模型。