FraudDetection:使用机器学习进行会计欺诈检测-源码

上传者: 42168230 | 上传时间: 2021-09-28 22:53:37 | 文件大小: 21.45MB | 文件类型: ZIP
该存储库包含在《会计研究杂志》上发表的论文中使用的数据和代码。 如果您在研究中使用我们的数据和代码,请引用我们的论文,如下所示: 杨宝,柯斌,李斌,余嘉莉和张杰(2020)。 。 会计研究杂志,58(1):199-235。 数据说明表 1.描述哪些作者处理了数据并进行了分析。 Yang Bao和Julia Julia处理了数据。 杨宝,宾科,李斌和余嘉莉共同进行了分析。 2.关于如何获取或生成原始数据的详细说明,包括数据源,下载或获取数据的特定日期以及用于生成数据的工具(例如,用于调查或实验)。 我们建议一位以上的作者能够为原始数据的所述来源提供担保。 本文使用档案数据。 数据主要来自可商购的来源。 详情如下所示。 AAER数据:我们最初的会计欺诈样本来自美国加州大学伯克利分校财务报告和管理中心(CFRM)编制的SEC的会计和审计执行公告(AAER)。 本文当前版本中使用的AA

文件下载

资源详情

[{"title":"( 10 个子文件 21.45MB ) FraudDetection:使用机器学习进行会计欺诈检测-源码","children":[{"title":"FraudDetection-master","children":[{"title":"prediciton_rusboost28_2003-2008.zip <span style='color:#111;'> 227.96KB </span>","children":null,"spread":false},{"title":"BKLYZ Datasheet.pdf <span style='color:#111;'> 25.23KB </span>","children":null,"spread":false},{"title":"evaluate.m <span style='color:#111;'> 2.34KB </span>","children":null,"spread":false},{"title":"identifiers.csv <span style='color:#111;'> 1.53MB </span>","children":null,"spread":false},{"title":"uscecchini28.csv <span style='color:#111;'> 47.19MB </span>","children":null,"spread":false},{"title":"run_RUSBoost28.m <span style='color:#111;'> 2.74KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 8.31KB </span>","children":null,"spread":false},{"title":"data_reader.m <span style='color:#111;'> 3.11KB </span>","children":null,"spread":false},{"title":"SAS coding.pdf <span style='color:#111;'> 57.28KB </span>","children":null,"spread":false},{"title":"AAER_firm_year.csv <span style='color:#111;'> 32.23KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明