量化策略：数据挖掘在上市公司财务造假识别中的应用｜2017申万宏源报告

报告摘要

本报告由申万宏源于2017年发布，聚焦数据挖掘技术在上市公司财务造假识别中的应用。研究基于2002年后A股市场被公开处罚的财务造假数据，构建多个财务与非财务指标，并对比神经网络、SVM支持向量机、决策树（C&RT、QUEST、CHAID、C5.0）等算法。实证表明，决策树中的CHAID算法综合表现最优，全样本准确率达93.16%，召回率59.41%，精确度17.78%，F值27.37%。报告还提炼出审计师意见、前一年是否亏损、其他应收款占流动资产比例、销售毛利率、预付款项占流动资产比例等关键造假识别指标。适合量化研究员、金融分析师、风控从业者及投资者阅读。

📋 核心要点(部分)

1. 研究概述
2. 数据说明和处理
3. 多层神经网络
4. 支持向量机SVM
5. 决策树