چارچوب تشخیص ریسک شرکت‌های چینی با فناوری پیشرفته

عنوان فارسی مقاله:چارچوب تشخیص ریسک شرکت‌های چینی با فناوری پیشرفته با استفاده از مدل یادگیری گسترده و عمیق بر اساس افشای متن

چکیده

شرکت‌های با فناوری پیشرفته به عنوان منبع اصلی درآمد در اکثر کشورهای جهان به ویژه در چین شناخته شده‌اند. درجه بالایی از عدم تقارن اطلاعاتی منجر به مشکل تأمین مالی دشوار، نرخ‌های بهره بالا و روش‌های حسابرسی پیچیده برای شرکت‌های با فناوری پیشرفته شده است. با این حال، آثار کمی بر روی یک چارچوب خودکار کارآمد برای بهبود دقت تشخیص ریسک برای شرکت‌های با فناوری پیشرفته تمرکز می‌کنند. کار ما چارچوب جدیدی را با استفاده از مدل یادگیری گسترده و عمیق با متن گزارش سالانه و داده‌های مالی برای شناسایی ریسک شرکت‌های با فناوری پیشرفته پیشنهاد می‌کند. ما اثرات چارچوب پیشنهادی را با مقایسه آنها با سایر روش‌های طبقه‌بندی بالغ با استفاده از داده‌های شرکت‌های واقعی در چین بررسی می‌کنیم. نتایج نشان داد که چارچوب پیشنهادی با متن، عملکرد طبقه‌بندی را در مقایسه با روش‌های پایه با داده‌های مالی بهبود می‌بخشد. نرخ افزایش دقت، فراخوانی، AUC 12.2٪، ۱۰۰٪ و ۴۴٫۴٪ است. علاوه بر این، نتایج نشان می‌دهد که اهمیت داده‌های بدون ساختار و اطلاعات نرم شرکت‌های با فناوری پیشرفته باید برای بهبود دقت تشخیص ریسک مورد تاکید قرار گیرد.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A risk detection framework of Chinese high-tech firms using wide & deep learning model based on text disclosure

Abstract

High-tech firms have been recognized as a major source of earnings in most of countries in the world, especially in China. A high degree of information asymmetry has led to the problem of difficult financing, high interest rates, and complicated audit procedures for high-tech firms. However, little works focus on an efficient automated framework to improve risk detection accuracy for high-tech firms. Our work proposes a new framework using wide & deep learning model with annual report text and financial data to detect risk of high-tech firms. We examine the effects of the proposed framework by comparing them with other mature classification methods utilizing real firms data in China. The results showed that the proposed framework with text improve classification performance compared to baseline methods with financial data. The rate of increase in accuracy, recall, AUC is 12.2%, 100% and 44.4%. Moreover, the results suggests that the importance of unstructured data and soft information of high-tech firms should be emphasized to improve risk detection accuracy.