大數據環境下政府審計防范系統性金融風險效果研究

作者簡介： 喻采平（1973—）女，湖南臨澧人，博士，長沙理工大學經濟與管理學院副教授，研究方向：審計理論與實務；通信作者：黃巖渠（1974—）男，湖南臨澧人，博士，中南林業科技大學經濟學院副教授，研究方向：金融風險管理。

摘 要：依據2008—2021年中國23個省份非平衡面板數據，考量大數據環境下政府審計防范系統性金融風險效果。結果顯示：政府審計在大數據環境下仍能顯著抑制系統性金融風險，金融系統的風險累積在此過程中發揮中介效應，大數據發展水平對政府審計防范系統性金融風險具有負向調節作用。異質性檢驗顯示，政府審計對東部、西部地區以及低市場化水平地區系統性金融風險防范作用更顯著。鑒于此，建議進一步推進政府審計數字化轉型，完善政府審計對金融風險累積的抑制機制，因地制宜實施審計策略。

關鍵詞： 政府審計；系統性金融風險；風險累積；大數據發展水平

中圖分類號：F239；F832" 文獻標識碼： A""" 文章編號：1003-7217（2025）01-0094-09

一、引 言

2024年的政府工作報告強調要 “更好統籌發展和安全，有效防范化解重點領域風險”。2024年全國審計工作會議強調要“圍繞持續有效防范化解重點領域風險開展審計”。金融是經濟的核心，系統性金融風險是重點領域的重大風險，是政府審計工作的重點。許奕等^[1]認為政府審計能發揮戰略性、綜合性優勢，從經濟、財政、金融系統等角度全面防范系統性金融風險。審計署金融審計司課題組^[2]認為政府審計在宏觀政府治理、中觀市場治理以及微觀公司治理三個維度上均能發揮其“免疫系統”功能，從而有效抵御系統性和區域性金融風險。政府審計憑借自身獨特優勢，成為彌補其他金融監管部門缺陷的重要手段^[3]。研究政府審計如何有效防范系統性金融風險，對保障金融系統的穩定運行，促進經濟的高質量發展具有重要的理論與現實意義。

現有研究表明，一方面大數據發展水平提升了政府審計的效率和準確性^[4]，負向影響了系統性金融風險；另一方面大數據發展水平對系統性金融風險的影響呈現倒“U”形結構^[5]，在當前條件下正向影響系統性金融風險。大數據發展水平在政府審計對系統性金融風險的綜合影響效應方面的作用仍需進一步探討;政府審計影響系統性金融風險的路徑決定了政府審計在防范系統性金融風險方面的重點工作內容。李斐等^[6]認為國家審計通過提升政府治理水平來降低地方銀行風險，為了防范地方銀行風險，應加強對政府的審計來提升政府治理水平；蔡利等^[7]認為，政府審計能夠通過優化銀行資產質量和增強流動性的方式來有效防范銀行業系統性風險的發生，應加強對金融機構資產質量和流動性的審計；曹源芳等^[8]研究發現，政府審計的有效實施有助于保障銀行資產管理業務的穩健性，防止系統性金融風險的發生，應加強對銀行資產管理業務的審計。金融系統的風險累積是導致系統性金融風險爆發的根本原因^[9]，風險累積在金融系統內部，影響因素包括信貸規模、杠桿率以及金融機構間的關聯性等^[10-14]。在經濟順周期波動^[15]、金融市場風險溢出^[16]以及宏觀政策沖擊^[17]等外部沖擊下累積的風險釋放形成金融危機。根據系統論觀點，內因是主要原因，外因通過內因發揮作用。防范系統性金融風險的根本途徑是防范金融系統風險的累積。要有效預防系統性金融風險的發生，政府審計工作重點應該是防止金融系統的風險累積。

現有研究主要基于金融風險的直接原因研究政府審計如何防范系統性金融風險，鮮有基于金融風險累積的研究。本文依據2008—2021年我國23個省的非平衡面板數據，從政府審計的環境（大數據發展水平）、重點內容（金融風險累積）、效果（地區及市場化水平差異）三個方面研究大數據環境下政府審計如何有效防范系統性金融風險，檢驗大數據發展水平的調節作用、金融風險累積的有效性以及不同區域間政府審計效果的異質性，為制訂有效的政府審計策略，防范系統性金融風險，促進經濟高質量發展提供了實踐證據和理論依據。

二、理論分析與研究假設

（一）大數據環境下政府審計對系統性金融風險的影響

Morin^[18]比較了國家治理框架中不同監管主體的監管效能，發現政府審計部門具有更高的謹慎性和透明度，因而在治理金融創新風險方面更具針對性和實效性。張榮剛等^[3]的研究表明政府審計能突破法律、技術、信息和監管等多個維度的瓶頸，有效彌補其他金融監管機構的不足。首先，政府審計能及時察覺大數據環境下金融體系的變化。通過關聯數據庫與法制案例資源庫，更好地把握行業發展趨勢和市場動態，以應對法律滯后性給金融監管帶來的挑戰。其次，政府審計在信息獲取方面具備顯著優勢。依據《中華人民共和國審計法》的相關規定，政府審計機關擁有報送資料權、賬目檢查權以及調查取證權等權利，能夠全面掌握互聯網金融運行狀況和被監管主體信息，有效緩解信息不對稱和信息孤島帶來的風險。此外，政府審計通過引入大數據審計技術，推動“金審工程”實施，工作效率和數據處理準確性得以提升，為揭示金融領域問題、防范系統性金融風險發生提供了技術支撐。最后，政府審計監督范圍不斷擴展^[19]，使其成為大數據環境下防范系統性金融風險的“第二道防線”。當前金融監管主體職能分散，存在監管空白或重疊的問題。政府審計通過介入金融監管機構或直接對金融機構進行監管，并運用其特有的審計結果公告制度，能有效拓寬社會反饋渠道，促進監管主體之間的協同合作，整合金融相關數據資源并實現對疑點的動態監測，從而更加系統地把握系統性金融風險。雖然已有研究表明大數據發展水平在當前環境下正向影響系統性金融風險，但大數據環境下政府審計在防范系統性金融風險方面的效果更顯著，即隨著大數據發展水平提高，政府審計力度對系統性金融風險的綜合影響是負向的。基于此，提出：

假設1 大數據環境下，政府審計能夠有效防范系統性金融風險。

（二）風險累積的中介作用

現有研究表明，系統性金融風險的發生是系統在經濟周期中不斷累積風險、在外部或內部事件的沖擊下累積風險釋放的結果。政府審計要預防系統性金融風險的發生，需要重點關注哪些因素會影響金融系統的風險累積，開展針對性審計以降低金融系統風險累積，從而降低系統性金融風險發生的概率，緩解系統性金融風險帶來的損失。現有研究表明，金融系統的資產規模、信貸規模、杠桿率水平、網絡關聯度等直接影響金融系統的風險累積水平，政府審計可重點對這些領域進行審計。為了防范系統性金融風險，政府審計應重點審計可能造成金融系統風險累積的因素，降低金融系統的風險累積，使系統性金融風險的測度結果下降，從而降低在內外沖擊下金融系統發生系統性金融風險的概率，緩解金融系統發生系統性金融風險后帶來的損失，最終達到預防系統性金融風險的目的。基于此，提出：

假設2 政府審計能夠通過降低金融系統風險累積防范系統性金融風險。

（三）大數據發展水平的調節作用

2002年，國家審計機關開啟建設審計信息化系統，即“金審工程”。該工程至今已有三期，第三期的主要目標是構建更加智能化、集成化的審計信息系統。在數字經濟時代，數字化審計平臺和大數據審計技術的應用突破了傳統審計方式的局限性，打破了信息傳播的時空障礙^[20]，節約了審計數據獲取時間^[21]，縮短了審計周期，減少了審計成本，并增強了審計的全面性和客觀性^[22]，為政府決策提供更科學的依據。但在系統性金融風險防范方面，政府審計仍然面臨著諸多挑戰。一是已有研究表明，由于大數據技術更多地應用于金融創新，由此帶來了更多的風險。在當前階段大數據發展水平正向影響系統性金融風險。二是隨著金融市場中的數據量急劇增長，數據類型更加復雜多樣，對數據采集、存儲、處理和分析技術等方面的要求相應提高。但由于政府審計的技術和人才等資源限制，可能難以跟上大數據發展的步伐^[21]。大數據技術應用的不足影響政府審計效能的充分發揮。三是海量數據中可能存在不準確、不完整甚至是誤導性的信息，會干擾審計判斷，增加審計風險。大數據發展帶來的技術風險影響政府審計的風險防范效果。綜上，雖然大數據環境下政府審計能夠顯著抑制系統性金融風險，但在當前階段，隨著大數據發展水平的提升，政府審計效能的提升速度還不足以完全應對金融風險的隱蔽性和復雜性，因而會一定程度上削弱該顯著性水平。基于此，提出：

假設3 在當前階段，大數據發展水平會削弱政府審計對系統性金融風險的防范效果。

三、研究設計

（一）數據來源

研究的對象主要是政府審計和系統性金融風險。政府審計數據來源于各省、直轄市審計廳（局）官網所公布的各類審計工作報告及解讀。通過網絡爬蟲和文本分析技術提取各年度各地方審計機構的審計力度數據。系統性金融風險是金融系統的風險，雖然受到外部如房地產行業、地方政府債務的影響，但其溢出到金融系統的風險已經在金融市場中反映。我國上市金融機構資產規模大、關聯網絡復雜，其潛在風險一旦爆發，極有可能演變為系統性金融風險。未上市的金融機構規模小，雖然是金融系統的風險來源，但機構倒閉造成的影響較小，傳染到系統重要性機構的可能性也小，不是造成系統性金融風險的主要原因。因此，選取2008年至2021年我國95家上市金融機構注冊地省份數據進行實證分析。系統性金融風險數據來源于CSMAR、RESSET數據庫，缺失數據通過手工查詢金融機構年報獲取；風險累積數據來源于各地區統計年鑒、上市金融機構年報；大數據發展水平數據來源于國家統計局、中經網以及CNRDS數據庫，部分缺失數據通過手工查詢《中國統計年鑒》獲取；控制變量數據主要來源于國家統計局和《中國統計年鑒》。使用Python和StataSE15對數據進行處理與分析。由于各省公布審計工作報告的初始時間不同，最終獲得了23個省份的非平衡面板數據，共計247個觀測值。同時，對所有連續變量進行了上下1%的縮尾處理。

（二）變量定義

1.被解釋變量：系統性金融風險。

借鑒喻采平等^[23]的研究，采用改進后的雙傳染渠道模型來測度系統性金融風險。同時，將存放同業和其他金融機構款項、拆出資金以及買入返售金融資產三項之和定義為金融機構間貸款，將同業和其他金融機構存放款項、拆入資金以及賣出回購金融資產三項之和定義為金融機構間借款，并采用最大熵法構建金融機構間借貸網絡。在模擬實驗中，設定外部沖擊強度為0.001。實驗結束后，可獲得第t年金融機構j的總權益損失（LossBankj，t），再根據其注冊地省份進行劃分。即省份i在第t年的系統性金融風險等于區域內上市金融機構j的總權益損失（∑j=1^LossBanki，j，t）與其初始總權益（∑j=1OE0i，j，t）的比值（式（1））。該比值越大，表明省份i發生系統性金融風險的可能性越高。

RISKi，t=∑j=1^LossBanki，j，t/∑j=1OE0i，j，t （1）

2.核心解釋變量：政府審計。

現有政府審計的衡量方式主要有兩種：在省級層面，采用地方被審計單位數量、審計查出主要問題金額、審計提出建議數等指標來量化政府審計^[24]，由于數據包含金融機構與其他機構，難以準確反映對金融行業的針對性審計；在銀行微觀層面，以各銀行本年度內是否被審計為依據，采用虛擬變量衡量政府審計^[9]，該方法無法體現審計力度差異。因此，采用文本分析法構建政府審計代理變量。

通過Python爬蟲，收集了23個省、直轄市審計廳（局）官網公布的審計工作報告及解讀，剔除其中審計執行單位非省審計廳或直轄市審計局的報告后，獲得有效報告3271份。再采用文本分析方法統計報告中“金融”“銀行”“證券”“保險”四個關鍵詞的頻次，并映射到[0，1]區間，以量化各省份在審計工作中對金融行業的關注程度。鑒于省級審計工作大多于次年第一季度進行，且在審計實施當年便公布相關工作報告，故主要考察審計實施介入年度政府審計對系統性金融風險的作用。

3.中介變量：金融系統風險累積。

金融機構的資產規模擴張、信貸規模擴張以及杠桿提升均會刺激金融機構的風險承擔行為，導致金融系統風險不斷累積^[16]。因此，使用地區金融機構貸款增長率、地區內注冊上市金融機構的總資產增長率以及平均杠桿水平三個變量，運用熵值法構建出反映金融系統風險累積的綜合變量。

4.調節變量：大數據發展水平。

借鑒韓先鋒等^[25]、王欣亮等^[26]的研究，考慮到省級數據的全面性和可得性，選取了大數據基礎設施和大數據技術應用兩個一級指標，以及傳統網絡設施、新型數字設施、商用指數和民用指數四個二級指標，并通過熵值法構建綜合指數來衡量各省大數據發展水平。各指標的測算方式見表1。

5.控制變量。

借鑒左曉慧等^[27]、張曾蓮等^[24]的研究，選取與系統性金融風險密切相關的因素作為控制變量，以更好地分析政府審計對系統性金融風險的影響。具體包括金融監管強度（FR）、經濟發展水平（Economy）、對外開放水平（Foreign）、外商直接投資水平（FDI）、通貨膨脹率（CPI）、房地產發展水平（RealEstate）、科技創新（SaTI）。所有的變量及其定義如表2所示。

（三）模型設定

為檢驗大數據環境下政府審計對系統性金融風險的影響，構建非平衡面板數據模型。由于從經濟意義上看主要的時間因素已在解釋變量、控制變量中解釋，從統計上看，F檢驗的結果表明，沒有發現時間因素對模型有顯著的影響，通過豪斯曼檢驗為固定效應。因此本文設定的面板數據模型為個體因素固定效應模型，見式（2）：

RISKi，t=α0+α1Auditi，t+∑7j=1α′jControlj，i，t+

Provincei+εi，t （2）

為檢驗風險累積的中介效應，采用三步法回歸模型，在模型（2）的基礎上構建模型（3）和模型（4）：

RAi，t=β0+β1Auditi，t+∑7j=1β′jControlj，i，t+

Provincei+εi，t（3）

Riski，t=γ0+γ1Auditi，t+γ2RAi，t+

∑7j=1γ′jControlj，i，t+Provincei+εi，t（4）

為檢驗大數據發展水平的調節作用，在模型（2）的基礎上引入TBDDI、Audit×TBDD，構建如下調節效應檢驗模型：

RISKi，t=λ0+λ1Auditi，t+λ2TBDDIi，t+

λ3Auditi，t×TBDDIi，t+∑7j=1λ′jControlj，i，t+

Provincei+εi，t （5）

下標i代表省份，t代表年份；當j取值為1-7時，分別對應7個控制變量。變量Provincei用于控制省份固定效應，εi，t表示隨機誤差項。

（四）描述性統計

表3是主要變量的描述性統計結果。系統性金融風險（RISK）的均值為0.2024，標準差為0.2503，表明不同省份和年度間的系統性金融風險存在顯著差異，反映出金融市場的復雜性。政府審計（Audit）的均值為0.1979，標準差為0.2022，表明政府審計對金融行業的關注程度存在明顯差異。風險累積（RA）的均值為0.1408，最小值為0.0362，最大值為0.3467，表明風險累積現象普遍。大數據發展水平（TBDDI）的均值為0.2227，標準差為0.1328，可見不同省份和年度間的大數據發展水平也存在較大差異。控制變量的描述性統計結果與現有文獻基本一致。

四、實證分析

（一）基準回歸分析

鑒于各省份間存在難以量化的差異，采用個體固定效應模型進行后續回歸分析，并應用穩健標準誤（Robust）來減緩異方差的影響，增加回歸結果的穩健性。模型（2）的回歸結果如表4所示，列（1）和列（2）分別為不考慮和考慮控制變量的回歸結果。兩種情況下，政府審計（Audit）的估計系數均在1%的水平上顯著為負，表明大數據環境下，政府審計對金融行業的關注程度增加能有效抑制系統性金融風險的發生，假設1得以驗證。

（二）穩健性檢驗

1.替換核心解釋變量。

借鑒郭檬楠等^[22]的做法，從政府審計的揭示功能、預防功能、抵御功能三個層面選取替代指標。其中，揭示功能（lnAFMPA）用審計機關查出問題金額的自然對數來衡量；預防功能（lnTJDID）用審計機關移送司法、紀檢監察部門處理事項數量加1的自然對數來衡量；抵御功能（lnNARI）用審計機關出具審計報告數量加1的自然對數來衡量。重新回歸后的結果如表5中列（1）至列（3）所示，政府審計的估計系數至少在5%的水平上顯著為負，表明基準回歸結果穩健。

2.剔除重大金融危機事件。

考慮到2008年美國次貸危機的影響，剔除2008—2009年的數據后重新進行回歸，結果如表5列（4）所示。政府審計（Audit1）的估計系數在10%的水平上顯著為負，說明本文實證結果穩健。

3.滯后一期解釋變量。

政府審計作用具有一定的滯后性，能夠產生持續的影響，可能對未來年度的系統性金融風險也產生抑制作用。因此，對政府審計滯后一期重新進行回歸，結果如表5中列（5）所示。滯后一期政府審計（L.Audit）的估計系數在1% 的水平上顯著為負，與前文基準回歸結果一致，驗證了前文結果的穩健性，也說明了政府審計對系統性金融風險的抑制作用具有持續性。

（三）中介效應分析

表6中的列（1）、列（2）分別為模型（3）和模型（4）的回歸結果。列（1）中，政府審計（Audit）的估計系數在10%的水平上顯著為負，表明政府審計能有效減少金融風險累積。列（2）中，風險累積（RA）的估計系數在1%的水平上顯著為正，說明風險累積的降低會減小系統性金融風險，與實際情況相符。政府審計（Audit）的估計系數仍在1%的水平上顯著為負，但其絕對值由基準回歸中的0.287下降至0.255，表明風險累積發揮部分中介作用，即政府審計能夠通過減少風險累積來防范系統性金融風險的發生，驗證了假設2。

（四）調節效應分析

表6中的列（3）為模型（5）的回歸結果。其中，交互項（Audit×TBDDI）的估計系數在5%的水平上顯著為正，與政府審計（Audit）的估計系數異號，表明大數據發展水平發揮負向調節作用，即目前大數據發展水平的提升一定程度上削弱了政府審計對系統性金融風險的抑制效果，驗證假設3。

（五）異質性分析

1.地區異質性。

由于地區間經濟發展水平、政府治理能力以及金融業發達程度等方面存在差異，政府審計對系統性金融風險的防范效果存在區域性差異。將23個省份劃分為東部、中部、西部三組進行異質性檢驗，結果分別如表7中列（1）～列（3）所示。在東部和西部地區，政府審計對系統性金融風險的防范作用更顯著。原因可能在于：東部地區經濟發展水平高，政府治理能力強，金融業發達，地方金融監管更為健全，為政府審計提供了充分支持和保障。因此，該區域政府審計能顯著抑制系統性金融風險。西部地區經濟發展水平相對較低，金融業發展也較落后，但對政府審計的依賴度較高。同時，地方監管機構受政府審計的影響也比較大。在強有力的審計監督下，地方監管機構會更加警惕金融風險的出現，更有意識維護金融穩定。因此，政府審計在該區域也能夠發揮有效抑制系統性金融風險的作用，但由于西部地區整體經濟條件受限，其顯著程度會低于東部地區。中部地區經濟發展水平中等或處于上升階段，政府治理水平一般，地區可能因為追求快速發展而一定程度上忽視政府審計的監管作用，對金融風險苗頭的重視度降低，導致金融穩定性較弱。因此，該區域政府審計反而未能起到顯著抑制系統性金融風險的作用。

2.市場化水平異質性。

不同市場化水平下，政府審計的需求和供給不同，功能發揮也不相同，因而在防范系統性金融風險方面的效果也存在差異。借鑒張曾蓮等^[24]的研究，采用王小魯和樊綱等構建的中國分省份市場化總指數來衡量市場化水平。往年已出版的中國分省份市場化指數紙質報告中選用的基期年份不同，每期紙質報告中的指數不具備直接可比性，不能直接合并使用。因此，為確保數據準確性，采用中國市場化指數數據庫中提供的跨年度可比指數。因數據目前只更新至2019年，借鑒李萌萌等^[28]的做法對2020—2021年數據進行估算。同時，按照市場化水平的均值將樣本分為高低兩組進行異質性檢驗，結果如表7中列（4）和列（5）所示。低市場化水平下，政府審計對系統性金融風險的抑制效果更好。原因可能在于：在市場化水平較高的地區，法制和監管體系更為完善，金融信息更透明，公眾對金融行業運行情況的監督途徑也更多元化，因此對政府審計的治理需求相對會減少，政府審計對于系統性金融風險的防范作用也會被削弱。相反，在市場化水平相對較低的地區，社會公眾和市場監督金融行業風險的渠道單一，對政府審計的需求和依賴度越大，政府審計的執行效果越好，因而政府審計防范系統性金融風險的作用更為突出。

五、結論與建議

以2008—2021年我國23個省份的審計部門和上市金融機構為樣本，分析大數據環境下政府審計與系統性金融風險之間的關系，考察風險累積在其中發揮的中介效應、大數據發展水平對政府審計與系統性金融風險之間關系的調節作用，以及政府審計防范系統性金融風險的地區異質性問題。結果顯示：（1）大數據環境下，政府審計依然能夠有效防范系統性金融風險；（2）政府審計能夠通過減少風險累積來防范系統性金融風險；（3）大數據發展水平對政府審計防范系統性金融風險具有負向調節作用；（4）異質性分析表明，政府審計對東部、西部地區以及低市場化水平地區系統性金融風險的防范作用更顯著。

建議：第一，持續推進政府審計數字化轉型。加大政府審計技術投入力度，培訓審計人員數據分析能力，進一步推動大數據審計技術深入應用，以更好地防范系統性金融風險。第二，健全政府審計對金融系統風險累積的監測和抑制體系。構建綜合性風險累積監測機制，重點監管金融機構風險承擔水平，避免風險過度累積，有效防范系統性金融風險的發生。第三，強化大數據技術在政府審計中的正面效應。建立嚴格的數據質量控制體系，確保審計數據的真實性、完整性和可靠性，避免大數據技術不當利用產生的誤導性審計信息對審計判斷造成干擾。同時，定期評估大數據應用效果，不斷加強政府審計在大數據環境下應對系統性金融風險的能力。第四，因地制宜實施政府審計策略。在東部和西部地區，確保政府審計獲得足夠的資源支持和保障，充分發揮其風險防范功能。在中部地區，地方政府應平衡好發展與安全的關系，重視政府審計的風險防范作用；政府審計機關應提高風險敏感度，并加強與地方政府的溝通協調，確保審計策略與地方發展目標相契合，共同防范系統性金融風險。

參考文獻：

［1］ 許奕， 張寶賢. 國家審計促進經濟高質量發展的路徑分析——基于系統性金融風險防范視角[J]. 財會通訊， 2022（11）： 134-138.

［2］ 審計署金融審計司課題組， 呂勁. 審計機關在防范系統性區域性金融風險方面發揮作用的機制研究[J]. 審計研究， 2015（4）： 22-27.

［3］ 張榮剛， 李靜. 數字時代國家審計防范互聯網金融風險的協同治理研究[J]. 西安財經大學學報， 2023 （4）： 51-64.

［4］ 蔣楠. 論大數據時代國家審計變革與發展[J]. 財會月刊， 2022（7）： 113-117.

［5］ 陳蕾，任文達，黃冰柔. 金融科技對中國區域金融風險的影響研究 [J]. 福建論壇（人文社會科學版）， 2021（10）： 155-167.

［6］ 李斐， 焦躍華. 國家審計、政府治理與地方銀行風險——基于中介效應理論的分析[J]. 審計研究， 2020（6）： 3-9.

［7］ 蔡利， 周微. 政府審計與銀行業系統性風險監控研究[J]. 審計研究， 2016（2）： 50-57.

［8］ 曹源芳， 蔡則祥， 王家華. 跨市場資產管理業務的風險控制與政府審計[J]. 山西大學學報（哲學社會科學版）， 2017， 40（1）： 109-114.

［9］ 苗文龍， 閆娟娟. 系統性金融風險研究述評——基于宏觀審慎監管視角[J]. 金融監管研究，2020 （2）： 85-101.

［10］張陸洋， 孔玥. 美國次貸危機大系統因素分析——對中國防范金融風險的啟示[J]. 金融論壇， 2020， 25（2）： 3-7.

［11］Benoit S， Colliard J E， Hurlin C，et al. Where the risks lie： a survey on systemic risk[J]. Review of Finance， 2017， 21（1）： 109-152.

［12］Brownlees C， Engle R F. SRISK： a conditional capital shortfall measure of systemic risk[J]. The Review of Financial Studies， 2017， 30（1）： 48-79.

［13］謝賢君， 王曉芳. 跨境資本流動對銀行風險的影響——基于風險累積效應和風險傳染效應的視角 [J]. 改革， 2022（2）： 127-143.

［14］陳曉莉， 成碩.宏觀審慎政策對銀行間風險傳染的影響——基于中國銀行業數據的實證研究[J].金融論壇， 2021， 26（12）： 29-38，78.

［15］方意， 王晏如， 黃麗靈，等. 宏觀審慎與貨幣政策雙支柱框架研究——基于系統性風險視角[J]. 金融研究， 2019（12）： 106-124.

［16］何劍， 鄭智勇， 張夢婷. 資本賬戶開放、系統性金融風險與經濟高質量發展[J]. 經濟與管理研究， 2020， 41（5）： 91-106.

［17］Dell’ Ariccia G， Laeven L， Suarez G A. Bank leverage and monetary policy’ s risk-taking channel： evidence from the United States[J]. The Journal of Finance， 2017， 72（2）： 613-654.

［18］Morin D. Democratic accountability during performance audits under pressure： a recipe for institutional hypocrisy？[J]. Financial Accountability amp; Management， 2016， 32（1）： 104-124.

［19］李成艾， 何小寶. 大數據審計組織方式的探索與創新[J]. 審計研究， 2019（5）： 23-29.

［20］趙云輝， 張哲， 馮泰文，等. 大數據發展、制度環境與政府治理效率[J]. 管理世界， 2019（11）： 119-132.

［21］鄭偉， 張立民，崔雯雯， 等. 信息技術與國家審計質量——基于違規金額和地區生產總值的視角 [J]. 審計與經濟研究， 2020， 35（4）： 1-8.

［22］郭檬楠， 郭金花， 杜亞光. 國家審計治理、數字經濟賦能與綠色全要素生產率增長[J]. 當代財經， 2022， 450（5）： 137-148.

［23］喻采平， 彭紅霞， 黃巖渠. 雙傳染渠道下銀行系統性風險的測度研究[J]. 財經理論與實踐， 2023， 44（4）： 42-49.

［24］張曾蓮， 岳菲菲. 國家審計維護金融穩定的路徑與機制研究[J]. 金融經濟學研究， 2021， 36（2）： 34-51.

［25］韓先鋒， 宋文飛， 李勃昕. 互聯網能成為中國區域創新效率提升的新動能嗎[J]．中國工業經濟， 2019（7）： 119-136.

［26］王欣亮， 張家豪， 劉飛. 大數據是經濟高質量發展的新引擎嗎？——基于數據基礎設施與技術應用的雙重效應解釋[J]. 統計研究， 2023， 40（5）： 103-119.

［27］左曉慧， 劉思遠. 金融監管對防范系統性金融風險影響研究[J]. 經濟問題， 2021（7）： 55-61，119.

［28］李萌萌， 郭曉川， 王鋒正. 數字化、市場化進程與資源型企業生產率[J]. 華東經濟管理， 2023， 37（8）： 110-118.

（責任編輯：鐘瑤，鄒彬）

Research on the Effect of Government Auditing Preventing Systemic

Financial Risks in Big Data Environment

YU Caiping1，PENG Hongxia1，HUANG Yanqu^2，3

（1.School of Economics and Management， Changsha University of Science

amp; Technology， Changsha， Hunan 410014，China;

2.School of Economics， Central South University of Forestry and Technology， Changsha， Hunan 410004，China;

3. Hunan Provincial University Philosophy and Social Science Key Research Base “Industrial Economy

High Quality Development Research Center”， Changsha， Hunan 410004，China）

Abstract：Based on the unbalanced panel data from 23 provinces in China from 2008 to 2021， this study examines the effectiveness of government auditing in preventing systemic financial risks in the big data environment. The results show that government auditing can still significantly suppress systemic financial risks in the big data environment， and the risk accumulation in the financial system plays a mediating role in this process. Under current conditions， the improvement of big data development level cannot enhance the risk prevention effect of government auditing. Heterogeneity tests indicate that the role of government auditing in preventing systemic financial risks is more significant in the eastern and western regions of China， as well as under low marketization levels. In light of this， it is recommended to further promote the digital transformation of government auditing， improve the mechanism of government auditing in suppressing the accumulation of financial risks， and implement auditing strategies according to local conditions.

Key words：government auditing; systemic financial risks; risk accumulation; level of big data development