会计学系/会计发展研究中心熊枫副教授与2017级博士研究生许欣、澳大利亚蒙纳什大学安哲副教授合作撰写的论文“Using Machine Learning to Predict Corporate Fraud: Evidence Based on the GONE Framework”在 Journal of Business Ethics 上正式在线刊出。

 如何准确预测企业的违规行为是一个经典的商业道德问题。基于GONE理论框架，本文识别了一系列与企业违规行为相关的变量，并将其归类为贪婪型变量（Greed-related variables）、机会型变量（Opportunity-related variables）、需求型变量（Need-related variables）和暴露型变量（Exposure-related variables）。我们采用了六种常见的机器学习模型来预测企业的违规行为，实验结果表明，随机森林（Random Forest, RF）模型在效率和效果上均表现出最佳的预测能力。基于RF模型的训练结果，我们发现，与其他三种类型的变量相比，暴露型变量更能有效提高企业违规预测的准确性。本文研究结论不仅展示了暴露型变量在企业违规预测中的重要性，同时推动了机器学习方法在解决商业道德问题方面的实际应用。

 熊枫，厦门大学管理学院会计学系副教授，澳大利亚昆士兰理工大学博士，入选外国青年人才引进计划（国家级、省级），主持或参与多项国家级、省部级科研项目。研究领域为企业信息披露、大数据审计和政府采购。研究成果已发表在Accounting and Finance, Technology Analysis and Strategic Management, Business Horizons, Australian Journal of Corporate Law等期刊。

许欣，厦门大学管理学院会计学系2017级博士研究生，导师陈亚盛教授，研究领域为管理会计、智能会计和神经会计。