典型文献
集成学习在消费金融审计中的应用——以随机森林检测信用卡欺诈为例
文献摘要：
随着金融科技的发展和居民消费观念的进步,现代消费金融业务量不断增长,为各阶层消费者提供了便利,但同时也带来了风险隐患,信用卡欺诈是其中的典型表现.文章选取五个基础分类器,从分类准确率、召回率、查准率、AUC值、F1值五个指标进行综合评估,发现随机森林、CatBoost的表现较优;为解决样本数据不平衡的问题,提出基于马氏距离的Maha-Smote-RF模型以及Maha-Smote-CatBoost模型.实验表明,Maha-Smote-RF模型可大幅改善误分类问题,从而表现出优越的检测性能.文章进一步将模型应用于审计实务,提出基于随机森林的信用卡欺诈审计思路,对于转变审计思维方式,促进审计提质增效具有现实意义.
文献关键词：
消费金融审计;集成学习;随机森林;信用卡欺诈;Maha-Smote算法
中图分类号：
作者姓名：
石向荣;郭鹏赛;郑祺;叶一飞
作者机构：
浙江财经大学信息管理与人工智能学院;浙江财经大学会计学院 浙江杭州310018
文献出处：
引用格式：
[1]石向荣;郭鹏赛;郑祺;叶一飞-.集成学习在消费金融审计中的应用——以随机森林检测信用卡欺诈为例)[J].商业会计,2022(15):46-51
A类：
消费金融审计,Maha,Smote
B类：
集成学习,信用卡欺诈,金融科技,居民消费,消费观念,金融业务,业务量,各阶层,风险隐患,典型表现,分类器,分类准确率,召回率,查准率,CatBoost,数据不平衡,马氏距离,RF,误分类,分类问题,检测性能,模型应用,审计实务,审计思维
AB值：
0.24407
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。
