年报文本信息质量与财务违规预测——基于结构化主题模型的机器学习方法

李广众, 高庆, 杨海生, 陈少凌

计量经济学报 ›› 2023, Vol. 3 ›› Issue (4) : 1032-1062.

PDF(930 KB)
中国科学院数学与系统科学研究院期刊网
PDF(930 KB)
计量经济学报 ›› 2023, Vol. 3 ›› Issue (4) : 1032-1062. DOI: 10.12012/CJoE2023-0017
论文

年报文本信息质量与财务违规预测——基于结构化主题模型的机器学习方法

    {{javascript:window.custom_author_cn_index=0;}}
  • {{article.zuoZhe_CN}}
作者信息 +

Measuring Financial Information Quality and Forecasting Financial Fraud: Based on a Structural Topic Model Machine Learning Design

    {{javascript:window.custom_author_en_index=0;}}
  • {{article.zuoZhe_EN}}
Author information +
文章历史 +

本文亮点

{{article.keyPoints_cn}}

HeighLight

{{article.keyPoints_en}}

摘要

{{article.zhaiyao_cn}}

Abstract

{{article.zhaiyao_en}}

关键词

Key words

本文二维码

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
{{article.zuoZheCn_L}}. {{article.title_cn}}. {{journal.qiKanMingCheng_CN}}, 2023, 3(4): 1032-1062 https://doi.org/10.12012/CJoE2023-0017
{{article.zuoZheEn_L}}. {{article.title_en}}. {{journal.qiKanMingCheng_EN}}, 2023, 3(4): 1032-1062 https://doi.org/10.12012/CJoE2023-0017
中图分类号：

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

参考文献

{{article.reference}}

基金

版权

{{article.copyrightStatement_cn}}
{{article.copyrightLicense_cn}}
PDF(930 KB)

Accesses

Citation

Detail
段落导航
相关文章

/

〈 〉