基于多源文本数据和特征增强树模型的上市公司欺诈预测研究

作     者：李刚 仇朝朝 张志鹏 秦思萌 薛星楠 

作者机构：东北大学工商管理学院 上海交通大学安泰经济与管理学院 

出 版 物：《中国管理科学》 (Chinese Journal of Management Science)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 0202[经济学-应用经济学] 02[经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 020204[经济学-金融学（含∶保险学）] 

基　　金：国家自然科学基金青年项目(72401189) 国家自然科学基金面上项目(71971051,72371067) 国家社会科学基金重大项目(23ZDA039) 上海市科委启明星计划扬帆专项(23YF1415000) 

主　　题：多源文本 Augboost模型 欺诈预测 上市公司 文本分析 

摘      要：本文基于上市公司年报、省级政府工作报告和央行货币政策报告等多源文本数据，通过提取文本相似度、文本语调、文本可读性在内的多维度文本指标，结合上市公司财务指标等非文本指标，并采用特征增强树模型(Augboost)对上市公司欺诈进行预测。基于2001—2020年我国A股制造业上市公司的实证结果表明：(1)多源文本指标提供了额外的信息增量。(2)不同类型的文本所带来的信息增量不同；相较于上市公司年报和省级政府工作报告文本，央行货币政策文本提供的信息增量最为显著。(3)相较于逻辑回归等常见算法，本文所采用的特征增强树(Augboost)能够更准确地预测上市公司是否存在欺诈行为。