基于机器学习的企业内部控制重大缺陷预测

作者：刘瑾; 赵纳晖

来源：财会月刊, 2022, (03): 123-131.

DOI：10.19641/j.cnki.42-1290/f.2022.03.018

• 内部控制重大缺陷
• 预测模型
• 机器学习
• XGBoost算法

企业在全面建设和实施内部控制机制的过程中普遍存在“报喜不报忧”现象，信息披露与真实运营情况严重脱节，内部控制存在重大缺陷。基于机器学习的重大缺陷预测模型能挖掘特征信息，对可能存在的重大缺陷进行识别和预警，以防止潜在的经营风险积累到一定程度并在发生损失后才引起重视。通过构建包括内部治理机制、外部环境风险、财务状况、监管与信息沟通四个维度的预测指标体系，利用2012～2019年沪深两市A股上市企业数据，经过研究后发现：以XGBoost为代表的集成模型在预测性能上强于个体学习器，在不平衡、高维度、相关关系不明确的数据集上的预测效果较为稳健，营业净利率、净资产收益率、产品市场竞争等指标对预测结果的贡献程度较大。

• 单位
  中国财政科学研究院