Machine Learning und empirische Rechnungslegungsforschung: Einige Erkenntnisse und offene Fragen

Machine Learning and Empirical Accounting Research: Some Findings and Open Questions

Thorsten Sellhorn ()

Schmalenbach Journal of Business Research, 2020, vol. 72, issue 1, 49-69

Abstract: Zusammenfassung Im Zuge der digitalen Transformation von Wirtschaft und Gesellschaft ergeben sich zunehmend Anwendungsfelder für Ansätze des maschinellen Lernens nicht nur in der Rechnungslegungspraxis, sondern auch in der betriebswirtschaftlichen Forschung auf diesem Gebiet. Der nachfolgende Beitrag diskutiert selektiv einige Einsatzgebiete von Machine-Learning-Ansätzen in der Unternehmensberichterstattung, der Abschlussprüfung sowie der Unternehmensanalyse und -bewertung. Zudem werden aktuelle und potenzielle Anwendungen in der empirischen Forschung aufgezeigt sowie limitierende Faktoren diskutiert.

Keywords: Digitalisierung; Rechnungslegung; Abschlussprüfung; Maschinelles Lernen; Prognose; Kausaleffekte; Regulierung; Machine learning; Financial reporting; Digital transformation; Causal effects; Prediction; M41; O33 (search for similar items in EconPapers)
Date: 2020
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
http://link.springer.com/10.1007/s41471-020-00086-1 Abstract (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sjobre:v:72:y:2020:i:1:d:10.1007_s41471-020-00086-1

Ordering information: This journal article can be ordered from
https://www.springer.com/journal/41471

DOI: 10.1007/s41471-020-00086-1

Access Statistics for this article

More articles in Schmalenbach Journal of Business Research from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().