Mendeteksi Kecurangan Akuntansi di Pasar Saham A Tiongkok dengan PU Learning

ABSTRAK
Mendeteksi kecurangan akuntansi sangat penting bagi integritas pasar keuangan. Metode tradisional mengalami kesulitan karena data yang tidak seimbang dan pelabelan yang tidak lengkap. Studi ini memperkenalkan pembelajaran positif dan tidak berlabel (PU) untuk meningkatkan akurasi deteksi menggunakan kasus penipuan berlabel dan sampel tidak berlabel yang luas. Menganalisis data pasar saham A Tiongkok dari tahun 2001 hingga 2022, yang disegmentasikan menjadi periode regulasi stabilitas (2001–2019) dan transisi (2020–2022), hasilnya mengonfirmasi bahwa pembelajaran PU secara signifikan meningkatkan deteksi perusahaan yang melakukan kecurangan, menunjukkan kinerja yang kuat dalam berbagai kondisi regulasi dan ekonomi. Temuan tersebut menyoroti efektivitas pembelajaran PU sebagai metode yang kuat untuk mendeteksi kecurangan, menawarkan wawasan praktis untuk meningkatkan pengawasan regulasi dan menjaga stabilitas pasar.