企业内控重大缺陷的特征分析与识别——基于企业画像和机器学习的证据.pdfVIP

DOI：10．19641/j．cnki．42-1290/f．2025．09．006

企业内控重大缺陷的特征分析与识别

——基于企业画像和机器学习的证据

芦雅婷（副教授），贾翔宇（博士），田雨绯（博士）121

【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。

【关键词】内控重大缺陷；特征分析；识别模型；企业画像；机器学习

【中图分类号】F239.1；F270【文献标识码】A【文章编号】1004-0994（2025）09-0042-7

陷的迹象，并构建识别模型对企业内控重大缺陷进行识

一、引言

别与预警。

内控是企业财务报告生成过程中的关键环节，其有本文的主要贡献在于：第一，构建了结构化和非结构

效性直接关系到财务报告的信息质量。内控缺陷的存化数据相结合的企业内控重大缺陷识别的指标体系，弥

在，尤其是内控重大缺陷，可能会导致企业防范错误与舞补了单一结构化数据定量信息的不足，丰富了内控重大

弊的第一道防线失效，从而影响财务报告的真实性和可缺陷影响因素的研究。第二，拓展了内控缺陷识别的研

靠性，并增加审计师面临的审计风险。自2012年起，我究。将企业画像这种直观的技术应用于企业内控重大缺

国对上市公司内控实施外部监管，以进一步提高财务报陷特征属性的可视化呈现，并利用机器学习算法构建企

告的信息质量。然而，基于信号传递理论，企业披露内控业内控重大缺陷的识别模型，拓展了学科交叉研究，并为

重大缺陷信息可能会触发市场较为激烈的负面反应，这审计师与监管机构更智能精准地识别存在内控重大缺陷

可能会导致企业披露内控缺陷的动力不足。事实上，强的企业提供了依据。

制性内控审计仅是企业与审计监督博弈的结果（张庆龙

二、文献综述

等，2023），实践中对内控重大缺陷信息披露不充分、财务

报告信息不实的事件屡有发生，如长生生物、獐子岛等，当前针对企业内控重大缺陷的研究主要集中在内控

这表明现行的外部监管并未完全达到预期效果，企业内重大缺陷的影响因素和识别两个方面。在内控重大缺陷

控的外部监管效率和效果亟待提升。因此，精准识别内影响因素方面，现有研究一般是利用计量模型对公司治

控重大缺陷就成为提高监管效率、强化监督的关键。企理结构特征（李清和闫世刚，2020）、企业经济特征（江岭和

业画像与机器学习算法等新技术的不断发展为事前智能王彦杰，2021）、管理层认知偏差（许宁宁，2019）和制度环

精准地识别内控重大缺陷提供了可能，从而能够实现风境（郭军和赵息，2016）等变量与内控重大缺陷进行回归分

险评估的前置与监管的前瞻。本文旨在通过分析存在内析，追求函数形式和易于解释的模型估计结果，而Gepp

控重大缺陷企业的多维特征，结合可视化的企业画像和等（2017）认为机器学习算法相较于Logistic等传统回归模

机器学习算法，从事前分析的视角探讨存在内控重大缺型具有更强的预测能力，石荣等（2024）也认为机器学习

【基金项目】河北省社会科学基金项