Financial Statement Fraud Detection: An Analysis o
刘亚瑄
2022-02-21 13:56:03 阅读: 379
收藏: 0
This study compares the performance of six popular statistical and machine learning models in detecting financial statement fraud under different assumptions of misclassification costs and ratios of fraud firms to nonfraud firms. The results show, somewha
资源下载 成为会员免费下载,点击加入。 已下载: 0
Perols_2011_Financial Statement Fraud Detection.pdf | 819.78 KB
文档预览
下载文档
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。
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。