众所周知，会计业、金融业总是和“数据”打交道。而人工智能的优点之一，便是可以剔除各种情绪因素干扰，严格按照规则，高效处理各种商业“大数据”，为人类决策提供可靠依据。

那么，在会计金融领域，人工智能会比人类更擅长交易吗？我们可以相信机器人给出的投资建议吗？通过机器学习来分析公司相关的推文会获得哪些有价值的发现？会计金融遇上AI以来，已经产生了很多我们意想不到的变化，北京大学光华管理学院会计系卢海教授对此进行了相关研究。

机器人接手会计和金融业务，表现十分亮眼

近日，中共中央、国务院印发《法治政府建设实施纲要(2021-2025年)》，要求及时跟进研究数字经济、互联网金融、人工智能、大数据、云计算等相关法律制度，抓紧补齐短板，以良法善治保障新业态新模式健康发展。

“在法规日益完善的同时，我们也可以看到人工智能等新技术正成为金融业变革的新力量，行业正在加快智能化步伐。究其原因，人工智能是通过研究处理文本、视觉、视频等信息帮助人类作出相关决策，而会计和金融本质是商业语言，通过处理商业信息，总结所有的经济主体信息，向外部的投资者报告，内部则用信息进行决策。因此两个领域相撞是必然的。”卢海教授认为。

近年来，有关人工智能和机器学习在会计和金融领域的研究和应用有指数级的增加。

卢海认为，在会计领域，人工智能可助力财务预测与财报理解。已有大量的文章采用深度学习和机器学习对自然语言处理的方法、对财务报表的文本进行了分析，并进行一系列的预算，包括财务造假、公司未来的投资和政策、信用风险、破产、信用评级下降、电话会议文本等。同时，研究发现机器学习在结构数据上具有非线性的特点，因此可以对不同的大数据，不同的领域中的数据利用机器学习的方法进行处理，实现对财务的分析。

还有审计。会计事务所会针对所有的年报和会计信息进行审计。有研究发现采用人脸识别技术可以度量公司首席财务官的信任度，对于值得信任的首席财务官所在企业，审计师愿意减少收取审计费。另外，审计过程经常需要对当事人进行访谈。由于审计根据工作时间收费，访谈会导致较高的人力成本。研究发现用虚拟人（机器人）进行访谈不会影响访谈表现，可以节约一定成本。此外，可利用无人机拍摄牛、羊等畜牧的照片，再通过图像处理软件计算头数，可以降低时间和错误率，显著提高审计的效率。

还有人机交互。美联社从2014年开始用机器人书写公司盈余报告，发现交易量和流动性有所增加。研究也发现，解读财务信息和投资决定时，投资者更相信匿名机器人投顾，而且信任的程度与信息的复杂度有关系。也有研究发现在机器决策贷款决定的基础上，人的干涉可以进一步降低信用风险。类似的人机交互在会计领域中有很重要的应用前景。

在金融领域，人工智能可以助力经营或投资预测。譬如要考察大型连锁店的经营情况，通过停车场的卫星图片，看停车场有多少车，可以在公司财务报表公布之前分析公司真正的经营表现，帮助进行投资决策。还可以将非线性的机器学习方法应用于选出企业董事，或更好地预测资产的风险回报和债券回报等经营决策。

还有公司治理和资产定价。通过预测公司真正的表现，可以有效减少利用财务报表进行投机操作的空间，减少管理者的投机行为。机器学习最近在资产定价的因子选择方面也有新的应用。

还有文本和视频分析。专利文本分析可以揭示创新类型与公开上市的关系，哪些创新类型对金融最有价值。应用自然语言分析处理电话会议记录也可以帮助评估公司的文化。视频分析可帮助风投决策，等等。

用机器学习研究公司相关Twitter推文，获得有价值发现

卢海教授在社交媒体信息处理领域应用机器学习，针对公司、高管和社会责任披露进行了研究。

研究以标普1500家公司在2012至2016年发布的推特（Twitter）推文作为样本进行研究，发现不论事件是正面或负面，公司在推特上推送财务相关信息都和事件的重要性有关；公司财务推文包含外部链接（URL）的概率随着事件的重要性而增加。

公司高管在社交媒体上的推送在资本市场当中是非常重要的事件。研究关注公司推文的目的以及其对资本市场的影响，发现2013年美国证券交易委员会（SEC）发布报告后，高诉讼风险的企业高管更少加入推特；高管的推送行为和公司的时间和内容基本一致，同时和时间内容有关；市场对公司和高管的推文都有显著反应，但对高管的推文，特别是财务相关的推文，反应更明显；当高管的推文和公司推文更相似时，市场反应更明显。这一结果说明市场对高管推文的反应并不是因为新的信息内容，而是它减少了不确定性，增加了披露的信息可靠性。

研究还发现，企业社会责任（CSR）表现一般的公司更多推送CSR相关的推文，且推文较短，多采用被动式和比较极端的文字；加入推特后，CSR表现好的公司相比表现差的公司，机构持有量下降，买卖价差和股票波动性上升。

人工智能在会计金融领域应用前景广阔

卢海表示，可以通过人工智能助力可持续高质量的企业发展，解决环境、社会和治理（ESG）问题。目前企业广泛利用人工智能增加商业利润，但同时也应关注如何用机器学习的方法帮助公司更好地治理，例如选择更适合的董事、实现更好的员工福利和降低风险安全性。

通过田野研究和大数据分析（譬如机器学习）结合理解机制。机器学习给出关于社会现象、管理现象的结论，帮助做出更好的预测，但是其背后的运行机制，结论是否可靠，还需要回到最基本的田野研究。就像人工智能研究者一直在探究人的大脑是如何思考的，如果我们可以把田野研究和大数据的分析结合在一起，人工智能在会计金融甚至管理等学科的应用前途会可能更加广阔，影响会更加深远。

（本文根据卢海教授在2021智源大会上的发言整理）

卢海，北京大学光华管理学院和加拿大多伦多大学罗特曼管理学院会计学教授。美国南加州大学工商管理博士。研究领域涉及资本市场监管、证券估值、公司管理和金融分析等。研究成果获国内各大媒体和海外华尔街日报，美国证监会，加拿大投资工业监管组织等媒体和监管机构关注。现为国际会计学术期刊 《当代会计研究》 编辑。2015年至2017年，在新加坡管理大学担任全职教授和副院长，并在2015年至2016年担任北美中国会计学教授协会会长。

编辑：葛格