# 财务报表欺诈检测数据集_170条完整财务文档文本标注数据_机器学习_NLP文本分类研究应用

## 引言与背景

财务报表欺诈一直是金融监管和审计领域面临的重要挑战。随着企业财务信息披露的数字化程度不断提高，利用自然语言处理和机器学习技术自动检测财务报表中的欺诈行为已成为研究热点。本数据集专门针对财务报表欺诈检测任务构建，包含170条完整的财务文档文本数据，每条记录都经过专业标注，明确标识该财务文档是否涉及欺诈行为。数据集的核心内容是完整的财务文档文本，这些文档主要来源于美国证券交易委员会（SEC）的10-K年度报告、10-Q季度报告以及其他财务披露文件，涵盖了企业财务报表的完整内容，包括财务报表本身、管理层讨论与分析、审计报告、附注信息等关键部分。数据集不仅包含原始的财务文档文本，还提供了准确的欺诈标签标注，为研究人员和从业者提供了一个高质量、可直接用于模型训练和算法开发的数据资源。该数据集对于财务欺诈检测研究、文本分类算法开发、审计自动化系统构建以及金融风险管理等领域具有重要的研究价值和应用价值。

## 数据基本信息

### 数据字段说明

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| Fillings | 文本 | 财务文档完整文本内容，包含财务报表、附注、管理层讨论等 | "item 14 exhibits financial statements reports form 10k index exhibits following documents filed part report 1 see index financial statements set forth item 8..." | 100% |
| Fraud | 分类标签 | 欺诈标签，标识该财务文档是否涉及欺诈行为 | "yes" / "no" | 100% |

### 数据分布情况

欺诈标签分布

| 欺诈类型 | 记录数量 | 占比 | 累计占比 |
|---------|---------|------|---------|
| yes | 85 | 50.00% | 50.00% |
| no | 85 | 50.00% | 100.00% |

文本长度分布

| 文本长度区间 | 记录数量 | 占比 | 累计占比 |
|------------|---------|------|---------|
| <10K | 17 | 10.00% | 10.00% |
| 10K-50K | 19 | 11.18% | 21.18% |
| 50K-100K | 10 | 5.88% | 27.06% |
| 100K-500K | 27 | 15.88% | 42.94% |
| 500K-1M | 23 | 13.53% | 56.47% |
| >1M | 74 | 43.53% | 100.00% |

欺诈类型与文本长度交叉分析

| 欺诈类型 | 记录数 | 平均文本长度 | 最小文本长度 | 最大文本长度 |
|---------|-------|------------|------------|------------|
| yes | 85 | 2,058,520 | 11,729 | 5,383,684 |
| no | 85 | 497,179 | 1,626 | 5,708,964 |

### 数据规模与特征

本数据集共包含170条财务文档记录，数据规模适中且标注质量高。数据集采用CSV格式存储，包含两个核心字段：Fillings字段存储完整的财务文档文本内容，Fraud字段存储对应的欺诈标签。财务文档文本的平均长度约为128万字符，中位数为69万字符，文本长度分布较为广泛，从最短的1626字符到最长的570万字符不等，体现了不同企业财务文档在详细程度和披露深度上的差异。数据集的标注分布均衡，欺诈样本和非欺诈样本各占50%，为机器学习模型的训练提供了平衡的正负样本。数据集覆盖了多个行业和不同规模企业的财务文档，文档类型主要包括10-K年度报告、10-Q季度报告、8-K重大事件报告等，内容涵盖资产负债表、利润表、现金流量表、管理层讨论与分析、审计报告、附注说明等完整的财务信息披露内容。

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 完整原始文档 | 包含170条完整的财务文档文本，平均长度超过120万字符，涵盖财务报表的所有关键内容 | 支持基于完整内容的深度学习模型训练，能够捕捉财务文档中的细微欺诈迹象 |
| 高质量标注 | 欺诈标签经过专业标注，正负样本均衡分布，标注准确率高 | 为监督学习算法提供可靠的训练目标，提升模型检测精度 |
| 文本长度丰富 | 文本长度从1.6K到5.7M字符不等，覆盖不同详细程度的财务文档 | 适应不同长度文本的处理需求，模型泛化能力强 |
| 多样化内容 | 涵盖10-K、10-Q、8-K等多种财务报告类型，包含财务报表、管理层讨论、审计报告等多维度信息 | 支持多角度欺诈检测，能够识别不同类型的欺诈模式 |
| 数据规模适中 | 170条记录既保证训练数据充足，又便于快速迭代和模型调优 | 适合学术研究和原型开发，降低计算资源需求 |
| 格式规范统一 | 采用CSV格式存储，字段结构清晰，易于读取和处理 | 方便集成到各种机器学习框架和数据处理流程中 |

## 数据样例

本数据集包含完整的财务文档文本内容，由于文档篇幅较长，以下展示部分样例的文本预览。实际数据集中包含完整的原始文件可供使用，研究人员可以基于完整文本进行深入分析和模型训练。

### 元数据样例（欺诈样本）

样例1 - 索引：0 - Fraud：yes - 文本长度：2,914,593 - 文本预览：item 14 exhibits financial statements reports form 10k index exhibits following documents filed part report 1 see index financial statements set forth item 8 2 financial statements schedules none 3 exhibits exhibit 21 agreement plan f merger dated november 18 1995 key welltech amended...样例2 - 索引：2 - Fraud：yes - 文本长度：2,802,701 - 文本预览：item 14 exhibits financial statements schedules reports form 8k afinancial statements schedules 1 financial statements report independent auditors board directors bruker daltonics inc audited accompanying consolidated balance sheets bruker daltonics inc company december 31 2000 2001...样例3 - 索引：3 - Fraud：yes - 文本长度：2,503,479 - 文本预览：item 14 exhibits financial statement schedules reports form 8k 1 financial statements presentation financial statements included item 8 consolidated financial statements supplementary data 2 financial statement schedule ii valuation qualifying accounts...样例4 - 索引：7 - Fraud：yes - 文本长度：2,053,908 - 文本预览：item 14 exhibits financial statement schedules reports form 8k financial statements financial statement schedules exhibits 1 financial statements financial statements listed registrant consolidated subsidiaries consolidated statement income years ended december 31 1993 1992 1991...样例5 - 索引：10 - Fraud：yes - 文本长度：1,303,345 - 文本预览：item 14 exhibits financial statement schedules reports form 8k list documents filed part report incorporated herein reference 1 financial statements following financial statements registrant set forth part ii item 8 report form 10k pages indicated...样例6 - 索引：11 - Fraud：yes - 文本长度：3,871,518 - 文本预览：item 14 exhibits financial statement schedules reports form 8k documents filed part report financial statements financial statement schedules financial statements see item 8 schedules financial statements indicated omitted absence conditions requiring...样例7 - 索引：14 - Fraud：yes - 文本长度：632,256 - 文本预览：item 14 exhibits financial statement schedules reports form 8k following documents filed part report incorporated herein reference consolidated financial statements financial statement schedule consolidated financial statements...样例8 - 索引：20 - Fraud：yes - 文本长度：3,115,554 - 文本预览：item 14 exhibits financial statement schedules reports form 8k following documents filed part report 1 financial statements following consolidated financial statements company included part ii item 8 report b reports form 8k none el paso energy corporation...样例9 - 索引：21 - Fraud：yes - 文本长度：4,136,372 - 文本预览：item 14 exhibits financial statement schedules reports form 8k documents filed part report 1 following consolidated financial statements included item 8 report 2 financial statement schedules included pages s1 s7 report independent accountants...样例10 - 索引：23 - Fraud：yes - 文本长度：1,809,600 - 文本预览：item 14 exhibits financial statement schedules reports form 8k documents filed part report following documents filed part report 1 financial statements following consolidated financial statements faro technologies inc report deloitte touche llp...

### 元数据样例（非欺诈样本）

样例11 - 索引：1 - Fraud：no - 文本长度：2,644,168 - 文本预览：item 14 principal accounting fees services material included 2014 proxy statement headings audit fees nonaudit fees policy audit committee preapproval audit permissible nonaudit services independent auditor incorporated herein reference 2014 proxy statement...样例12 - 索引：4 - Fraud：no - 文本长度：502,056 - 文本预览：item 14 exhibits financial statement schedules reports form 8k exhibits 21 restated agreement plan merger dated november 27 1996 effective october 23 1996 syratech thl transaction corp amendment dated february 14 1997...样例13 - 索引：5 - Fraud：no - 文本长度：59,036 - 文本预览：item 14 principal accountant fees services information required item incorporated reference information caption "ratification appointment independent registered public accounting firm" contained proxy statement part iv item 15...样例14 - 索引：6 - Fraud：no - 文本长度：659,297 - 文本预览：item 14 principal accountant fees services information appearing caption "independent public accountants" 2009 proxy statement incorporated herein reference part iv item 15 item 14 exhibits reports form 8k...样例15 - 索引：8 - Fraud：no - 文本长度：263,009 - 文本预览：item 14 principal accounting fees services information required item 14 included proxy statement caption "ratification selection independent registered public accounting firm" incorporated herein reference part iv item 15...样例16 - 索引：9 - Fraud：no - 文本长度：248,259 - 文本预览：item 14 principal accountant fees services principal accountants dale matheson carrhilton labonte chartered accountants rendered invoices us fiscal periods indicated following fees services fiscal year ended...样例17 - 索引：12 - Fraud：no - 文本长度：57,039 - 文本预览：item 14 principal accounting fees services principal accountants dale matheson carrhilton labonte chartered accountants rendered invoices us fiscal periods indicated following fees services fiscal year ended...样例18 - 索引：13 - Fraud：no - 文本长度：246,262 - 文本预览：item 14 principal accounting fees services audit committee selected gkm independent registered certified public accounting firm audit books accounts company subsidiaries fiscal year ending december 31 2011...样例19 - 索引：15 - Fraud：no - 文本长度：261,012 - 文本预览：item 14 principal accounting fees services principal accountants dale matheson carrhilton labonte chartered accountants rendered invoices us fiscal periods indicated following fees services fiscal year ended...样例20 - 索引：16 - Fraud：no - 文本长度：57,039 - 文本预览：item 14 principal accounting fees services principal accountants dale matheson carrhilton labonte chartered accountants rendered invoices us fiscal periods indicated following fees services fiscal year ended...

## 应用场景

### 财务欺诈检测模型训练

该数据集可以用于训练和评估各种财务欺诈检测机器学习模型，包括传统机器学习算法和深度学习模型。研究人员可以利用数据集中的完整财务文档文本和准确的欺诈标签，构建基于自然语言处理的文本分类模型，自动识别财务文档中可能存在的欺诈行为。通过训练深度学习模型如BERT、RoBERTa等预训练语言模型，可以捕捉财务文档中的语义特征和潜在欺诈模式，提高欺诈检测的准确性和效率。该应用场景对于会计师事务所、金融监管机构、投资机构等具有重要价值，可以帮助这些机构自动化地筛查大量财务文档，及时发现潜在的财务欺诈风险，降低人工审计的工作强度和成本。在实际应用中，训练好的模型可以集成到审计系统中，对新提交的财务报告进行实时检测，为审计师提供风险预警，辅助审计决策。

### 文本分类算法研究

该数据集为文本分类算法研究提供了一个高质量的实验平台。由于数据集包含完整的财务文档文本和准确的二分类标签，研究人员可以利用该数据集评估和比较不同文本分类算法的性能，包括传统的机器学习方法如支持向量机、随机森林、逻辑回归等，以及现代的深度学习方法如卷积神经网络、循环神经网络、Transformer架构等。研究人员可以探索不同的文本特征提取方法，如词袋模型、TF-IDF、词嵌入、预训练语言模型等，研究这些特征表示对分类性能的影响。此外，该数据集还可以用于研究长文本分类的挑战，因为财务文档的平均长度超过120万字符，这对模型的文本处理能力和计算效率提出了较高要求。通过在该数据集上的实验研究，可以推动文本分类算法的发展，为其他领域的长文本分类任务提供参考和借鉴。

### 审计自动化系统开发

该数据集可以用于开发智能化的审计自动化系统，帮助会计师事务所和企业内部审计部门提高审计效率和准确性。基于数据集中的财务文档文本和欺诈标签，可以开发自动化的财务文档分析工具，自动识别财务报表中的异常模式、可疑披露和潜在风险点。审计自动化系统可以集成多种分析功能，包括财务比率异常检测、管理层讨论分析的情感分析、会计政策变更识别、关联交易检测等，为审计师提供全面的审计线索和风险提示。在实际应用中，审计师可以利用该系统对大量财务文档进行初步筛查，系统会自动标记出高风险的文档和具体的风险点，审计师可以重点关注这些高风险领域，提高审计的针对性和效率。该应用场景对于大型会计师事务所特别有价值，可以帮助他们处理海量的审计任务，降低审计成本，同时提高审计质量。

### 金融风险管理与预警

该数据集可以应用于金融机构的风险管理和预警系统，帮助银行、投资机构、保险公司等识别和管理财务欺诈风险。金融机构在投资决策、信贷审批、保险承保等业务中，需要对企业的财务状况进行深入分析，评估企业的财务风险和欺诈风险。基于该数据集训练的欺诈检测模型可以作为风险管理系统的重要组成部分，自动分析企业的财务报告，识别潜在的财务欺诈迹象，为风险管理人员提供决策支持。例如，在信贷审批过程中，系统可以自动分析借款企业的财务报告，评估财务报表的真实性和可靠性，识别可能存在的财务造假风险，帮助信贷人员做出更准确的信贷决策。在投资管理中，系统可以对投资标的公司的财务报告进行持续监控，及时发现财务异常，为投资决策提供风险预警。该应用场景对于提高金融机构的风险识别能力、降低投资损失、保护投资者利益具有重要意义。

### 学术研究与教学

该数据集为财务欺诈检测、自然语言处理、机器学习等领域的学术研究和教学提供了宝贵的数据资源。研究人员可以利用该数据集开展各种学术研究，包括财务欺诈检测算法研究、文本特征提取方法研究、深度学习模型在金融领域的应用研究等。该数据集可以用于发表学术论文、开发新的检测算法、比较不同方法的性能等。在教学方面，该数据集可以作为机器学习、自然语言处理、金融科技等课程的实验数据，帮助学生理解文本分类、监督学习、特征工程等概念的实际应用。学生可以利用该数据集完成课程项目，开发自己的欺诈检测模型，学习如何处理真实世界的数据。该应用场景对于推动财务欺诈检测领域的学术发展、培养相关领域的人才具有重要作用。

## 结尾

本财务报表欺诈检测数据集是一个高质量、标注准确的研究数据集，包含170条完整的财务文档文本和对应的欺诈标签，为财务欺诈检测研究提供了宝贵的数据资源。数据集的核心优势在于包含完整的原始财务文档文本，这些文档涵盖了财务报表的所有关键内容，为基于深度学习的文本分析模型提供了丰富的语义信息。同时，数据集的标注质量高，正负样本分布均衡，为监督学习算法提供了可靠的训练目标。该数据集可广泛应用于财务欺诈检测模型训练、文本分类算法研究、审计自动化系统开发、金融风险管理与预警、学术研究与教学等多个领域，具有重要的研究价值和实际应用价值。通过利用该数据集，研究人员和从业者可以开发出更准确、更高效的财务欺诈检测工具，提高财务监管和审计的效率和准确性，为维护金融市场秩序和保护投资者利益做出贡献。该数据集适合研究人员、数据科学家、审计师、风险管理人员等使用，有需要可私信获取更多信息。