基于机器学习的企业内部控制重大缺陷预测

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.

关键词：内部控制重大缺陷、预测模型、机器学习、XGBoost算法

分类号：F830.33(金融、银行)

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：123-131