基于知识图谱和图神经网络的企业关联方交易智能审计决策支持系统

摘要

关联方交易（RPTs）在当代公司治理中占据核心地位，是关联企业之间进行资源分配的重要渠道。随着所有权结构日益复杂化和全球化运营的推进，关联方交易的审计工作对财务专业人士来说变得越来越具有挑战性。传统的审计方法难以处理那些跨越多个司法管辖区、并通过壳公司实现多层次所有权的复杂企业关系网络，导致手工审查既耗时又不全面。尽管计算方法有所进步，但当前的研究和实践仍存在显著不足。现有的审计系统未能充分捕捉企业、股东、高管及交易之间的多维关系。大多数机器学习方法将交易视为独立的观察对象，从而忽略了区分合法关联方交易与不合法交易的关键关系背景。此外，企业关系的动态特性要求采用能够跟踪其变化的模型，而静态的关系网络快照可能会导致风险评估结果过时或具有误导性。为了实现关联方交易审计的自动化，必须解决四个关键问题：建模通过不同关系类型连接的异构实体类型及其对审计的影响；捕捉因收购和人员流动而变化的所有权结构的时间动态；提供可解释的输出结果以支持专业判断和监管检查；以及将领域知识与数据驱动的学习方法整合到一个连贯的框架中。本研究开发了一个智能决策支持系统，该系统结合了知识图谱技术和图神经网络架构来应对这些挑战。所提出的框架通过实体识别和时间建模构建了一个特定领域的知识图谱，能够捕捉多维的企业关系。改进后的图神经网络采用了异构注意力机制和时间融合组件，以学习具有关系意识的表示方式。通过注意力权重可视化和风险传播路径分析，可以得到可解释的风险评估结果。在真实企业数据上的实验评估表明，该系统相比基线方法有显著改进，并在实际应用中证明了其在检测未公开关系和会计事务所业务中的定价异常方面的有效性。