维基尔·夸克;史勇;Lee，Cheng少数 会计和金融环境中的数据挖掘应用程序。 （英语） Zbl 1452.91322号 Lee，Cheng Few（编辑）等人，《金融计量经济学、数学、统计学和机器学习手册》。第1卷。新泽西州哈肯萨克：《世界科学》。823-857 (2021). 摘要：本章展示了在会计和金融背景下应用几种当前数据挖掘方法和替代模型的示例，例如使用美国、韩国和中国资本市场数据预测破产。会计和金融环境中的大数据非常适合数据挖掘等数据分析工具应用程序。我们之前的研究还对日本资本市场数据进行了实证检验，发现了类似的预测率。然而，总体预测率取决于不同的国家和时间段[米哈洛维奇，“多重判别分析和logit模型在破产预测中的性能比较”，《经济学》。Soc.9，No.4，104–118（2016；doi:10.14254/2071-789X.2016/9-4/6)]。这些结果是对以往使用传统probit或logit分析或多重判别分析进行破产预测研究的改进。最近的生存模型在破产研究中显示出类似的预测率。然而，我们需要纵向数据来使用生存模型。由于计算机技术的进步，应用数据挖掘方法更容易。此外，当前的数据挖掘方法可以应用于其他会计和财务背景，如审计师变更、审计意见预测研究和内部控制薄弱环节研究。我们的第一篇论文展示了13种数据挖掘方法，用于预测萨班斯-奥克斯利法案（Sarbanes-Oxley Act，SOX）（2002）实施后的破产，使用的是2008年至2009年的美国数据，其中包含13个财务比率和内部控制缺陷、股息支付和市场回报变量。我们的第二篇论文展示了使用韩国数据的多准则线性规划数据挖掘方法的应用。我们的最后一篇文章通过几种数据挖掘工具展示了使用中国企业数据的破产预测模型，并与传统的logit分析进行了比较。层次分析法和模糊集也可以作为会计和金融研究中数据挖掘工具的替代方法。未来，自然语言处理可以作为会计和财务人工智能领域的一部分[I.E.费舍尔等，“会计、审计和财务中的自然语言处理：文献综述和未来研究路线图”，Intell。系统。账户。，财务。管理。23, 157–214 (2016;doi:10.1002/isaf.1386)]。关于整个系列，请参见[Zbl 1446.91001号]. MSC公司： 91G45型 金融网络（包括传染、系统风险、监管） 62P05号 统计学在精算科学和金融数学中的应用 62兰特 大数据和数据科学的统计方面 关键词：数据挖掘;大数据;破产;多准则线性规划数据挖掘;中国;韩国;日本;美国;探险家;罗吉特;多重判别分析;生存模型;审计师变更;审计意见预测;内部控制薄弱;决策树;贝叶斯网;决策表;层次分析法;支持向量机;模糊集;自然语言处理 PDF格式BibTeX公司 XML格式引用 \textit{W.Kwak}等人，《金融计量经济学、数学、统计学和机器学习手册》。第1卷。新泽西州哈肯萨克：《世界科学》。823--857（2021；Zbl 1452.91322） 全文： 内政部