Brown et al_2020_What Are You Saying
刘亚瑄
2022-02-22 13:39:07 阅读: 390
收藏: 0
We use a machine learning technique to assess whether the thematic content of financial statement disclosures (labeled topic) is incrementally informative in predicting intentional misreporting. Using a Bayesian topic modeling algorithm, we determine and
资源下载 成为会员免费下载,点击加入。 已下载: 0
Brown et al_2020_What Are You Saying.pdf | 1.02 MB
文档预览
下载文档
Brown et al. (2020) 根据管理层披露和沟通内容,评估发现相比标准财务和文本分析,主题词模型在预测故意误报方具有增量信息。具体来说,文章使用贝叶斯主题建模算法量化了1994年至2012年间大量10-K报告的主题内容预测财务违规行为;此外,当检测到严重的收入确认和核心支出错误时,包含主题的模型显著优于传统模型。结果表明,年度报告文件中讨论的主题以及对每个主题的关注是发现财务虚假报道的有用信号。
本文转自网络媒体,文章仅代表作者观点,不代表「高礼智库」立场。相关版权归原作者所有,「高礼智库」仅提供免费交流与学习,相关内容与材料请勿用于商业。如果牵涉到您的版权问题,请联系我们将及时删除处理。