典型文献
基于机器学习的企业内部控制重大缺陷预测
文献摘要：
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.
文献关键词：
内部控制重大缺陷;预测模型;机器学习;XGBoost算法
中图分类号：
作者姓名：
刘瑾;赵纳晖
作者机构：
中国财政科学研究院研究生院,北京100124
文献出处：
引用格式：
[1]刘瑾;赵纳晖-.基于机器学习的企业内部控制重大缺陷预测)[J].财会月刊,2022(03):123-131
A类：
B类：
基于机器学习,企业内部控制,内部控制重大缺陷,内部控制机制,报喜,不报,报忧,信息披露,运营情况,情况严重,缺陷预测模型,特征信息,陷进,经营风险,内部治理机制,外部环境风险,财务状况,信息沟通,预测指标体系,上市企业,企业数据,XGBoost,集成模型,预测性能,个体学习器,高维度,营业,净利,利率,净资产收益率,产品市场竞争,贡献程度
AB值：
0.387565
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
