[发明专利]一种基于CNN-LSTM的财务造假识别方法及系统

说明书

本发明属于人工智能领域，提供了一种基于CNN‑LSTM的财务造假识别方法及系统。该方法包括，基于财务数据抽取特征，根据特征是否时序相关，把特征分成时序相关特征和时序无关特征；基于所述时序相关特征，采用CNN‑LSTM模型，得到第一特征；基于所述时序无关特征，采用CNN模型，得到第二特征；将所述第一特征和第二特征进行拼接，得到融合特征；基于所述融合特征确定财务数据造假是否造假。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于CNN-LSTM的财务造假识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

近年来，随着大数据技术的不断发展以及计算机运算能力的提升，深度学习技术受到了国内外学者的广泛关注。与传统的神经网络相比，深度学习模型层数更多，特征提取能力更强。以深度神经网络(Deep Neural Networks，DNN)、卷积神经网络(ConvolutionalNeural Networks，CNN)、循环神经网络(Recurrent Neural Network，RNN)等为代表的深度学习技术，在上市公司财务数据造假识别领域取得了进展。但由于上市公司财务数据的复杂性及其存在的长期依赖问题，使传统的RNN模型的预测性能无法进一步提升，因此长短期记忆网络(Long Short Term Memory Network，LSTM)成为了目前股票预测的主流模型。

在上市公司财务数据造假的识别中，其目的是根据各行业与财务数据造假相关的数据指标确定出第6年财务数据造假的上市公司。对上市公司财务数据研究来说是重要的一步。因此上市公司财务数据造假识别的研究具有非常重要的意义。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

在上市公司财务数据造假识别中的研究大都使用机器学习的算法，例如逻辑回归，支持向量机，朴素贝叶斯，决策树等算法。通过单个算法或者利用Stacking算法对几个机器学习的算法进行融合进行上市公司财务数据造假识别，得不到高准确度的结果。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于CNN-LSTM的财务造假识别方法及系统，其能够对上市公司财务数据造假进行精准、快速的识别。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于CNN-LSTM的财务造假识别方法。

一种基于CNN-LSTM的财务造假识别方法，包括：

基于财务数据抽取特征，根据特征是否时序相关，把特征分成时序相关特征和时序无关特征；

基于所述时序相关特征，采用CNN-LSTM模型，得到第一特征；

基于所述时序无关特征，采用CNN模型，得到第二特征；

将所述第一特征和第二特征进行拼接，得到融合特征；

基于所述融合特征确定财务数据造假是否造假。

本发明的第二个方面提供一种基于CNN-LSTM的财务造假识别系统。

一种基于CNN-LSTM的财务造假识别系统，包括：

特征提取模块，其被配置为：基于财务数据抽取特征，根据特征是否时序相关，把特征分成时序相关特征和时序无关特征；

CNN-LSTM模块，其被配置为：基于所述时序相关特征，采用CNN-LSTM模型，得到第一特征；

CNN模块，其被配置为：基于所述时序无关特征，采用CNN模型，得到第二特征；