機器學(xué)習(xí)技術(shù)在企業(yè)智能財務(wù)中的應(yīng)用研究

王玲

基金項目：安徽省中小企業(yè)互聯(lián)網(wǎng)金融支撐效應(yīng)研究，項目編號：PTZD2020003

摘 要：近年來，隨著大數(shù)據(jù)、人工智能、移動互聯(lián)網(wǎng)以及云計算新技術(shù)的發(fā)展和運用，推動了財務(wù)從會計信息化階段逐步轉(zhuǎn)為智能化階段。而在智能化階段的三個主要要素即為人工智能、機器人流程自動化（RPA）等智能工具以及大數(shù)據(jù)分析。而本文所探討的機器學(xué)習(xí)技術(shù)是三個要素之一——人工智能當中的一個重要領(lǐng)域，它可以用于解釋數(shù)據(jù)和預(yù)測未來數(shù)據(jù)，目前被廣泛應(yīng)用于社會的各個領(lǐng)域。本文基于機器學(xué)習(xí)技術(shù)的運作原理，探討該技術(shù)在智能財務(wù)中應(yīng)用的四大場景，即優(yōu)化會計引擎、提高財務(wù)預(yù)警準確度、識別上市公司年報錯誤以及預(yù)測企業(yè)內(nèi)部控制重大缺陷，同時指出當前機器學(xué)習(xí)技術(shù)在我國智能財務(wù)運用中存在的問題。

關(guān)鍵詞：智能財務(wù);機器學(xué)習(xí)技術(shù);應(yīng)用場景

一、智能財務(wù)的概念和基本架構(gòu)

1.智能財務(wù)的概念

智能財務(wù)產(chǎn)生和發(fā)展的原因主要來自三個方面，一是財務(wù)本身變革的需要，傳統(tǒng)財務(wù)管理模式已經(jīng)難以滿足財務(wù)信息使用者日益增長的個性化需求，兩者之間的矛盾越來越突出;二是“大智移云”等新技術(shù)的快速發(fā)展，讓財務(wù)管理模式的變革成為可能;三是國家政策的支持，2019年的政府工作報告已將“智能+”作為國家戰(zhàn)略，由此智能技術(shù)開始逐步與各行各業(yè)整合，加速了經(jīng)濟結(jié)構(gòu)優(yōu)化升級，智能財務(wù)的概念也由此產(chǎn)生。

關(guān)于智能財務(wù)的概念，不同的學(xué)者持有不同的觀點，目前沒有普遍認可的權(quán)威定義。部分學(xué)者站在技術(shù)應(yīng)用的角度認為智能財務(wù)是指人工智能技術(shù)在財務(wù)中的應(yīng)用，據(jù)以提高工作效率和準確度;還有部分學(xué)者認為智能財務(wù)是一種經(jīng)濟管理活動，能夠優(yōu)化會計的監(jiān)督和核算智能。但這些觀點具有一定的片面性，張慶龍認為將智能財務(wù)簡單定義為一種管理模式、一種技術(shù)應(yīng)用或者一種經(jīng)濟管理活動可能會導(dǎo)致我們忽略財務(wù)發(fā)展中的重要問題。因此他在整合分析智能財務(wù)文獻的基礎(chǔ)上對智能財務(wù)進行了重新定義：智能財務(wù)是以AI技術(shù)為基礎(chǔ)設(shè)施和核心要素，全面實現(xiàn)財務(wù)與人工智能的融合，提高財務(wù)部門服務(wù)效率，拓展財務(wù)職能的深度和廣度，最大化實現(xiàn)財務(wù)組織價值的新一代財務(wù)，并在財務(wù)數(shù)字化、智能化應(yīng)用過程中不斷發(fā)展和完善。

2.智能財務(wù)的基本架構(gòu)

從上述定義可以看出智能財務(wù)主要包含人工智能、機器人流程自動化（RPA）等智能工具以及大數(shù)據(jù)分析三個要素。三個要素有不同的分工，首先人工智能的功能是基于底層的邏輯對輸入的指令進行分解，然后做出反應(yīng);其次智能工具的功能是根據(jù)人工智能的指令來做任務(wù);最后大數(shù)據(jù)分析的功能是用來訓(xùn)練模型，使得前面兩步的運算和運行更加高效和準確。整個過程中人工智能類似于人的大腦，智能工具如同人的各個器官，大數(shù)據(jù)類似于人的血液，三者缺一不可?；谶@三個基本要素，結(jié)合物聯(lián)網(wǎng)等技術(shù)，智能財務(wù)的基本機構(gòu)可以解釋為三個層次：第一層次，信息輸入，結(jié)合智能感知系統(tǒng)，將企業(yè)的經(jīng)營活動輸入到業(yè)財一體化的智能化平臺當中。第二層次，信息處理，通過網(wǎng)絡(luò)系統(tǒng)和數(shù)據(jù)系統(tǒng)，將業(yè)財融合平臺中的信息傳送到智能戰(zhàn)略性財務(wù)平臺、智能管理型財務(wù)平臺以及智能核算型財務(wù)平臺中進行加工處理。其中智能核算型財務(wù)平臺是初級平臺，主要處理會計核算的相關(guān)工作，主要使用的系統(tǒng)包括感應(yīng)系統(tǒng)、機器人自動化、財務(wù)專家系統(tǒng)等。智能管理型財務(wù)平臺是中級平臺，是在初級平臺的基礎(chǔ)上，處理財務(wù)和非財務(wù)信息，使用的技術(shù)包括大數(shù)據(jù)處理技術(shù)、機器學(xué)習(xí)技術(shù)等。智能戰(zhàn)略性財務(wù)平臺是高級平臺，是智能財務(wù)發(fā)展的成熟階段產(chǎn)物。第三層次，信息輸出，主要依靠智能會計引擎系統(tǒng)，將基礎(chǔ)的財務(wù)信息進一步轉(zhuǎn)化成多維業(yè)財融合報表進行輸出，根據(jù)不同頻道提供給管理層或者其他信息使用者

使用。

二、機器學(xué)習(xí)技術(shù)的概念和原理

機器學(xué)習(xí)是指讓機器像人一樣學(xué)習(xí)，做出判斷并進行決策。機器學(xué)習(xí)與人的學(xué)習(xí)原理相似，即基于歷史數(shù)據(jù)訓(xùn)練模型，利用模型形成預(yù)測、解決問題。機器學(xué)習(xí)技術(shù)是人工智能的一個子集，這項技術(shù)的主要任務(wù)是指導(dǎo)計算機從數(shù)據(jù)中學(xué)習(xí)，然后利用經(jīng)驗來改善自身的性能，不需要進行明確的編程。在模型訓(xùn)練中，算法會不斷進行迭代回歸，從大型數(shù)據(jù)集中發(fā)現(xiàn)樣本相似特征和相關(guān)性，進而趨于穩(wěn)定生成可用模型，然后利用訓(xùn)練好的模型根據(jù)輸入數(shù)據(jù)，做出預(yù)測和最佳決策（如下圖所示）。機器學(xué)習(xí)算法具有自我演進能力，它們往往獲得的數(shù)據(jù)越多，準確性就會越高。機器學(xué)習(xí)包含多種不同算法的學(xué)習(xí)模型，根據(jù)數(shù)據(jù)的性質(zhì)和期望的結(jié)果，可以將學(xué)習(xí)模型分成四種，分別是監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。而根據(jù)使用的數(shù)據(jù)集和預(yù)期結(jié)果，每一種模型可以應(yīng)用一種或多種算法。機器學(xué)習(xí)算法主要用于對事物進行發(fā)現(xiàn)、分類、預(yù)測結(jié)果，以及制定最優(yōu)決策。

機器學(xué)習(xí)技術(shù)應(yīng)用原理圖

三、機器學(xué)習(xí)技術(shù)在智能財務(wù)中的應(yīng)用

1.優(yōu)化會計引擎

會計引擎是一種數(shù)據(jù)處理器，主要用于采集、處理、輸出會計相關(guān)信息，它可以連接業(yè)務(wù)數(shù)據(jù)庫和會計系統(tǒng)，然后將業(yè)務(wù)信息轉(zhuǎn)化成業(yè)財融合的綜合信息。會計引擎具有強大的數(shù)據(jù)處理能力，它通過計算機語言來對整個系統(tǒng)設(shè)置參數(shù)，不僅可以過濾會計資料、轉(zhuǎn)換格式、檢查錯誤、修正鏈接、還能增加或刪除字段、自動生成目錄等。在財務(wù)中應(yīng)用是通過事先輸入的會計核算準則，將業(yè)務(wù)平臺輸入的信息高效、準確、自動地轉(zhuǎn)換成記賬憑證，使得總賬和具體的交易信息連接在一起，實現(xiàn)業(yè)務(wù)和財務(wù)的高度融合。目前在我國會計引擎仍處于起步階段，很多企業(yè)并沒有引入會計引擎，或者即使引入會計引擎，應(yīng)用的范圍很有限。21世紀初，部分中國企業(yè)上線了成熟的大型ERP軟件，滿足了企業(yè)主業(yè)務(wù)流程中各個部門的日常管理需要，通過不同的功能模塊，將各業(yè)務(wù)部門的基礎(chǔ)數(shù)據(jù)與財務(wù)模塊進行了高度的集成。但隨著企業(yè)規(guī)模的發(fā)展，企業(yè)業(yè)態(tài)越來越多、業(yè)務(wù)流程越來越復(fù)雜，大型ERP軟件很難滿足企業(yè)所有業(yè)態(tài)、所有業(yè)務(wù)流程與業(yè)務(wù)場景的管理需要。這是因為傳統(tǒng)的會計引擎分散在各種財務(wù)和業(yè)務(wù)系統(tǒng)中，企業(yè)內(nèi)部各種不同的財務(wù)業(yè)務(wù)系統(tǒng)中都或多或少地蘊含著一些形態(tài)各異，功能差別較大，成熟度不一的會計引擎模塊。而且會計引擎在各個行業(yè)中應(yīng)用的深度也不一樣，存在著一定的特色和特定的場景限制。

基于以上問題，許多企業(yè)通過對現(xiàn)有系統(tǒng)進行業(yè)務(wù)改造，建立統(tǒng)一的會計引擎，達到數(shù)據(jù)共享的目標。統(tǒng)一會計引擎，是將分散在各種財務(wù)和業(yè)務(wù)系統(tǒng)中的引擎模塊分離出來，形成一個具有擴展性的統(tǒng)一引擎。統(tǒng)一會計引擎的優(yōu)點在于不僅能夠快速高效的適應(yīng)新建立的財務(wù)系統(tǒng)和業(yè)務(wù)系統(tǒng)，還能更加穩(wěn)固的支持舊系統(tǒng)的運轉(zhuǎn)和對接。隨著智能化技術(shù)的進步，機器學(xué)習(xí)技術(shù)的引進，會計引擎也逐步走向智能化統(tǒng)一會計引擎。智能化統(tǒng)一會計引擎，是在統(tǒng)一會計引擎的基礎(chǔ)上，應(yīng)用機器學(xué)習(xí)技術(shù)對標簽化的業(yè)務(wù)信息輸入和學(xué)習(xí)訓(xùn)練后，能夠更為高效地提煉轉(zhuǎn)換規(guī)則，并提升會計引擎在面對新問題時的處理能力，加快會計引擎的應(yīng)用。

2.提高財務(wù)預(yù)警準確度

企業(yè)的財務(wù)狀況和經(jīng)營狀況是相互影響、相互作用的。通過財務(wù)狀況可以觀察和評價企業(yè)經(jīng)營狀況的好壞，經(jīng)營不善會導(dǎo)致財務(wù)危機，而財務(wù)困境又會進一步惡化經(jīng)營困境，企業(yè)一旦遭遇財務(wù)危機，就會面臨破產(chǎn)的風(fēng)險，并對債權(quán)人、股東等利益相關(guān)者產(chǎn)生影響。因此企業(yè)需要對自己企業(yè)的財務(wù)狀況實時進行評估和預(yù)警。20世紀30年代國外一些學(xué)者就開始研究財務(wù)風(fēng)險預(yù)警相關(guān)問題，且已經(jīng)輸出大量理論研究成果。最早被用于財務(wù)危機預(yù)警研究的模型是單變量分析模型，而后又有多元線性判定模型、Logistic預(yù)警模型等。然而這些經(jīng)典統(tǒng)計模型，存在嚴格的假設(shè)，對樣本數(shù)據(jù)的分布要求較高，而且由于企業(yè)的經(jīng)營業(yè)務(wù)、方式各異，財務(wù)指標復(fù)雜性高，進一步的預(yù)警就難上加難。在人工智逐漸興起的大背景下，統(tǒng)計學(xué)、人工智能以及數(shù)據(jù)挖掘等新技術(shù)的出現(xiàn)，使得許多學(xué)者基于機器學(xué)習(xí)的相關(guān)技術(shù)進一步提出了人工神經(jīng)網(wǎng)絡(luò)、支持向量機，粗糙集、COX回歸等財務(wù)預(yù)警模型，且經(jīng)證實具有較高的預(yù)測準確度，有效地解決了傳統(tǒng)模型中存在的問題。

3.識別上市公司年報錯誤

我國監(jiān)管部門為了保障和提高上市公司會計信息披露的質(zhì)量和可信度，要求所有上市公司的年報均需要進行外部審計后方可報出。然而外部審計存在的固有缺陷加上上市公司盈余管理的手段越來越隱蔽，審計人員很難獲取全面且真實的信息，因此經(jīng)外部審計審核過的年報，即使被出具無保留意見仍有很大可能存在錯報。這也說明單純依賴傳統(tǒng)的手段和方法難以有效識別年報錯誤風(fēng)險。許多研究表明，上市公司年報錯誤與財務(wù)重述具有一定的因果關(guān)系，因此如果能夠通過一定的手段和方法預(yù)測后期發(fā)生財務(wù)重述的可能性，則說明當期的年報很可能存在錯報，進而對財報進行檢查，減少錯報的發(fā)生，提高年報的準確性。

機器學(xué)習(xí)技術(shù)基于其運作原理，能夠通過大量歷史數(shù)據(jù)的輸入總結(jié)規(guī)律，得出相應(yīng)的模型，然后利用該模型對未知的數(shù)據(jù)進行預(yù)測，而且數(shù)據(jù)訓(xùn)練得越多，預(yù)測的結(jié)果越準確。該技術(shù)在識別年報錯誤中主要使用的方法是分類法。具體應(yīng)用的流程：首先人工輸入帶有分類標注的訓(xùn)練樣本，然后機器學(xué)習(xí)從這些樣本中總結(jié)出一個分類模型，最后輸入數(shù)據(jù)，根據(jù)分類模型將這些數(shù)據(jù)指定到某一個類別中。分類法中具體使用較多的是極限梯度提升樹、神經(jīng)網(wǎng)絡(luò)、隨機森林、K近鄰、支持向量機、樸素貝葉斯等。不少研究表明，通過與Logistic回歸相比較，極限梯度提升樹等分類方法在預(yù)測上市公司年報調(diào)減盈余的財務(wù)重述方面有良好效果。主要體現(xiàn)在準確率和精確率這兩個方面：在準確率上，眾多方法中極限梯度提升樹、多層感知機神經(jīng)網(wǎng)絡(luò)與K近鄰的準確率最高，均優(yōu)于Logistic回歸。樸素貝葉斯與Logistic回歸持平。在精確率上，樸素貝葉斯幾乎可以達到100%，除此之外的大部分機器學(xué)習(xí)方法的精確率也能夠達到80%，且所有的機器學(xué)習(xí)方法在精確率上均高于傳統(tǒng)的Logistic回歸?？梢姸鄶?shù)機器學(xué)習(xí)分類方法在區(qū)分調(diào)節(jié)盈余的年報錯報與未調(diào)節(jié)盈余的年報錯誤方面表現(xiàn)較好，誤判率較低，從而證明機器學(xué)習(xí)應(yīng)用于識別上市公司年報錯報的可行性。

4.預(yù)測企業(yè)內(nèi)部控制重大缺陷

企業(yè)進行內(nèi)部控制的主要目的在于防范和控制風(fēng)險以保證企業(yè)的經(jīng)營活動正常、有序、合法地進行，促進企業(yè)平穩(wěn)發(fā)展。由于企業(yè)內(nèi)部控制規(guī)章制度的制定和運行具有一定的主觀性，無法考慮到所有可能的情況和風(fēng)險，因此內(nèi)部控制會存在設(shè)計缺陷（即使正常運行也難以實現(xiàn)預(yù)期的控制目標）和運行缺陷（設(shè)計合理但是沒有被正確的執(zhí)行）。隨著外部經(jīng)營環(huán)境變遷及內(nèi)部組織結(jié)構(gòu)再造，影響內(nèi)部控制缺陷存在的因素從會計與審計領(lǐng)域，涵蓋到組織結(jié)構(gòu)、法律環(huán)境、政府管制等宏觀方向深入擴展，非財務(wù)因素的作用日益顯著。因此構(gòu)建預(yù)測模型應(yīng)綜合考慮財務(wù)因素和非財務(wù)因素。在預(yù)測方法上，已有研究采用邏輯回歸和判別分析達到的預(yù)測準確率約為70%-80%，預(yù)測性能仍有較大進步空間。隨著人工智能技術(shù)迅速進入大眾視野，重大缺陷預(yù)測方法從統(tǒng)計計量過渡到機器學(xué)習(xí)。這兩類方法在模型可解釋性和預(yù)測能力上有不同權(quán)衡：計量模型注重解釋現(xiàn)象并尋找現(xiàn)象背后的規(guī)律，要求闡明模型擬合好壞的原因和變量之間的互動關(guān)系，追求較為簡單的函數(shù)形式和易于解釋的模型估計結(jié)果;而機器學(xué)習(xí)通過支持向量機、BP神經(jīng)網(wǎng)絡(luò)、集成算法等預(yù)測模型能從數(shù)據(jù)中學(xué)習(xí)更多經(jīng)驗知識，在大量非線性、高維度、高噪聲的數(shù)據(jù)中發(fā)掘有用信息，能較為靈活地選擇函數(shù)形式來擬合數(shù)據(jù)，并不拘泥于可解釋性，因此預(yù)測能力較強。

四、機器學(xué)習(xí)技術(shù)在智能財務(wù)中應(yīng)用存在的問題

根據(jù)新思界產(chǎn)業(yè)研究中心發(fā)布的《2021-2025年中國機器學(xué)習(xí)行業(yè)市場調(diào)查研究報告》顯示，2020年，全球機器學(xué)習(xí)市場價值達到158億美元。預(yù)計2020年-2025年，全球機器學(xué)習(xí)市場價值將以42%以上的增速增長，行業(yè)發(fā)展勢頭極為強勁。機器學(xué)習(xí)是使計算機具有智能的重要方式，是人工智能技術(shù)的核心，行業(yè)進入技術(shù)壁壘較高，產(chǎn)業(yè)鏈涉及范圍廣泛?，F(xiàn)階段，人工智能技術(shù)應(yīng)用落地速度正在不斷加快，應(yīng)用場景正在不斷增多，市場規(guī)模不斷擴大，使得機器學(xué)習(xí)價值日益凸顯。在政策的推動下，我國人工智能市場增速高于全球平均水平，未來機器學(xué)習(xí)行業(yè)發(fā)展勢頭更為強勁。然而當前階段，機器學(xué)習(xí)技術(shù)在智能財務(wù)中的應(yīng)用依然存在著應(yīng)用范圍不夠廣泛，配套機制不健全等問題。

1.應(yīng)用范圍不夠廣泛

當前，我國企業(yè)對人工智能相關(guān)技術(shù)的應(yīng)用部署尚處于起步階段，常年在信息化、智能化方面投入的企業(yè)較少，且對部分人工智能技術(shù)的采用仍在觀望期。智能財務(wù)的發(fā)展目前在學(xué)術(shù)研究領(lǐng)域和教育領(lǐng)域的發(fā)展速度較快，而在實際領(lǐng)域的發(fā)展仍屬于起步階段，發(fā)展比較緩慢。據(jù)《2019年全球金融科技調(diào)查報告》的相關(guān)數(shù)據(jù)顯示，在人工智能應(yīng)用方面，近700名金融行業(yè)的專業(yè)人士有89%的人表示尚未在實際工作中使用相關(guān)技術(shù)。同時調(diào)查還顯示只有11%的財務(wù)人員所在的財務(wù)部門大規(guī)模應(yīng)用了機器學(xué)習(xí)技術(shù)，大部分專家表示到目前為止所在部門完全沒有部署人工智能。

2.缺乏完善的轉(zhuǎn)型配套機制

機器學(xué)習(xí)技術(shù)在智能財務(wù)中的運用缺乏完善的配套機制主要體現(xiàn)在規(guī)章制度的配置和專業(yè)人員的配置兩個方面。從國家層面來說，財政部等相關(guān)政府部門的引導(dǎo)性政策;從企業(yè)層面來說，缺乏應(yīng)用機器學(xué)習(xí)技術(shù)完成智能財務(wù)轉(zhuǎn)型的意識，尤其是缺乏與智能財務(wù)相匹配的流程機制和智能財務(wù)崗位職責，導(dǎo)致智能財務(wù)轉(zhuǎn)型過程存在較大阻礙。財務(wù)的轉(zhuǎn)型也帶動了財務(wù)人員的轉(zhuǎn)型和改變，然而目前管理型和技術(shù)型的專業(yè)人員仍然較少，大部分會計人員仍然停留在會計核算的層面，尤其在大的環(huán)境和背景不完善的情況下，個人缺乏實踐和鍛煉的機會，最終導(dǎo)致企業(yè)財務(wù)人員也面臨轉(zhuǎn)型難的尷尬局面。

參考文獻：

[1]張慶龍.智能財務(wù)研究述評[J].財會月刊，2021（3）：9-16.

[2]張敏.智能財務(wù)十大熱點問題論[J].財會月刊，2021（2）：25-30.

[3]何瑛，李塽爽，于文蕾.基于機器學(xué)習(xí)的智能會計引擎研究[J].會計之友，2020（5）：52-58.

[4]曾慶超，許諾.機器學(xué)習(xí)對上市公司年報錯報的識別研究——財務(wù)重述預(yù)測的視角[J].中國注冊會計師，2022（2）：43-48.

[5]劉瑾，趙納暉.基于機器學(xué)習(xí)的企業(yè)內(nèi)部控制重大缺陷預(yù)測[J].財會月刊，2022（3）：123-131.