10.3969/j.issn.1002-5812.2022.15.011
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
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.
消费金融审计、集成学习、随机森林、信用卡欺诈、Maha-Smote算法
F239(会计)
国家社会科学基金17BGL047
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
46-51