财务共享下资金滚动预算审计预警研究

程平　常吉

【摘要】财务共享作为一种新型的财务管理模式， 促进了预算管理的精细化。实行滚动预算管理可以动态反映复杂多变的企业生产经营过程， 有效发挥预算的指导和控制作用。引入机器学习算法， 基于企业财务共享中心积累的大量数据， 开展资金滚动预算审计并对风险进行及时预警， 可以帮助企业提高预算的准确性、 减少损失和降低经营风险。以A公司资金滚动预算审计为例， 针对审计指标、审计方法以及审计结果运用等方面存在的问题， 设计完善的审计指标体系； 引入C4.5决策树算法， 构建审计框架和流程， 并进行预警等级划分。最后通过模拟实施， 检验了所提出方法的可操作性和有效性， 以期为企业开展智能审计提供路径参考和借鉴。

【关键词】资金滚动预算；审计预警；决策树算法；财务共享

【中图分类号】G420      【文献标识码】A      【文章编号】1004-0994（2023）04-0097-8

一、 引言

资金滚动预算是指在预算编制过程中， 不按照会计年度进行， 也没有固定的预算期， 而是将预算与市场变化有机结合， 根据预算的执行情况不断进行延伸和补充， 这样使得预算与实际情况更加适应， 不仅可以发挥预算的引领作用， 还可以使预算成为企业长期战略目标的必要补充（王晓雷，2021）。资金滚动预算审计作为保障资金滚动预算数据科学合理性的重要监督力量， 是以促进企业资金滚动预算管理的科学性为目的， 以评价资金滚动预算的经济性、 效率性和效果性为主要内容的审计活动（房甄和宋晓威，2020）。通过查找和改进资金滚动预算存在的漏洞和不完善之处， 可以帮助企业优化管理、 降低风险、 增加价值。

这些年来， 众多企业大力推进财务数字化转型， 通过建设财务共享中心形成了完善的财务信息系统和业务信息系统， 并积累了丰富的财务数据和业务数据， 这为开展资金滚动预算审计提供了重要的数据基础。机器学习作为实现人工智能技术的一种方法， 通过计算机技术将未加工的数据转换成可信的有用信息， 挖掘数据之间潜在的逻辑关系（程平和崔纳牟倩，2017）。在资金滚动预算审计中， 采用机器学习的决策树算法， 可以帮助审计人员挖掘并“学习”资金滚动预算数据与资金管理风险之间的深层次关系， 以更加全域的视角来组织实施更有针对性的测试， 及时辨识企业整体的异常情况， 并将同样的逻辑应用于具有类似特征的其他项目。

资金滚动预算审计是企业内部审计研究的重点内容之一。大型集团企业由于组织结构复杂等特性， 资金预算有诸多的不确定性， 这导致预算审计的难度较大。唐光耀（2018）认为资金滚动预算审计方面的主要问题在于预算编制与预算下达不符， 预算编制与单位工作需要不符， 预算变更的整个过程难度较大， 这导致预算审计的难度加大。沈阳阳和邢建国（2021）认为， 对资金滚动预算的编制过程以及执行过程进行监督， 分析资金预算与实际执行时的差异以及造成差异的原因， 使资金滚动预算更为合理， 能为后期的资金使用及管理夯实基础。赵波（2016）从滚动预算审计的内容和方式上对案例公司进行剖析， 总结出预算审计可能存在的问题及原因， 提出完善公司预算审计监督体系和机制的建议。韩振宇（2022）分析了企业预算审计的执行主体， 梳理了滚动预算审计应当解决的问题， 并设计了审计内容和实施程序。廖艳红等（2021）提出运用信息手段， 强化财务共享服务中心的数据支撑， 通过提高数据分析的精确性和时效性来助力预算执行审计工作提质增效。

综观现有文献， 尽管很多学者已针对资金滚动预算审计相关问题开展了大量研究， 但这些研究在审计方法上很少结合大数据、 人工智能技术， 在审计结果运用上也很少进行分类预警。鉴于此， 本文基于财务共享背景， 以A公司为研究对象， 提出了一種基于C4.5决策树算法的资金滚动预算审计预警方法， 设计资金预算审计指标体系， 并通过模拟实施检验了方法的可操作性和有效性。

二、 A公司资金滚动预算审计现状与存在的问题

（一）A公司资金滚动预算审计现状描述

A公司是一家大型央企设立在湖南的省属子公司， 下设15个地市级分公司、 89个县级公司， 省公司机关设立20个处室。A公司的主要经营业务是油品和非油品的销售等， 目前已形成包括汽油、 柴油等各种油品的批发、 零售、 配送， 以及非油品销售业务的油非一体化经营格局。A公司近年来取得较为不错的经营业绩。比如， 在销售成品油方面， 公司近五年油品销售额平均同比增长率在4.3%左右， 非油品销售额近五年同比增长约30%， 在全国分公司中排名第四。2012年以来， A公司按 “总体规划、 分步实施、 先易后难、 持续改进”的思路建设并上线了财务共享中心。2020年， A公司在保留年度预算的基础上， 采取月度滚动预算管理， 即以月为滚动频率， 每个月编制未来一年内每个月的资金滚动预算， 滚动预算不强调未来一整年每个月的资金预算准确性， 而是将准确性定位于未来三个月， 其他的九个月可能采用模糊编制的方法， 以动态优化采购与销售计划。

A公司及下设的地方分公司通过运用财务共享模式， 帮助企业优化组织结构、 规范业务流程、 提高业务效率， 有效地促进了企业数字化转型。A公司在资金集中管理模式下， 一切资金付款活动都集中于财务共享服务中心， 资金支出的审批权也集中于关键管理者手中， 各预算单位在资金管理系统中完成资金预算的提交、 资金使用的申请和资金调整的调动。每月地方分公司的各个预算部门根据当月可能存在的资金流入、 流出， 提交一次月度资金预算， 内部审计部门在对月度资金预算进行审计时， 从制度、 审批、 金额等角度实施询问、 观察、 检查、 细节测试等审计程序， 检查预算数据的准确性， 以评价预算编制是否合理， 完成对资金滚动预算的监督。

（二）A公司资金滚动预算审计存在的问题

目前， A公司资金滚动预算审计存在的问题主要体现在审计指标体系、 审计方法、 审计结果运用三个方面。

1. 审计指标单一， 尚未建立一套完善的指标体系。目前， A公司的资金滚动预算审计针对“投入资金带来的效益” 这一单一指标进行， 这种指标更接近于对执行成果的评价， 不符合资金逐月编制预算的特点， 难以覆盖资金滚动预算的其他方面， 无法评价资金滚动预算编制合理与否， 不能达到监督的效果。这使得对资金滚动预算的审计范围过窄， 未对预算编制的合理性进行评价。

2. 缺乏科学的审计方法， 无法有效降低资金预算管理风险。A公司对资金滚动预算的审计采取的是年终式审计方式， 并没有单独立项来开展， 而是采用合并立项的方式， 资金滚动预算审计没有得到重视。A公司在进行资金滚动预算审计时缺乏科学的审计方法， 审计效率不高， 难以应对数据量剧增的情况。在大数据环境与财务共享模式下， 业务量与资金需求量的增加， 对内部审计工作效率提出了更高的要求， 人为经验判断难以形成模式， 只有科学的审计方法才能帮助审计人员应对工作量与数据量双重增大、 审计准确性不高的问题。

3. 缺少对资金滚动预算审计结果的运用。资金滚动预算是动态的管理过程， 适合采用跟踪式的连续审计方式。开展资金滚动预算审计， 不仅要对当前的经营管理起到监督作用， 还应对未来的情况起到预防作用。目前， A公司的内部审计部门仅是对资金滚动预算评价的审计， 每年度的审计是割裂的， 没有对审计结果加以有效运用。

三、 基于决策树算法的资金滚动预算审计预警设计

（一）设计思路与审计框架构建

为了提高审计效率， 确保财务共享模式下资金滚动预算审计的有效实施， 针对A公司在资金滚动预算审计方面存在的问题， 本文设计了资金滚动预算审计流程。由于风险往往存在于低频、 不重要的业务中， 审计预警的设计针对的是全覆盖下的审计数据。实施资金滚动预算的审计预警， 旨在实现动态审计和事中审计的风险控制， 帮助审计人员进行动态审计风险管理， 使得公司内部可以进行动态自控和自审， 从而能及时发现问题、 解决问题。通过构建滚动预算管理下的审计评价标准、 量化评价指标和信息化审计方式， 进一步对资金预算的逐月编制进行监督， 分析资金滚动预算与实际执行时的差异以及造成差异的原因， 使资金滚动预算更为合理， 并为后期的资金使用及管理夯实基础。

在财务共享模式下， 对资金滚动预算的审计， 大致分为审计准备、 审计实施和审计报告三个阶段。如图1所示， 在审计准备阶段， 审计人员需要确定审计项目， 制定审计计划， 合理安排时间和资源， 进行会议讨论， 收集相关的审计资料和审计数据， 确保审计数据的准确性和真实性。在审计实施阶段， 对采集到的数据进行清洗、 筛选等规范化处理， 根据审计数据和预计审计项目内容构建审计预警数据仓库， 用于存放所有在审计预警过程中可能需要的数据， 并对审计数据进行深入多维分析后确定好审计指标， 此指标运用于审计预警的算法中， 按照指标权重等划分预警等级， 来实现审计预警。进入审计报告阶段后， 通过RPA技术生成预警报告， 针对报告中提示的风险点和问题， 提醒审计人员对于重点部分进行后续持续审计。

（二）建立资金滚动预算审计指标体系

资金滚动预算审计是为了提醒各预算编制单位风险存在的可能性， 差异变动是可能的风险因素， 在过去进行资金管理审计时， 也是基于可能存在的差异明细实施审计程序。当不考虑企业内部调整与外部环境因素时， 资金滚动预算在各个月份之间的变动不大， 差异变动指标可以通过资金滚动预算的数据计算得出。通过比较各月、 各季度、 上半年与下半年之间的差异变动值， 来进行金额差异审计， 预估差异变动临界值， 超过临界值则表示可能存在某种风险， 需出具审计预警报告， 审计预警报告中的内容将会成为后续持续审计的重点。审计指标的设计需要和审计目标挂钩， 具备可实现性和审计的逻辑性。通过对A公司资金滚动预算审计的深入分析以及对资金滚动预算审计数据的挖掘， 考虑到资金滚动预算审计是资金使用前的审计， 审计预警起到提示风险和后续审计重点的目的， 本文决定对资金滚动预算从预算金额变动、 资金到位情况、 执行情况等方面来实现审计预警。基于这样的理解和分析， 本文设计了如图2所示的审计指标体系。

资金滚动预算审计应当是对资金滚动预算全流程的审计， 各个月份之间的金额差异落实在对滚动预算编制的审计重点上， 同时对预算的执行情况和资金的使用情况也应当被考虑在内， 形成对资金滚动预算完整的监督流程。因此， 本文选用预算执行率、 资金到位率和资金执行率三个指标来分别衡量滚动预算资金到位情况、 到位资金支出情况、 资金支出与预算的偏離程度。这三个指标会涉及往期的到位资金和支出资金， 但是对资金滚动预算审计的指标选取不应当只定位于对过去结果的评价， 这样难以达到审计预警的目的。资金滚动预算审计更多地在于评价预算编制的合理程度， 因此对滚动预算进行审计预警更多的是事中审计， 所以本文引入单个科目金额变动作为指标。

（三）基于决策树算法的资金滚动预算审计流程

基于C4.5决策树算法的资金滚动预算审计预警主要分为对资金滚动预算相关数据采集、 数据预处理、 审计指标的特征提取及模型构建与预警实施四个部分， 其具体内容和流程如图3所示。

在资金滚动预算审计流程中， 首先是对审计数据的采集， 获取与采集资金滚动预算相关的所有数据， 包括系统内的明细数据、 对相关人员进行询问得到的数据文件等。

其次是对采集到的数据进行预处理， 包括字段关联与信息匹配、 删除无效值、 统一字段内容和空值补充等， 从而得到月度资金预算表、 往来单位信息表以及预算小类表等可以作为决策树算法使用的数据。

然后是对资金滚动预算审计指标的特征提取， 即从审计指标出发， 以审计关注的重点要素为指标， 并对这些指标数据进行提取与分类。A公司内部审计人员对资金滚动预算进行审计时， 重点关注资金滚动预算的差异、 间隔和频率三个方面， 选取预算执行率、 资金到位率、 资金执行率和单个科目金额变动四个指标。

最后是模型构建与预警实施， 对资金滚动预算审计采用C4.5决策树算法构建审计预警模型。对审计数据集进行训练集和测试集的选择， 将训练集放置于创建的算法模型中进行模型训练， 对于输出结果进行预警等级的划分， 然后代入测试集进行模型测试， 对测试集的数据， 若达到预警等级则实施预警。

（四）基于决策树算法的资金滚动预算审计方法

决策树算法是一种定义布尔函数的算法， 输入为描述属性的对象， 输出为是/否的决策信息。决策树作为一种预测模型， 是依托策略抉择而建立起来的树， 树中每个节点表示每个对象， 而每个分叉路径则代表某个可能的属性值， 从根节点到叶节点所经历的路径对应一个判定测试序列。根据数据内在的相似性， 通过算法可以将数据分为几个类别， 使得划分后的数据具备分类内的相似性大、 分类间的相似性小的特点。

C4.5决策树算法的分值选择标准是信息增益率， 按信息熵和信息增益度， 对数据对象划分类别（王文怡，2020）。本文将C4.5决策树算法运用到资金滚动预算审计中， 实现对资金滚动预算编制存在的问题进行预警， 提高审计的科学性和效率。审计预警的实现方式是通过算法模型运算后得到结果， 然后根据预先设置的预警等级进行判断并发出相应的预警信号。

C4.5 决策树算法是通过输入的训练数据集， 设定训练集和属性数据集， 生成决策数据点的一种分类方法。算法首先对资金滚动预算数据中的连续型数据特征进行离散化， 通过计算最佳分裂点实现连续特征离散化处理； 然后计算各个特征的信息增益率， 通过信息增益率选择分类节点， 以此迭代生成决策树， 同时生成分类规则。基于C4.5决策树算法的资金滚动预算审计方法如图4所示。

1. 变量定义与预警等级划分。构建A公司资金滚动预算审计预警模型， 首先要确定输入和输出变量， 将构建模型 训练集设定为E、 属性集设定为C， 将构建了资金滚动预算审计指标的4个相关指标作为输入值， 将风险预警等级作为输出值。输出值为“1”， 表示资金滚动预算编制涉及风险巨大， 此时预算编制不合理， 需要开展后续持续审计， 为A级预警； 输出值为“2”， 表示资金滚动预算编制涉及风险较大， 此时预算编制不太合理， 需要开展后续持续审计， 为B级预警； 输出值为“3”， 表示资金滚动预算编制涉及风险较小， 此时预算编制较为合理， 基本不需要进行后续持续审计， 为C级预警； 输出值为“4”， 表示资金滚动预算编制不涉及重大风险， 此时预算编制合理， 无需后续持续审计， 为D级预警。

比较各节点信息增益率大小， 以信息增益率最大的节点为根节点划分数据特征， 再基于根节点的左右分支对剩余的数据特征计算信息增益率， 选择信息增益率最大的节点作为下一个分类节点， 由此递归直到数据集被全部分类（曾宇哲等，2019）。

四、 基于决策树算法的资金滚动预算审计预警模拟实施

下面以A公司为研究对象， 基于本文提出的决策树算法探讨其资金滚动预算审计预警的模拟实施。

（一）数据来源

A公司在经营活动过程中， 资金滚动预算主要通过ERP系统、 销售管理系统、 采购管理系统等多个信息系统实现数据的互联互通。A公司财务共享模式下审计的主要数据来源有两个方面： 一是企业内部信息系统； 二是其他数据， 包括工作文件和外部数据等。具体如图5所示。

（二）资金滚动预算审计预警数据准备

1. 数据采集。在审计数据的采集过程中， 内部审计人员通常使用的方法有直接复制、 通过中间文件采集、 通过ODBC接口采集、 通过备份/恢复的方式采集、 通过专用模板采集等。A公司内部审计部门对资金滚动预算的数据采集方式是直接复制和备份采集相结合的方式， 财务共享模式下A公司的审计数据库系统与业务管理数据库系统相同， 只需要将资金管理的数据同步至审计人员的计算机。对于一些不在业务管理数据库系统中的数据（如A公司往来单位的情况）， 由于业务管理数据库系统没有更新最新的往来单位信息， 所以这些往来单位情况仍然保留在供应链数据库系统中。内部审计人员将供应链数据库系统中的数据进行备份后， 将备份数据在审计系统中设置为数据库格式的数据， 就可以在数据库系统中对采集到的往来单位数据进行分析。

在A公司资金滚动预算审计过程中， 内部审计人员还会利用中间文件进行数据采集， 将不符合要求的数据转换成可读取的格式（如TXT格式、 XML格式等）。在财务共享中心对预算金额数据进行采集时， 基于預算系统的安全性管理要求， 审计人员不能直接连接信息系统获取数据， 需要财务共享中心人员将数据转换为标准格式数据存储到审计信息系统。

2. 数据预处理。对资金滚动预算的审计数据进行采集后， 审计数据预处理是审计过程中重要的一环。由于采集来的审计数据往往存在许多质量问题， 如数据属性的值不确定或者是无法得到数据属性的值而导致数据不完整， 这些数据质量问题会影响审计预警的准确性， 因此， 数据预处理尤为重要。在月度资金预算数据中， 所属部门字段名称不统一， 对于不统一的名称需要进行统一化处理。从预算管理表中提取预算提报单位、 所属部门、 预算类别等内容， 从资金管理系统中采集预算编号、 所属月份、 M-1月预算金额等内容（M为当前月，下同）， 财务共享系统内的M-1月实际支出金额也是资金滚动预算审计需要的数据。数据预处理需要将这些信息进行汇总并针对其中的缺失值进行填补或删除、 对字符类型进行转换。最终， 将与月度资金预算相关的数据和系统内提取的数据相关情况汇总成资金滚动预算审计信息表， 如表1所示。

对多个系统中导出的数据表进行抽取时， 按照相同字段名关联的原则， 将日期表与所属月份通过日期字段建立关联， 将对应的数据内容进行匹配， 将月度资金预算编制表数据与月度资金预算执行表数据通过预算编号来建立关联， 匹配对应的预算金额与实际到位金额。这样一方面完成数据抽取的过程， 另一方面， 通过筛选抽取结果达到审计的目的， 对比检查两张数据表的交易方向与资金流向是否一致， 如果不一致， 则可能存在某种风险， 审计人员应当重点排查。

另外， 每个月所包含的预算明细不同。以建设项目为例， 如果当月建设项目已经完成或者没有待建设项目， 则不存在建设项目的预算， 这类空值在审计预警前应当剔除， 防止对审计预警的结果造成影响。对于审计人员来说， 如果某些字段对审计无用， 那么可以直接删除字段列内容。

表2为月度资金预算表部分内容示例。

月度资金预算执行表有预算编号、 所属月份、 M-1月资金到位金额等， 月度资金支出表有所属部门、 资金支出类别、 项目等。但是， 由于所属部门的名称是简称， 在系统中很难进行匹配， 甚至资金支出项目简称重叠， 审计人员需要将所属部门的名称与业务系统中的部门表进行关联匹配到所属部门全称， 对于没有全称的， 审计人员可以相应进行替代性标注， 以作区分。表3、 表4为月度资金预算执行表与月度资金支出表部分内容示例。

（三）建立资金滚动预算审计预警数据样本

数据样本建立主要是将A公司2021年月度资金预算表、 月度资金预算执行表、 月度资金支出表中信息按照资金滚动预算审计的关键指标进行特征提取的过程。审计大致从四个方面进行分析： 一是预算资金到位情况， 即反映的是资金滚动预算在编制完成后和资金下达之间数额的差异 ， 通过“（实际到位资金/预算资金）×100%”计算得到预算执行率； 二是到位资金支出情况， 用来衡量实际支出金额占到位资金的比重， 如果实际支出远远小于预算到位资金， 则可能对剩余部分的资金使用存在没有说明的其他情况， 通过“（实际支出资金/实际到位资金）×100%”计算得到资金到位率； 三是资金支出与预算的偏离程度， 通过“（实际支出资金/预算资金）×100%”计算得到资金执行率。单个科目金额变动则通过相近两个月的预算金额变动相对值来计算， 得到相对变动的幅度， 以此观察差异金额， 对于大幅变动的， 则可能成为后续持续审计的重点。这四个方面的维度都可以月为单位进行分析， 也可以季度、 半年为单位进行容错， 提升预警的准确率， 运用机器学习算法的原理基本一致。

通过将来自不同表、 不同系统的数据进行匹配汇总， 结合资金滚动预算的审计预警数据需求， 得到如表5所示的月度资金预算审计信息表， 包括预算编号、 所属部门、 M月预算金额、 预算到位金额、 实际支出金额等。

（四）C4.5决策树算法的模拟实施

C4.5决策树算法模拟实施的第一步即输入数据集， 将抽取到的数据进行清洗后， 按照构建的指标体系和审计人员得到的风险等级， 生成如表6所示的表格， 信息内容包含“预算编号”“预算执行率”“资金到位率”“资金执行率”“单个科目金额变动”和“风险等级”。C4.5决策树挖掘数据与结果之间的潜在逻辑， 训练样本集， 得出的模型应用于其他数据集， 为其他月份的滚动资金预算审计预警提供技术支撑。

以A公司2021年度的资金滚动预算审计数据进行模拟分析， 测试模型预测的准确性。将样本数据的70%作为训练集、 30%作为测试集实施决策树算法。在运行C4.5决策树算法后， 使用剪枝策略处理数据中的噪声和离群点， 训练数据中的异常， 处理过分拟合的问题， 表7为A公司资金滚动预算审计的模型评估结果。其中， 节点分裂准则选择Entropy， 由于本案例涉及的樣本量不大， 因此特征划分标准设置为默认值best。内部节点分裂的最小样本数为2， 叶子节点的最小样本数为1， 树的最大深度为10， 叶子节点的最大数量设定为50。

通过对样本数据的验证， 最终模型的正确率为94.1%， 说明构建的模型训练结果良好， 能够为A公司资金滚动预算提供风险预警。其中， F1为精确率和召回率的调和平均， 精确率和召回率是互相影响的， 虽然两者都高是一种期望的理想情况。

各个指标对评价结果的作用权重（特征的重要性比例）如表8所示。在选取的四个重要指标中， 有三个指标对最终的模型结果产生影响， 有一个指标未产生影响。

由于决策树层次的缘故， 并不是所有的特征都被选择， 即在结果的体现上， 并不是所有的指标都会对最终结果产生影响。根据审计人员对A公司2021年5月份资金滚动预算审计的模型评估结果来看， 预算执行率对最终滚动资金预算的预警影响最大， 其次是单个科目金额变动， 重要性分别是58.1%和30.3%， 而资金到位率对模型结果的重要性为0， 说明资金到位率对预算的预警影响可以忽略。

（五）结果分析

决策树算法的输出结果如表6所示， “1、 2、 3、 4”分别代表“A、 B、 C、 D级”预警， 其中： A等级的风险最大， 代表预算编制存在较大的问题， 此时需要审计人员针对A等级的预算编制单独进行重新审计， 采用询问、 观察、 检查、 函证等审计程序进行后续持续审计， 也应当标注此等级的预算编制信息， 作为下一月度审计的重点内容； B等级的风险较大， 审计人员只标记此等级预算编制信息列入审计信息系统内， 作为下一月度审计重点内容即可， 对于存疑较大的预算信息， 也应当采取A等级的处理方法； C等级和D等级被认为“预算编制较为合理， 无须进行后续持续审计”， 因此， 不需要采取审计程序进行后续持续审计。

五、 结束语

企业财务共享中心的建设为资金管理的信息化奠定了良好的基础。资金滚动预算作为资金管理的主要内容之一， 加强其内部审计对于提高资金管理水平具有重要作用。本文以A公司为研究对象， 设计了资金滚动预算审计指标体系， 构建了基于C4.5决策树算法的审计预警方法和审计流程， 并划分了预警等级。审计人员可以根据审计预警等级不断优化应对措施， 有利于降低审计风险、 提高审计工作效率和工作质量。本文的研究属于智能审计的范畴， 期望能够为企业财务共享中心建设及大数据与人工智能技术应用背景下的企业内部审计工作开展提供新的思路和参考。

【 主 要 参 考 文 献 】

程平，崔纳牟倩．基于AHP和VPRS的IT审计指标体系及权重研究［ J］．中国注册会计师，2017（9）：74 ～ 79．

房甄，宋晓威．战略管理导向下企业全面预算审计体系研究［ J］．河北企业，2020（10）：25 ～ 26．

韩振宇．企业预算审计实施路径研究［ J］．进展（科学视界），2022（3）：83 ～ 84．

廖艳红，吴磊，田琳．加强预算执行审计，促进财政资金提质增效［ J］．理财（经论版），2021（8）：40．

沈阳阳，邢建国．大型企业资金管理审计全流程框架构建 —— 基于风险导向视角［ J］．商业会计，2021（13）：51 ～ 53．

唐光耀．预算资金内部审计发现的问题类型及思考建议［ J］．山西财税，2018（2）：46 ～ 48．

王文怡．财务共享模式下基于机器学习的A集团费用报销行为管理研究［D］．重庆：重庆理工大学，2020．

王晓雷．滚动预算管理在中国石化所属炼油企业中的应用［ J］．石油化工管理干部学院学报，2021（4）：45 ～ 49．

阎玲琳．基于机器学习的行政事业单位支出控制智能预警研究［D］．重庆：重庆理工大学，2020．

曾宇哲，吴嫒博，郑宏远等．基于机器学习的车险索赔频率预测［ J］．统计与信息论坛， 2019（5）：69 ～ 78．

赵波．X采油公司预算审计问题研究［D］．北京：北京交通大学，2016．

（责任编辑·校对： 许春玲  李小艳）

【基金项目】重庆理工大学研究生教育高质量发展项目（项目编号：gzlcx20222104）