目标偏离视角下A企业内部控制缺陷智能判别研究

作     者：骆秋韵 

作者单位：重庆理工大学 

学位级别：硕士

导师姓名：邱杰;马郭亮

授予年度：2021年

学科分类：120301[管理学-农业经济管理] 12[管理学] 1203[管理学-农林经济管理] 

主      题：内部控制 目标导向 缺陷识别 

摘      要：随着我国企业内部控制实施力度的逐渐加强和规模的不断扩大,理论界和实务界迫切希望了解企业内部控制的实施效果及其影响因素,而内部控制评价一定会牵涉其中。在这种评价过程中,企业及外部高度重视内部控制缺陷将如何认定。同时,这也有利于企业不断改善并把握其内控环节。本文的案例研究对象A集团是一家农业产业化国际重点龙头企业。但通过调研发现,其关于内部控制缺陷的认定工作也仅仅是局限于表面的规章制度之上,并未结合大数据、人工智能等技术将其具体落实至内部控制的具体操作之中,从而导致管理与决策信息质量不高等问题的出现,也产生了相应的内部控制缺陷。鉴于此,本文首先以我国《企业内部控制基本规范》中所归纳的五大内部控制目标为文章的切入点,从目标偏离后果这一全新的研究视角出发,以内部控制目标的结果为导向,选取同时具备客观性和可观测性的识别指标构建企业内部控制是否存在缺陷的判别模型。随后,将内部控制存在缺陷的上市公司界定为符合四种迹象的情况,以实现对内部控制缺陷研究样本的严格筛选。在技术方法上,将采用机器学习算法根据相应指标体系对企业内部控制是否存在缺陷进行有效判别。同时,本文将致力于探索将人工智能技术与企业内部控制相结合来实现缺陷的自动化识别,并为内控评价的信息化、智能化提供一种可行的有效路径。最后,本文将文中使用到的神经网络模型与支持向量机模型的判别精度进行对比分析。可以看到,CI-B-FSVM模型的精度与BP神经网络均有较高的精度,证明了采用非平衡的双隶属度模糊支持向量机模型与BP神经网络模型对于企业内部控制缺陷等级的判别均具有优异的效果。最后将非平衡的双隶属度模糊支持向量机模型及BP神经网络模型实际运用至A企业,并根据该企业的实际情况,为该企业内部控制管理提出建议与意见。