[发明专利]基于识别学习建立财务欺诈识别模型的方法

权利要求书

1.基于识别学习建立财务欺诈识别模型的方法，其特征在于，包括以下步骤：

步骤1)数据处理：获取样本数据之后，需要对样本数据进行清洗，样本数据清洗要清除错误点，冗余点和噪声，还要统一数据的量纲；

步骤2)构建印象管理特征：根据初步建立的文本框架，得到样本公司发布的文本信息的结构化数据，分别是包括社交行为特征、情绪特征和可读性特征；所述社交行为特征包含是否有微信公众号、是否认证、建立时长以及发文频率四个变量；所述情绪特征即年报文本部分情绪得分；所述可读性特征衡量年报文字部分的可理解性，包含是否有彩色封面、年报页数、平均句长和平均表格页数四个变量；

步骤3)选择财务变量：明确财务指标，分析每个财务指标的重要性与重要性排序，确定模型的输入变量，具体为：

步骤31)选取财务变量：包括反映公司盈利能力的销售费用增长率、资产报酬率、营业利润率和每股收益；反映公司偿债能力的速动比率、流动资产比率、资产负债率；反映公司资产营运能力的应收账款周转率、存货周转率、总资产周转率；反映公司成长能力的净利润增长率，共计11个财务指标；

步骤32)对样本数据的每个财务指标作描述统计分析与独立样本T检验：明确每股收益、营业利润率、资产报酬率都与欺诈行为显著负相关，明确流动资产比率、资产负债率、净利润增长率与欺诈行为显著正相关，速动比率、销售费用增长率、应收账款周转率、存货周转率和总资产周转率与欺诈行为没有显著的关系；

步骤33)基于随机森林的特征选择：每次随机选取一定数量的样本，未使用的样本被称为袋外样本(Out of Bag，OOB)，通过袋外样本，可以评估这个树的准确度以及误差率，其他子树叶也同理；

步骤4)制定模型评价标准：构建评价模型的好坏的混淆矩阵以及评价指标；

步骤5)构建模型：选择分类器并对比分析，寻找最佳参数，具体为：

选取机器学习中三个已经被验证性能较好的分类器：支持向量机、梯度提升树和人工神经网络来建立模型，比较分析以及模型融合。

2.如权利要求1所述的基于识别学习建立财务欺诈识别模型的方法，其特征在于，步骤1)中，对于样本中缺失的数据，线性插补法进行填补；用观察法寻找数据集中与其他观测值差距较大的噪声，并通过人工检查的方式去除噪声；最后，对定量数据做标准化和中心化处理；从而初步建立的文本框架。

3.如权利要求1所述的基于识别学习建立财务欺诈识别模型的方法，其特征在于，步骤33)中，基于随机森林的特征选择的具体方法如下：

针对某个特征X，利用Bagging法建立了一颗决策树T，然后用T对袋外样本OOB进行分类检测，得到袋外误差errOOB₁；

接着对袋外样本的特征X进行“随机扰乱”，也就是对特征X的取值赋予随机取的新数值，这时再用T对袋外样本进行分类检测，得到袋外误差errOOB₂，这时对于T来说，特征X的重要性D＝errOOB₂-errOOB₁；

对随机森林中共N颗决策树做相同操作，可以得到N个特征X的重要性，取其均值作为X的重要性度量，即

当给某个特征随机加入噪声之后，袋外的准确率会大幅度降低，也就是errOOB₂的值将大幅提高，那么该特征的D(X)也会相应提高。换句话说，判断一个属性重要不重要，就是判断其值的改变对结果的影响程度。并选择重要性排序前五的变量作为模型的输入变量，依次是每股收益、资产负债率、净利润增长率、资产回报率和营业利润率。

4.如权利要求1所述的基于识别学习建立财务欺诈识别模型的方法，其特征在于，步骤4)中，样本分类并构建混淆矩阵：所有样本按照其真实类别和分类器预测类别可以划分为四类：

真正例(TP)：真实类别为欺诈公司，预测类别为欺诈公司；

假正例(FP)：真实类别为非欺诈公司，预测类别为欺诈公司；

假负例(FN)：真实类别为欺诈公司，预测类别为非欺诈公司；

真负例(TN)：真实类别为非欺诈公司，预测类别为非欺诈公司；根据以上四种分类情况构建混淆矩阵。