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)
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

    李广众1(), 高庆1,*(), 杨海生2(), 陈少凌3()
作者信息 +

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

    Guangzhong LI1(), Qing GAO1,*(), Haisheng YANG2(), Shaoling CHEN3()
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

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

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

/