监管能被识别吗：基于机器学习与问询函的证据

本文研究了证券交易所问询函监管的关注重点，采用六种机器学习方法构建公司是否收到问询函的预测模型。研究发现，随机梯度提升树和随机森林等集成学习方法预测效果最佳，显著优于逻辑回归；公司财务特征对收函概率的预测能力优于治理特征和文本特征；上市年数、盈利能力、持续经营能力等指标对收函概率的识别效果较好。研究为上市公司理解监管重点和投资者识别高风险企业提供了参考，并对加强科技监管提出了政策建议。