摘 要：本文指出了人工智能技術(shù)可以實(shí)現(xiàn)對(duì)會(huì)計(jì)數(shù)據(jù)的自動(dòng)化采集與清洗、分類與歸檔，從而提高數(shù)據(jù)處理效率。利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)可以對(duì)海量會(huì)計(jì)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，支持風(fēng)險(xiǎn)評(píng)估、財(cái)務(wù)規(guī)劃等決策的制定。同時(shí)，本文也討論了數(shù)據(jù)安全、系統(tǒng)集成等技術(shù)難題及解決方案。人工智能正在深刻影響和改變會(huì)計(jì)信息的處理方式，為企業(yè)財(cái)務(wù)決策提供更科學(xué)和智能化的支持，但也需要關(guān)注技術(shù)挑戰(zhàn)，以推動(dòng)人工智能與會(huì)計(jì)實(shí)踐的深度融合。

關(guān)鍵詞：會(huì)計(jì)信息；人工智能；財(cái)務(wù)管理

引言

人工智能在會(huì)計(jì)領(lǐng)域的具體應(yīng)用得到了快速發(fā)展。人工智能可以實(shí)現(xiàn)會(huì)計(jì)數(shù)據(jù)的自動(dòng)采集和處理，極大程度地減少了人為錯(cuò)誤，提高了處理效率和精確度。企業(yè)應(yīng)當(dāng)重視人工智能技術(shù)與財(cái)務(wù)管理的結(jié)合，推動(dòng)管理會(huì)計(jì)的轉(zhuǎn)型升級(jí)。良好的會(huì)計(jì)信息支持有助于企業(yè)更加科學(xué)合理地進(jìn)行資本配置、風(fēng)險(xiǎn)評(píng)估、成本控制、利潤(rùn)最大化等財(cái)務(wù)管理工作，對(duì)企業(yè)獲得持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)具有重要意義。本文闡述了人工智能技術(shù)在會(huì)計(jì)信息處理和企業(yè)財(cái)務(wù)決策支持中的應(yīng)用情況、技術(shù)挑戰(zhàn)及解決方案，希望能為會(huì)計(jì)信息工作的智能化轉(zhuǎn)型提供參考[1]。

一、會(huì)計(jì)信息的自動(dòng)化處理

（一）數(shù)據(jù)采集與清洗

在信息化背景下，移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能以及云計(jì)算等迅速發(fā)展并得到了廣泛運(yùn)用[2]。會(huì)計(jì)信息的自動(dòng)化采集和清洗是實(shí)現(xiàn)會(huì)計(jì)數(shù)據(jù)自動(dòng)化處理的第一步。在數(shù)據(jù)采集方面，傳統(tǒng)的人工錄入會(huì)計(jì)數(shù)據(jù)存在效率低下、錯(cuò)誤率高的問題。應(yīng)用機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺技術(shù)可以實(shí)現(xiàn)自動(dòng)化的數(shù)據(jù)采集?？梢杂?xùn)練模型自動(dòng)從企業(yè)的管理系統(tǒng)中提取需要的原始會(huì)計(jì)數(shù)據(jù)，利用機(jī)器視覺技術(shù)讀取和識(shí)別紙質(zhì)和電子票據(jù)中的文字、數(shù)字和表格信息，還可以使用語音識(shí)別技術(shù)，將會(huì)計(jì)工作人員的語音記賬內(nèi)容轉(zhuǎn)錄成結(jié)構(gòu)化的數(shù)據(jù)，全部實(shí)現(xiàn)自動(dòng)采集。在獲得原始會(huì)計(jì)數(shù)據(jù)后，還需要進(jìn)行必要的數(shù)據(jù)清洗工作，以提高后續(xù)處理的效率和結(jié)果質(zhì)量。數(shù)據(jù)清洗包括格式規(guī)范化、重復(fù)數(shù)據(jù)刪除、缺失值處理、異常值檢測(cè)等步驟?？梢越⒒谝?guī)則的清洗系統(tǒng)，按預(yù)定規(guī)則進(jìn)行格式轉(zhuǎn)換、驗(yàn)證等處理。也可以訓(xùn)練機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)更智能化的清洗，發(fā)現(xiàn)數(shù)據(jù)中的潛在關(guān)系，識(shí)別異常值。相比人工數(shù)據(jù)清洗，自動(dòng)化清洗可以處理更大規(guī)模的數(shù)據(jù)，識(shí)別更多隱藏的錯(cuò)誤，大幅提高清洗效率，降低成本。充分利用人工智能技術(shù)進(jìn)行會(huì)計(jì)數(shù)據(jù)的自動(dòng)化采集和清洗，可以顯著提升原始會(huì)計(jì)信息的規(guī)范化程度和質(zhì)量，為后續(xù)的會(huì)計(jì)數(shù)據(jù)處理和分析奠定堅(jiān)實(shí)的基礎(chǔ)。

（二）自動(dòng)化分類與歸檔

在數(shù)據(jù)清洗后，需要根據(jù)數(shù)據(jù)的屬性和內(nèi)容特點(diǎn)將其自動(dòng)分類歸檔。傳統(tǒng)的人工分類方式效率低下，且容易出錯(cuò)。利用自然語言處理技術(shù)可以自動(dòng)讀取并理解各類會(huì)計(jì)文檔的內(nèi)容，比如從采購順序和付款單據(jù)中提取事項(xiàng)類型、金額、部門等信息，根據(jù)預(yù)設(shè)的會(huì)計(jì)科目表將其自動(dòng)歸類到正確的賬戶下?？梢赃\(yùn)用機(jī)器學(xué)習(xí)算法，輸入會(huì)計(jì)數(shù)據(jù)樣本訓(xùn)練分類模型，讓模型學(xué)會(huì)判斷數(shù)據(jù)所屬的類別，后續(xù)可以用于自動(dòng)將新的數(shù)據(jù)分類到合適的賬目中。在歸檔方面，也可以根據(jù)預(yù)先設(shè)置的邏輯規(guī)則，智能地判斷數(shù)據(jù)并自動(dòng)存入對(duì)應(yīng)的電子檔案目錄，不同年份的檔案分別存入不同的文件夾等。相比人工操作，利用人工智能實(shí)現(xiàn)的自動(dòng)分類和歸檔可以減少重復(fù)勞動(dòng)，降低錯(cuò)誤發(fā)生率，提升工作效率，使會(huì)計(jì)部門可以處理更大量的文檔數(shù)據(jù)，為后續(xù)的會(huì)計(jì)核算提供便利條件。會(huì)計(jì)信息處理工作流程中，要充分利用人工智能技術(shù)進(jìn)行自動(dòng)化分類和歸檔。會(huì)計(jì)數(shù)據(jù)處理中的自動(dòng)分類與歸檔環(huán)節(jié)，是人工智能技術(shù)發(fā)揮重要作用的一個(gè)方面，其應(yīng)用不僅可以極大提高分類歸檔的效率，而且還可以大幅降低分類歸檔中人工操作帶來的錯(cuò)誤率，為后續(xù)的會(huì)計(jì)核算處理提供有力支持，這充分彰顯了人工智能技術(shù)在會(huì)計(jì)信息處理中的重要價(jià)值。

（三）數(shù)據(jù)分析訓(xùn)練

在獲取和清洗大量會(huì)計(jì)數(shù)據(jù)后，可以基于人工智能技術(shù)進(jìn)行深入的數(shù)據(jù)分析與模型訓(xùn)練，發(fā)掘數(shù)據(jù)中的價(jià)值，支持企業(yè)的財(cái)務(wù)決策制定。可以利用統(tǒng)計(jì)分析方法自動(dòng)生成大量會(huì)計(jì)報(bào)表，進(jìn)行比率分析、趨勢(shì)分析等，考察會(huì)計(jì)指標(biāo)在不同時(shí)期的變化趨勢(shì)及其原因，為財(cái)務(wù)狀況的評(píng)估提供依據(jù)。也可以建立各類預(yù)測(cè)模型，如時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)模型等，訓(xùn)練這些模型擬合歷史會(huì)計(jì)數(shù)據(jù)。還可以通過訓(xùn)練異常檢測(cè)模型，讓模型學(xué)習(xí)識(shí)別會(huì)計(jì)數(shù)據(jù)中存在的異常情況，在出現(xiàn)異常時(shí)快速報(bào)警。相比于傳統(tǒng)的人工分析，利用人工智能技術(shù)進(jìn)行會(huì)計(jì)數(shù)據(jù)訓(xùn)練和分析，可以處理海量、高維會(huì)計(jì)數(shù)據(jù)，快速生成大量分析報(bào)告，為企業(yè)財(cái)務(wù)管理和決策提供堅(jiān)實(shí)的技術(shù)支持。

二、預(yù)測(cè)與決策支持

（一）財(cái)務(wù)預(yù)測(cè)與趨勢(shì)分析

人工智能屬于計(jì)算機(jī)科學(xué)分支之一，核心本質(zhì)是對(duì)人的理論、方法及技術(shù)進(jìn)行演繹、模擬或延伸，也就是AI系統(tǒng)[3]。使用人工智能技術(shù)進(jìn)行財(cái)務(wù)預(yù)測(cè)和趨勢(shì)分析涉及收集企業(yè)的歷史會(huì)計(jì)和財(cái)務(wù)數(shù)據(jù)，以建立和訓(xùn)練各類機(jī)器學(xué)習(xí)模型，如長(zhǎng)短期記憶網(wǎng)絡(luò)、自回歸模型和隨機(jī)森林。這些模型能夠?qū)W習(xí)數(shù)據(jù)中的趨勢(shì)和規(guī)律，從而預(yù)測(cè)未來的核心財(cái)務(wù)指標(biāo)，例如營(yíng)收趨勢(shì)、利潤(rùn)增長(zhǎng)率和現(xiàn)金流。機(jī)器學(xué)習(xí)技術(shù)優(yōu)于傳統(tǒng)方法，能處理復(fù)雜的非線性關(guān)系和多種影響因素，提供更準(zhǔn)確的預(yù)測(cè)。數(shù)據(jù)挖掘可用于分析財(cái)務(wù)指標(biāo)的變化和相關(guān)性，輔助企業(yè)管理層制定基于科學(xué)依據(jù)的戰(zhàn)略決策。將人工智能技術(shù)融入企業(yè)的財(cái)務(wù)會(huì)計(jì)管理當(dāng)中，不僅能夠有效地提升企業(yè)的財(cái)務(wù)管理工作效率和質(zhì)量，同時(shí)能夠幫助企業(yè)管理人員，更好、更及時(shí)地了解企業(yè)財(cái)務(wù)運(yùn)營(yíng)情況[4]。

（二）風(fēng)險(xiǎn)評(píng)估與管理

人工智能技術(shù)可以深度應(yīng)用于企業(yè)風(fēng)險(xiǎn)的評(píng)估與管理，助力企業(yè)實(shí)現(xiàn)風(fēng)險(xiǎn)的全面監(jiān)控。具體來說，可以收集足夠豐富的歷史會(huì)計(jì)數(shù)據(jù)、行業(yè)數(shù)據(jù)和企業(yè)內(nèi)外部信息，采用機(jī)器學(xué)習(xí)算法如支持向量機(jī)、決策樹等訓(xùn)練出各類風(fēng)險(xiǎn)評(píng)估模型，比如信用風(fēng)險(xiǎn)模型、市場(chǎng)風(fēng)險(xiǎn)模型、操作風(fēng)險(xiǎn)模型等。這些模型可以借助大數(shù)據(jù)訓(xùn)練，評(píng)估出企業(yè)未來一段時(shí)間發(fā)生不同類型風(fēng)險(xiǎn)事件的概率。在風(fēng)險(xiǎn)管理方面，可以根據(jù)風(fēng)險(xiǎn)評(píng)估結(jié)果，采取不同的風(fēng)險(xiǎn)控制措施，比如調(diào)整投資組合、建立內(nèi)部控制制度等，實(shí)現(xiàn)企業(yè)全面的風(fēng)險(xiǎn)監(jiān)控與管理。相比傳統(tǒng)方法，基于人工智能技術(shù)的風(fēng)險(xiǎn)評(píng)估更加快速、全面、精確，風(fēng)險(xiǎn)管理也更加智能化、主動(dòng)化。

三、數(shù)據(jù)驅(qū)動(dòng)的財(cái)務(wù)戰(zhàn)略

（一）資本分配與投資策略

人工智能技術(shù)的應(yīng)用可以使企業(yè)的資本配置和投資策略的制定更加科學(xué)和智能化。企業(yè)可以收集大量與投融資決策相關(guān)的結(jié)構(gòu)化數(shù)據(jù)，如行業(yè)運(yùn)行數(shù)據(jù)、宏觀經(jīng)濟(jì)數(shù)據(jù)以及企業(yè)自身的會(huì)計(jì)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)等，采用機(jī)器學(xué)習(xí)模型比如回歸分析、隨機(jī)森林等，來評(píng)估不同的投資對(duì)象，進(jìn)而在各種財(cái)務(wù)數(shù)據(jù)基礎(chǔ)上對(duì)過去某一段期間的經(jīng)營(yíng)活動(dòng)狀況進(jìn)行分析，反映企業(yè)過去的經(jīng)營(yíng)狀況[5]。在資本規(guī)劃方面，可以構(gòu)建各類情景，運(yùn)用仿真算法模擬不同資金分配方案下的預(yù)期效果，找出最優(yōu)方案。相比傳統(tǒng)方法，基于大數(shù)據(jù)和算法模型的資本配置和投融資策略制定更具前瞻性、綜合性、科學(xué)性。它能夠助力企業(yè)在全球化背景下的復(fù)雜多變市場(chǎng)中占據(jù)優(yōu)勢(shì)，實(shí)現(xiàn)投資組合的最優(yōu)化。充分利用人工智能技術(shù)進(jìn)行資本配置和投資決策，可以顯著提高決策的時(shí)效性、準(zhǔn)確性和效果，幫助企業(yè)在市場(chǎng)競(jìng)爭(zhēng)中獲得先機(jī)。

（二）企業(yè)風(fēng)險(xiǎn)管理的優(yōu)化

風(fēng)險(xiǎn)數(shù)據(jù)的集成和分析是企業(yè)風(fēng)險(xiǎn)管理的基石。通過整合來自各種內(nèi)部系統(tǒng)（如財(cái)務(wù)、運(yùn)營(yíng)、人力資源）及外部數(shù)據(jù)源（如市場(chǎng)動(dòng)態(tài)、政策變化、社會(huì)事件）的數(shù)據(jù)，企業(yè)能獲得一個(gè)全面的風(fēng)險(xiǎn)視圖。企業(yè)使用高級(jí)數(shù)據(jù)集成工具和數(shù)據(jù)湖技術(shù)，能存儲(chǔ)和處理不同格式和不同來源的大量數(shù)據(jù)，這為后續(xù)的數(shù)據(jù)分析和風(fēng)險(xiǎn)預(yù)測(cè)提供可能。機(jī)器學(xué)習(xí)模型在風(fēng)險(xiǎn)評(píng)估中發(fā)揮著核心作用。通過訓(xùn)練模型識(shí)別歷史數(shù)據(jù)中的風(fēng)險(xiǎn)模式和異常行為，企業(yè)能預(yù)測(cè)和識(shí)別潛在的風(fēng)險(xiǎn)事件。例如通過時(shí)間序列分析和預(yù)測(cè)模型，企業(yè)能夠預(yù)測(cè)市場(chǎng)波動(dòng)和信用風(fēng)險(xiǎn)。此外，企業(yè)借助實(shí)時(shí)數(shù)據(jù)流處理技術(shù)和事件驅(qū)動(dòng)架構(gòu)，能即時(shí)接收關(guān)于潛在風(fēng)險(xiǎn)的警報(bào)。如果某個(gè)關(guān)鍵業(yè)務(wù)指標(biāo)突然偏離常規(guī)范圍，系統(tǒng)會(huì)自動(dòng)觸發(fā)警報(bào)，并通知相關(guān)決策者采取措施，其快速響應(yīng)能力減少了風(fēng)險(xiǎn)事件導(dǎo)致的損失。AI技術(shù)通過決策樹、優(yōu)化算法和仿真模型，企業(yè)可以評(píng)估不同風(fēng)險(xiǎn)響應(yīng)策略的成本效益，選擇最佳的風(fēng)險(xiǎn)緩解路徑。

（三）利潤(rùn)最大化與財(cái)務(wù)規(guī)劃

人工智能技術(shù)的應(yīng)用可幫助企業(yè)實(shí)現(xiàn)利潤(rùn)最大化和財(cái)務(wù)規(guī)劃優(yōu)化。通過收集客戶需求、市場(chǎng)環(huán)境和競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)據(jù)，企業(yè)可使用預(yù)測(cè)分析技術(shù)模擬市場(chǎng)趨勢(shì)和客戶偏好，科學(xué)確定產(chǎn)品組合以最大化利潤(rùn)。在財(cái)務(wù)規(guī)劃方面，利用敏感性分析和情景模擬技術(shù)評(píng)估不同資金配置方案，找出最優(yōu)使用方案，并進(jìn)行風(fēng)險(xiǎn)評(píng)估。人工智能提升了企業(yè)市場(chǎng)定位的準(zhǔn)確性和資金使用的合理性，提高了經(jīng)濟(jì)效益和可持續(xù)發(fā)展能力，使企業(yè)在數(shù)字化時(shí)代更具主動(dòng)性和戰(zhàn)略布局能力。

四、技術(shù)挑戰(zhàn)與解決方案

（一）數(shù)據(jù)安全與隱私保護(hù)

由于會(huì)計(jì)數(shù)據(jù)中常常包含客戶信息、財(cái)務(wù)數(shù)據(jù)等敏感內(nèi)容，可能涉及隱私泄露和企業(yè)數(shù)據(jù)安全等風(fēng)險(xiǎn)。為此，可以采用加密技術(shù)對(duì)會(huì)計(jì)數(shù)據(jù)進(jìn)行加密，并使用訪問控制、權(quán)限管理等方式嚴(yán)格控制數(shù)據(jù)的使用。在進(jìn)行會(huì)計(jì)數(shù)據(jù)分析時(shí)，還可以運(yùn)用差分隱私、數(shù)據(jù)脫敏等技術(shù)保護(hù)個(gè)人敏感信息。為降低算法歧視或漏洞帶來的風(fēng)險(xiǎn)，需要提高人工智能系統(tǒng)的可解釋性，能夠?qū)λ惴ǖ呐袛嘁罁?jù)進(jìn)行詳細(xì)解釋。同時(shí)還需要保證系統(tǒng)的可審計(jì)性，即所有操作均被詳細(xì)記錄，以便事后檢查和追責(zé)。在保障數(shù)據(jù)安全性和算法可控性的前提下，人工智能系統(tǒng)才能被會(huì)計(jì)行業(yè)所接受，從而推動(dòng)這一技術(shù)的廣泛應(yīng)用。

（二）大數(shù)據(jù)處理與存儲(chǔ)

海量數(shù)據(jù)的存儲(chǔ)和高效處理也是一個(gè)重要的技術(shù)挑戰(zhàn)。為實(shí)現(xiàn)數(shù)據(jù)的可擴(kuò)展存儲(chǔ)，可以采用云計(jì)算技術(shù)，通過添加服務(wù)器動(dòng)態(tài)擴(kuò)充存儲(chǔ)能力，確保可以靈活存儲(chǔ)包括歷史數(shù)據(jù)在內(nèi)的大規(guī)模會(huì)計(jì)數(shù)據(jù)。在數(shù)據(jù)處理方面，可以利用分布式并行計(jì)算框架，實(shí)現(xiàn)高速的分布式數(shù)據(jù)處理，充分利用集群的計(jì)算資源。同時(shí)可以研發(fā)高效的數(shù)據(jù)壓縮和編碼算法，降低存儲(chǔ)成本。通過在線學(xué)習(xí)的方式增量更新數(shù)據(jù)庫和分析模型，而非完全重新訓(xùn)練，以減少重復(fù)計(jì)算和時(shí)間成本。充分利用云計(jì)算等大數(shù)據(jù)處理技術(shù)，采取多種方式提高處理效率、降低成本，以解決會(huì)計(jì)數(shù)據(jù)規(guī)模不斷擴(kuò)大帶來的計(jì)算和存儲(chǔ)壓力，才能保證人工智能系統(tǒng)可以高效可靠地運(yùn)行，持續(xù)為會(huì)計(jì)決策提供支持。

（三）技術(shù)集成與互操作性

打通不同系統(tǒng)和模型之間的技術(shù)壁壘，實(shí)現(xiàn)深度融合和協(xié)同也面臨挑戰(zhàn)。要實(shí)現(xiàn)系統(tǒng)之間的互操作性，可以制定統(tǒng)一的企業(yè)信息交換標(biāo)準(zhǔn)，實(shí)現(xiàn)會(huì)計(jì)系統(tǒng)、管理系統(tǒng)等之間的數(shù)據(jù)無縫連接。在算法和模型方面，需要統(tǒng)一不同模型的輸入和輸出格式，確保模型可以串聯(lián)使用，構(gòu)建端到端的會(huì)計(jì)分析流程。采用微服務(wù)架構(gòu)對(duì)功能進(jìn)行拆分封裝，通過開放程序接口實(shí)現(xiàn)服務(wù)的重用和互調(diào)用。構(gòu)建一個(gè)高度協(xié)同、統(tǒng)一的企業(yè)級(jí)會(huì)計(jì)智能處理和分析平臺(tái)，需要解決數(shù)據(jù)格式標(biāo)準(zhǔn)統(tǒng)一、系統(tǒng)服務(wù)化重構(gòu)、算法鏈?zhǔn)绞褂玫燃夹g(shù)問題，才能打破信息孤島，實(shí)現(xiàn)數(shù)據(jù)、模型、系統(tǒng)的深度融合，將會(huì)計(jì)信息智能化的功能和效果最大化提升。

結(jié)束語

財(cái)務(wù)會(huì)計(jì)是企業(yè)會(huì)計(jì)的一個(gè)分支，是企業(yè)生產(chǎn)管理中重要的基礎(chǔ)性工作[6]。人工智能技術(shù)在會(huì)計(jì)和財(cái)務(wù)領(lǐng)域的應(yīng)用不斷深入，它正在逐步自動(dòng)化和智能化地進(jìn)行會(huì)計(jì)信息的處理，這大大提高了工作效率，并為企業(yè)的財(cái)務(wù)管理和決策提供了更加廣泛的支持。但是也應(yīng)注意到，數(shù)據(jù)安全、系統(tǒng)集成等技術(shù)問題仍需解決。未來，人工智能必將與會(huì)計(jì)實(shí)踐和教育深度融合，企業(yè)和會(huì)計(jì)從業(yè)人員都需要加快適應(yīng)和掌握這一新技術(shù)，以適應(yīng)數(shù)字化轉(zhuǎn)型的新環(huán)境。充分利用人工智能賦能會(huì)計(jì)信息和決策，能夠在數(shù)字經(jīng)濟(jì)時(shí)代占據(jù)更大優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]李迪.淺談人工智能發(fā)展對(duì)會(huì)計(jì)專業(yè)人才需求的影響[J].經(jīng)濟(jì)師，2022（01）：105-106.

[2]陳金鳳.淺議人工智能時(shí)代企業(yè)財(cái)務(wù)會(huì)計(jì)向管理會(huì)計(jì)的轉(zhuǎn)型[J].現(xiàn)代商業(yè)，2020（17）：2.

[3]王秀珍.基于人工智能的高校立體動(dòng)態(tài)會(huì)計(jì)信息平臺(tái)構(gòu)建[J].財(cái)會(huì)通訊，2021（19）：6.

[4]賈敬衛(wèi).財(cái)務(wù)分析在管理會(huì)計(jì)中的應(yīng)用問題[J].中國集體經(jīng)濟(jì)，2020（09）：3.

[5]韋海媚.基于財(cái)務(wù)機(jī)器人應(yīng)用背景下的會(huì)計(jì)人才培養(yǎng)質(zhì)量提高路徑研究[J].中國管理信息化，2022，25（08）：73-75.

[6]謝曼玲.人工智能背景下財(cái)務(wù)會(huì)計(jì)向管理會(huì)計(jì)的轉(zhuǎn)型策略[J].企業(yè)改革與管理，2021（15）：2.

作者簡(jiǎn)介：盧寶偉（1987.10－），女，漢族，北京房山人，碩士，會(huì)計(jì)師、稅務(wù)師，研究方向：會(huì)計(jì)、稅法。