摘要
企业画像与机器学习算法的发展为强化企业内控的外部监管提供了有效途径。本文以2012~2022年A股上市公司为研究对象,从公司治理、经营复杂性、财务状况、外部市场环境及监管、管理层态度五个维度构建综合指标体系,通过五个维度的聚类分析对存在内控重大缺陷的企业进行画像,并利用Boosting集成模型与CNN卷积神经网络模型的机器学习算法识别企业内控重大缺陷。研究结果表明:存在内控重大缺陷的企业呈现兼并重组的经营复杂性、存在累计非经常性损失、每股收益与净资产收益率相对较低、审计机构为非“四大”等特征,且管理层更短视,年报语调更消极;Boosting集成模型识别内控缺陷的准确率更高、效果更好;通过考虑管理层态度、利用企业画像技术、应用机器学习识别内控重大缺陷,有助于将审计风险评估关口前移以及政府监管方式创新。
出处
《财会月刊》
北大核心
2025年第9期42-48,共7页
Finance and Accounting Monthly
基金
河北省社会科学基金:项目“内控重大缺陷特征识别与企业绿色转型:模型构建、路径实现与政策优化”(项目编号:HB24GL034)。
