Python朴素贝叶斯审计：探究营业收入可靠性

本文主要探讨了"基于Python朴素贝叶斯分类器的营业收入审计可靠性研究"。作者张文秀和胡智超，来自南京审计大学国际学院，针对中国上市公司的审计问题展开深入研究。随着中国上市公司数量与市值的迅速增长，审计行业的需求也随之上升，但同时也面临着提高执业质量的严峻挑战。财务造假事件频发，如九好集团虚构银行存款和华仪电气关联方资金占用事件，凸显出审计工作的复杂性和重要性。 朴素贝叶斯模型作为一种成熟的统计学习方法，在制造业和网络安全等领域已有广泛应用。本文将这种模型应用于营业收入审计领域，选取上市公司的营业收入审计底稿作为数据样本，利用Python编程语言构建朴素贝叶斯分类器。研究者通过对审计程序中的相关特征进行提取，旨在探究朴素贝叶斯模型在识别和判断营业收入科目审计结论的准确性。通过这种方法，可以评估模型在预测和发现潜在财务舞弊方面的效能。 关键词包括财务审计、审计程序、朴素贝叶斯模型等，显示了研究的焦点集中在审计实践中的技术运用。中图分类号F239.1表明本文属于会计学范畴，文献标识码A表明是学术期刊文章，文章编号1004-6070，以及年份和卷期信息，明确了文章的具体定位。 研究的引言部分强调了上市公司财务信息的重要性及其面临的审计压力，指出虚构收入现象的普遍性和盈余管理的滥用可能导致市场秩序混乱。作者引用了李艺（2019）和罗党论等（2022）的研究成果，进一步阐述了营业收入科目审计的必要性和复杂性。 总体来说，本文旨在通过Python朴素贝叶斯模型来提升营业收入审计的效率和准确性，为审计行业的改进提供科学依据，并对未来审计实践具有指导意义。未来可能的应用前景包括更精准的风险评估和审计策略制定，以促进资本市场的健康发展。