典型文献
基于LDA主题模型的上市公司违规识别——以中国A股上市银行为例
文献摘要：
以我国2010-2019年的A股上市银行年报为样本,利用LDA主题模型深度挖掘年报语义信息并构建银行年报的主题指标,在多种机器学习模型上对比主题指标与常用的财务指标、文本特征指标及其与主题指标的合并指标在检测上市银行违规时的性能.研究发现:年报文本主题内容对上市银行的违规行为有一定的预测作用,且与单一传统指标相比,主题指标可以提升传统指标的违规识别性能.研究结果为使用年报文本主题信息和机器学习方法识别上市银行违规的有效性提供了直接的证据,为市场构建了一种有效的违规识别指标体系,为审计师找到了一种较为高效的违规识别方法,有助于进一步规避与防范审计风险.
文献关键词：
上市公司违规识别;年度报告;LDA主题模型;机器学习;违规预测;财务报表
中图分类号：
作者姓名：
张熠;徐阳;李维萍
作者机构：
南京审计大学信息工程学院,江苏南京211815
文献出处：
引用格式：
[1]张熠;徐阳;李维萍-.基于LDA主题模型的上市公司违规识别——以中国A股上市银行为例)[J].审计与经济研究,2022(05):107-116
A类：
上市公司违规识别,违规预测
B类：
LDA,主题模型,上市银行,行年,模型深度,深度挖掘,语义信息,机器学习模型,财务指标,文本特征,特征指标,年报文本,文本主题,主题内容,违规行为,预测作用,一传,识别性,机器学习方法,方法识别,市场构建,识别指标体系,审计师,审计风险,年度报告,财务报表
AB值：
0.301133
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
