更新时间:2024年4月1日
调研范围:2021年 - 2024年
会计学相关顶刊:
The Accounting Review (Accounting)
Journal of Accounting and Economics (Accounting)
Journal of Accounting Research (Accounting)
Journal of Finance (Finance)
Journal of Financial Economics (Finance)
The Review of Financial Studies (Finance)
《The Accounting Review》
2023年
一句话总结:用机器学习预测有效税率
机器学习方法:Explainable AI (based on Shapley values) ,deep learning
备注:预测
一句话总结:预测年度收入
机器学习方法:KNN最近邻
备注:预测
一句话总结:IPO路演的文本质量可以预测业绩3
机器学习方法:文本挖掘
备注:预测
2022年
一句话总结:这项研究开发了一种模型,用于预测金融机构贷款组合的长期预期信用损失,并结合了宏观经济预测进行调整。
机器学习方法:机器学习识别隐变量
备注:预测
2021年
一句话总结:该研究探讨了披露质量的一个基本决定因素:基础数据如何进行分解。作者创建了一种行业分解度的衡量指标,反映了分部披露基于潜在行业进行分解的程度。
机器学习方法:深度学习提取文本特征,分类问题.
备注:非预测类(归类问题)
《Journal of Accounting and Economic》
2023年
一句话总结: 该研究使用美国人口普查数据,探讨了25,000多家制造业工厂的预测分析使用与权力集中化的关系。
机器学习方法:随机森林
备注:预测
一句话总结:专利披露和创新
机器学习方法:文本挖掘
备注:(重点关注,文本挖掘)
一句话总结:公司高管的政治风险和贷款利率
机器学习方法:没有提到具体方法,但是还是说用了,大概是文本挖掘.
备注:美国的政治风险,感觉不熟悉,放弃.
2022年
一句话总结:研究竞争对审计质量和审计定价的影响
机器学习方法:随机森林
备注:预测
2021年
一句话总结:作者创建了一个行业分解指标,反映了分部披露按照基础行业的分解程度,进一步探索是否影响会计披露质量.
机器学习方法:文本挖掘
备注:
一句话总结:竞争对手之间的私人沟通如何影响他们的公开披露行为。
机器学习方法:文本挖掘
备注:(非常有趣,就是无法直觉想到 method 和结果)
2020年
一句话总结:审计师对客户公司高管面部可信度感知是否会影响他们的审计定价决策
机器学习方法:有点技术含量, 人脸识别深度神经网络
备注:有趣的问题
一句话总结:通过一个随机对照实验,评估人工判断在贷款决策中的作用。贷款人在做决策时会利用第三方机器生成的信用模型作为输入。
机器学习方法:人工智能的贷款判断
备注:感觉比较难以实施.
《Journal of Accounting Research》
2022年
一句话总结:使用了机器学习方法来进行相对估值和同行公司选择的研究。
机器学习方法:决策树
备注:
一句话总结:该研究使用机器学习方法和高维细致的财务数据来预测未来一年盈利变化的方向
机器学习方法:决策树
备注:方法和内容都很 normal
一句话总结:利用机器学习算法基于分析师的LinkedIn照片测量了他们给人的可信度、主导性和吸引力等关键印象,并检验了这些印象对分析师预测准确性、股价反应敏感性以及评选全明星的影响。
机器学习方法:CNN
备注:人脸的使用已经看到多篇类似论文了.
2019年
一句话总结:设计了一个新的机器学习模型检测财务欺诈.
机器学习方法:原始数据 + Ensemble Learning
备注:应该是一个工作两边发.
其他期刊
The Usefulness of Earnings Conference Call for Predicting Firm Performance: A Machine Learning Approach
总结: 财报电话会议对公司财务表现的预测
机器学习方法: 文本挖掘
Linguistic information quality in customers' forward-looking disclosures and suppliers' investment decisions.
总结: 披露的可读性对供应商投资决策的影响
机器学习方法: 文本挖掘.
总结:
对于数据挖掘, 多使用决策树这类的机器学习方法 —— 可解释性强。
文本挖掘的技术难度较高, 相关文献占比少。
人脸分析(CNN 神经网络) 非常有趣,也比较少。
可能的 topic
参与标准制定对企业创新的影响.
独家数据库
文本挖掘
困难点: 一个标准通常有多个单位参与,无法分辨具体哪家单位的贡献.
结论不有趣,没有特别的地方
一些有趣的选题:
IPO 路演的演讲人颜值是否会影响 IPO 的价格. (图像 + 文本)