基于RFE-LGB算法的上市公司财务造假分析和预测.pdfVIP

2024年6月10日现代信息科技Jun.2024

第8卷第11期ModernInformationTechnologyVol.8No.11

DOI:10.19850/ki.2096-4706.2024.11.029

基于RFE-LGB算法的上市公司财务造假分析和预测

陈梦媛，南嘉琦，王静赛

（，）

河南财政金融学院金融学院河南郑州450046

摘要：针对上市公司财务造假预测问题，采用结合了LightGBM与递归特征消除法（RFE）的方法进行数据建模。

LightGBM以其超参数量少、强大的稳健性及对不平衡数据的高敏感性等特点著称。RFE作为一种封装式特征选择方法，

能高度匹配所用预测模型，并通过设定特征子集评价函数作为停止条件，自动确定最优特征数量，这在特征选择领域

具有较大优势。此外，选用平衡精度（BAcc）作为模型预测性能的评估指标，并通过调整LightGBM的分类权重参数来

解决样本不平衡的问题。在5个不同行业财务数据集上的实验结果表明，所提出的RFE-LGB模型在上市公司财务造假

预测任务中表现出良好的平衡性、稳健性和泛化性。该模型能有效识别与财务造假相关的关键指标，且仅使用较少的

核心特征即可达到较高的预测精度。

关键词：上市公司；财务造假；LightGBM；递归特征消除；特征选择

中图分类号：TP39；TP183文献标识码：A文章编号：2096-4706（2024）11-0145-08

AnalysisandPredictionofFinancialFraudinListedCompaniesBasedon

RFE-LGBAlgorithm

CHENMengyuan,NANJiaqi,WANGJingsai

(SchoolofFinance,HenanFinanceUniversity,Zhengzhou450046,China)

Abstract:Toaddresstheissueoffinancialfraudpredictioninlistedcompanies,amethodcombiningLightGBMand

RecursiveFeatureElimination(RFE)isadoptedfordatamodeling.LightGBMisknownforitslownumberofhyperparameter,

strongrobustness,andhighsensitivitytoimbalanceddata.RFE,asanencapsulatedfeatureselectionmethod,canhighlymatch

thepredictionmodelusedandautomaticallydeterminetheoptimalnumberoffeaturesbysettingafeaturesubsetevaluation

functionasastoppingcondition,whichhassignificantadvantagesinthefieldoffeatureselection.Inaddition,thebalanced

accuracy(BAcc)isselectedastheevaluationindexforthepredictiveperformanceofthemodel,andtheproblemofsample

imbalanceissolvedby