新制度会计学研究学习笔记3：新技术、大数据与数字时代的会计研究

2024-02-04 12:21:16

观后感：

将新技术、大数据应用到会计研究，需要的是大而强的团队（不同学科合作，各司其职，有人负责找资源，有人负责数据处理，有人负责数据分析，等），单靠一个人不大可能。不过做一些语言类的技术处理的研究，可能少部分人可行或者门槛相对比较低；
讲座更多涉及的内容是在强调管理会计，强调产学研的未来大趋势（所以要资质比较深的老师才带的动），较少涉及到如何将新技术、大数据如何融入到研究中
新技术、大数据融入到研究中，只是研究问题更加精细，更有效率，能够从海量数据中挖掘和处理更多以前难以获得、难以处理的数据（如人的消费行为，人的工作行为、人的言语行为可以推出人的某些特征，预测某些事件等等），大方向仍然是围绕提高市场有效性，降低信息不对称，缓解逆向选择和道德风险问题，更好发挥会计的受托责任观和决策有用观。

Introduction

主题：新技术、大数据与数字时代的会计研究（New Technologies, Big Data, and Accounting Research in the Digital Age）
分享人：柯滨新加坡国立商学院讲席教授

Agenda

Theories: management challenges and control responses
Digital age: what is different?
Academic research in the new age: what new opportunities?
Examples from my own research

内容

决策有用观和受托责任观

(1)会计核心是决策有用观和受托责任观，降低信息不对称，缓解代理问题（道德风险）
那么围绕会计核心，大数据、机器学习等新技术可以及如何为之做什么呢？

财务会计和管理会计

(2)会计可分为财务会计和管理会计

财务会计
用财务报告及其他附属信息传达信息，缓解逆向选择和道德风险问题，提高决策有效性等
管理会计
平衡计分卡包括Financial， Customer， International Process，Learning and Growth，存在的问题是指标难以衡量，企业不能很好应用这个管理方法

数字化

（3）数字化可以让业务精细化。这个观点不是很赞同。用数字化可以让业务精细化，感觉夸大了数字化的作用，或者这里的用词有点不准确（数字化指在某个领域的各个方面或某种产品的各个环节都采用数字信息处理技术）
不过当时柯老师举了彭博机（Bloomberg）的例子，反映了新技术、大数据对传统巨头的冲击及变革的需要。

来源：危机四伏的彭博帝国：终端机时代步入黄昏

不过真的要点赞彭博机的客服。随叫随到，解答到你没疑惑为主。还记得当时在做卖方实习生，带教老师晚11点叫我去彭博机找数据（一心只想回去睡觉），求助客服，客服连打两个电话解救我，相当nice~

智能管理

（4）智能管理核心利用数据，算法，算力更好地展开预测因果工作

智能管理阶段

产学研合作

（5）产学研合作:大数据时代的机遇

企业提供数据
大学提供理论和算法

● 如何说服企业分享内部数据
● 计量经济、VS. 机器学习
● 交叉学科的挑战.
● 如何获取更多的研究资助

research on digital transformation

（6）Examples of my research on digital transformation

"My research topics are broader than traditional accounting research "
● Common features of this line of research 
- Digital technologies 
- Proprietary data   
- Machine learning  
- Interdisciplinary research  
- Systems approach

Example 1： fraud detection

（7）Example 1： fraud detection

结合Interdisciplinary research 和 machine learning

Research objective

Develop a better accounting fraud prediction model out of sample
Using commonly available accounting data only
Accountants produce a lot of raw data but we have not fully utilized them yet

Evaluation Criterion

Data imbalance（财务造假比率0.01）:不能使用AUC等传统评判标注
We can also view fraud prediction as a ranking problem and measure the performance of a fraud detection model using the following performance evaluation metric: Normalized Discounted Cumulative Gain at the position k (NDCG@k).
We select a k so that the number of firm years in the ranking list represents 1% of all the firm years in a test period NDCG@k is bounded between 0 and 1, and a higher value represents better ranking performance (Rating 评价)