专栏名称: 数据皮皮侠
社科数据综合服务中心,立志服务百千万社科学者
TodayRss-海外RSS稳定源
目录
今天看啥  ›  专栏  ›  数据皮皮侠

一作!985本科生发表顶刊FT50

数据皮皮侠  · 公众号  · 科技创业 科技自媒体  · 2024-08-26 10:00
    

主要观点总结

本文介绍了商学院本科生与山东大学商学院副教授等人合作的论文《Machine Learning for Predicting Corporate Violations: How Do CEO Characteristics Matter?》在国际权威期刊Journal of Business Ethics的发表情况。论文基于上层梯队理论,利用机器学习探索CEO特征对公司违规行为的影响,其中极端梯度增强(XGBoost)在预测公司违规行为方面表现突出。研究CEO特征如任期、营销经验等对预测公司违规行为的重要性。

关键观点总结

关键观点1: 论文发表与作者简介

介绍了论文的发表以及作者刘锋博士的简介,包括其研究领域、发表论文的情况以及所获得的奖项。

关键观点2: 论文研究背景

基于上层梯队理论,利用机器学习探索CEO特征对公司违规行为的影响。

关键观点3: 机器学习方法的应用

比较了十种机器学习方法,发现极端梯度增强(XGBoost)在预测公司违规行为方面表现最优。

关键观点4: CEO特征对公司违规行为的影响

CEO特征在预测公司违规行为方面起着重要作用,其中任期的预测力最强,与公司违规行为呈负相关。

关键观点5: 研究的贡献

研究结果有助于防止公司违规行为,改善公司治理,维护金融市场秩序。


免责声明:本文内容摘要由平台算法生成,仅为信息导航参考,不代表原文立场或观点。 原文内容版权归原作者所有,如您为原作者并希望删除该摘要或链接,请通过 【版权申诉通道】联系我们处理。

原文地址:访问原文地址
总结与预览地址:访问总结与预览
文章地址: 访问文章快照