Buchumschlag

An extreme Gradient Boosting (XGBoost) Trees approach to Detect and Identify Unlawful Insider Trading (UIT) Transactions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Neupane, Krishna, Griva, Igor
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Finance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Random Forest approach to detect and identify Unlawful Insider Trading
von: Neupane, Krishna, et al.
Veröffentlicht: (2024)

Detecting and Explaining Unlawful Insider Trading: A Shapley Value and Causal Forest Approach to Identifying Key Drivers and Causal Relationships
von: Neupane, Krishna, et al.
Veröffentlicht: (2026)

The Information Dynamics of Insider Intent: How Reporting Inversions (Form 144) Mask Informational Rents in Insider Sales (Form 4)
von: Neupane, Krishna
Veröffentlicht: (2026)

The Strategic Gap: How AI-Driven Timing and Complexity Shape Investor Trust in the Age of Digital Agents
von: Neupane, Krishna
Veröffentlicht: (2026)

Modeling Insider Filing Delays in Financial Markets with an Interpretable XGBoost Framework
von: Huang, Cheng, et al.
Veröffentlicht: (2025)

Beyond the Numbers: Causal Effects of Financial Report Sentiment on Bank Profitability
von: Neupane, Krishna, et al.
Veröffentlicht: (2026)

Insider Purchase Signals in Microcap Equities: Gradient Boosting Detection of Abnormal Returns
von: Zhao, Hangyi
Veröffentlicht: (2026)

Unveiling Corruption's Influence on Insider Trading: US Insights
von: Ahmed Al‐Hadi, et al.
Veröffentlicht: (2026)

Mandatory Data Breach Disclosure and Insider Trading
von: Xi Chen, et al.
Veröffentlicht: (2024)

Accounting Reporting Complexity as a Source of Insider Information Advantage: Evidence From Insider Trades
von: Scott Duellman, et al.
Veröffentlicht: (2025)

An Infinite-Dimensional Insider Trading Game
von: Keller, Christian, et al.
Veröffentlicht: (2026)

Workers’ Voices Matter: Crowdsourced Employee Reviews and Insider Trading
von: Yifei Chen, et al.
Veröffentlicht: (2026)

Improving the Accuracy of Transaction-Based Ponzi Detection on Ethereum
von: Huynh, Phuong Duy, et al.
Veröffentlicht: (2023)

MLP, XGBoost, KAN, TDNN, and LSTM-GRU Hybrid RNN with Attention for SPX and NDX European Call Option Pricing
von: Ter-Avanesov, Boris, et al.
Veröffentlicht: (2024)

Predictive Modeling of Physical and Mechanical Properties of Pervious Concrete using XGBoost
von: Mustapha, Ismail B., et al.
Veröffentlicht: (2022)

A Novel Decision Ensemble Framework: Customized Attention-BiLSTM and XGBoost for Speculative Stock Price Forecasting
von: Din, Riaz Ud, et al.
Veröffentlicht: (2024)

Sequential Structure in Intraday Futures Data: LSTM vs Gradient Boosting on MNQ
von: Mesfin, Mathias
Veröffentlicht: (2026)

NAWOA-XGBoost: A Novel Model for Early Prediction of Academic Potential in Computer Science Students
von: Wei, Junhao, et al.
Veröffentlicht: (2025)

Trading Devil: Robust backdoor attack via Stochastic investment models and Bayesian approach
von: Mengara, Orson
Veröffentlicht: (2024)

AttnBoost: Retail Supply Chain Sales Insights via Gradient Boosting Perspective
von: Liu, Yadi, et al.
Veröffentlicht: (2025)

Identifying and Quantifying Financial Bubbles with the Hyped Log-Periodic Power Law Model
von: Cao, Zheng, et al.
Veröffentlicht: (2025)

Minimizing Block Incentive Volatility Through Verkle Tree-Based Dynamic Transaction Storage
von: Zhao, Xiongfei, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Fraud Detection in Payment Transactions with NVIDIA FLARE
von: Roth, Holger R., et al.
Veröffentlicht: (2026)

International Trade Flow Prediction with Bilateral Trade Provisions
von: Pan, Zijie, et al.
Veröffentlicht: (2024)

Transaction Categorization with Relational Deep Learning in QuickBooks
von: Dong, Kaiwen, et al.
Veröffentlicht: (2025)

Comparative Statics of Trading Boundary in Finite Horizon Portfolio Selection with Proportional Transaction Costs
von: Li, Jintao, et al.
Veröffentlicht: (2024)

Classifying and Clustering Trading Agents
von: Wilinski, Mateusz, et al.
Veröffentlicht: (2025)

Exploiting Distributional Value Functions for Financial Market Valuation, Enhanced Feature Creation and Improvement of Trading Algorithms
von: Grab, Colin D.
Veröffentlicht: (2024)

Detecting Information Channels in Congressional Trading via Temporal Graph Learning
von: Roodman, Benjamin Pham, et al.
Veröffentlicht: (2026)

Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting
von: Bysik, Andrei, et al.
Veröffentlicht: (2026)

Categorising SME Bank Transactions with Machine Learning and Synthetic Data Generation
von: Alessandro, Aluffi Pietro, et al.
Veröffentlicht: (2025)

Prospects of Imitating Trading Agents in the Stock Market
von: Wilinski, Mateusz, et al.
Veröffentlicht: (2025)

Phase-field and lip-field approaches for fracture with extreme mesh deformation (X-Mesh): a one-dimensional study
von: Moës, Nicolas, et al.
Veröffentlicht: (2025)

Utilizing GANs for Fraud Detection: Model Training with Synthetic Transaction Data
von: Zhu, Mengran, et al.
Veröffentlicht: (2024)

FlowSeries: Anomaly Detection in Financial Transaction Flows
von: Capozzi, Arthur, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Trade Execution with Market and Limit Orders
von: Cheridito, Patrick, et al.
Veröffentlicht: (2025)

Marketron Through the Looking Glass: From Equity Dynamics to Option Pricing in Incomplete Markets
von: Halperin, Igor, et al.
Veröffentlicht: (2025)

Trading with Time Series Causal Discovery: An Empirical Study
von: Tang, Ruijie
Veröffentlicht: (2024)

Smart Contracts, Smarter Payments: Innovating Cross Border Payments and Reporting Transactions
von: Mridul, Maruf Ahmed, et al.
Veröffentlicht: (2024)

Unsupervised Incremental Learning with Dual Concept Drift Detection for Identifying Anomalous Sequences
von: Li, Jin, et al.
Veröffentlicht: (2024)