1990-2025年上市公司审计费用、审计意见和是否四大

最新推荐文章于 2026-08-20 18:09:56 发布
原创 最新推荐文章于 2026-08-20 18:09:56 发布 · 147 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

【数据名称】上市公司审计费用、审计意见和是否四大

【数据年份】1990-2025

【数据源】CSMAR数据库（国泰an）

Fee：审计费用合计

LnFee：审计费用合计加 1 后取自然对数，对审计费用进行对数化处理

Opinion：是否出具标准无保留意见，审计意见类型为标准无保留意见时取值为 1，否则为 0

Big4：是否由四大会计师事务所审计，境内审计事务所属于德勤、普华永道、安永、毕马威之一时取值为 1，否则为 0

参考文献：

[1]王瑶,张允萌,侯德帅. 企业ESG表现会影响审计意见吗?[J].审计与经济研究,2022,37(5)54-64.

[2]吴武清,赵越,苏子豪. 企业信息化建设与审计费用——数字化转型时期的新证据[J].审计研究,2022,(1)106-117.

[3]张娟,黄志忠. 高管报酬、机会主义盈余管理和审计费用——基于盈余管理异质性的视角[J].南开管理评论,2014,17(3)74-83+93.

顶部专栏分享更多内容

专栏合集：经管社科数据集合与整理

来源： Paper 数据分析

标签
#数据库
Excel计算年龄的4种方法与避坑指南
weixin_34072637的博客
06-23 373
年龄计算是Excel数据处理中最基础也最易出错的日期运算之一，其本质是跨日历周期的精确时间差求解。核心原理在于正确处理闰年、月末差异、2月29日等日历不规则性，而非简单天数除法。技术价值体现在保障HR花名册、社保年限、法律文书等关键业务场景的零误差，避免因0.1岁偏差导致的合规风险。典型应用场景包括员工退休判定、医疗档案标注、人口统计分析及跨时区人员管理。本文聚焦DATEDIF与YEARFRAC函数的底层逻辑差异、闰日兼容方案及千行级工程化落地，特别揭示Excel 1900日期系统缺陷与文本型日期陷阱。
AI Agent Runtime 架构演进：从上下文状态管理到沙箱化执行
dglf54292的博客
06-15 424
AI Agent Runtime 是支撑大模型智能体稳定、安全、可运维运行的底层基础设施，其核心在于解耦状态管理、执行调度与环境隔离。传统方案将对话历史和工具结果硬塞入模型上下文，导致截断失真、调试困难与凭证泄露风险；现代架构则转向事件溯源式 session 存储、无状态 harness 调度器与硬件级 sandbox 隔离，实现可审计、可回放、合规就绪的生产级运行时。这一范式迁移正推动 AI 工程从 prompt 工程迈向系统工程，成为金融、医疗等高监管行业落地 Agent 的关键前提。Anthropic
1990-2025年上市公司数据大全
xiaozhuzhu1995的博客
07-18 206
税后净营业利润（NOPAT）两套口径、EVA经济增加值（两套口径）、EVA变动比例、人均EVA、每股EVA、ROIC投入资本回报率、EVA率、总资产EVA率、净资产EVA率、销售EVA率、完整的EVA计算调节项（财务费用、利息支出、汇兑损益、资产减值损失、开发支出、递延所得税、公允价值变动损益、投资收益等）证券代码、证券简称、公司全称（中英文）、上市日期、成立日期、发行价格与发行溢价、市场类型、所属板块（主板/创业板/科创板等）、是否ST/*ST/PT状态标识、AB股标识、是否仅发行A股。
Agent Runtime 重构：Session 作为事件日志的工程范式
weixin_34380948的博客
06-27 455
在 AI Agent 工程化落地过程中，‘状态管理’是核心瓶颈——传统依赖大模型上下文窗口存储会话状态的方式极易导致静默丢失、不可回溯与调试困难。其本质是将有状态计算强耦合于无状态推理，违背分布式系统设计原则。基于事件日志（Event Log）的 Session 抽象，通过解耦状态存储、执行逻辑与安全沙箱，实现了确定性快照、幂等写入与故障隔离，显著提升生产可靠性。该模式已成 Anthropic Managed Agents、AWS Bedrock AgentCore 等主流 Runtime 的底层共识，并正
GenAI 正在如何改变金融研究？一份系统性综述（中）
Stata连享会
03-25 91
《GenAI如何改变金融研究：系统性综述（中）》聚焦生成式AI在金融经济学四大领域的应用进展。在公司金融方面，AI通过促进创新和提升运营效率影响企业绩效，研究显示AI专利存在9%的价值溢价，且AI人才储备显著提升企业估值。在资产定价领域，机器学习增强了收益预测能力和因子发现。家庭金融方面，AI推动了普惠信贷和智能投顾发展，但也带来数据隐私问题。劳动力市场则呈现AI的自动化与增强效应双重影响，可能加剧工资不平等。研究表明AI更可能增强而非替代人类决策，但需配套治理结构以规避潜在风险。
GPT-5.5幻觉抑制技术解析：语义锚定与风险熔断实战指南
aibiba0894的博客
06-15 582
大语言模型幻觉（Hallucination）是指模型生成看似合理但事实错误的内容，其根源在于传统训练目标过度奖励‘自信作答’而非‘诚实认知’。GPT-5.5通过重构奖励机制、引入不确定性感知与多层校验架构，首次将‘拒绝回答’作为可量化的核心能力。其关键技术包括语义锚定层（绑定监管文件哈希）、动态风险熔断（按事实性/观点性分级拦截）和上下文自检环（双模型交叉验证），显著降低金融、法律、医疗等高敏场景的幻觉率。本文结合OpenAI官方SDK适配、API隐藏参数配置及本地化部署陷阱，详解如何在不改业务代码前提下落
DeepSeek V4深度评测：国产大模型的政策理解与工程落地能力解析
weixin_30892763的博客
07-03 456
大语言模型（LLM）作为当前AI应用的核心基座，其实际可用性不仅取决于参数规模，更依赖逻辑推理能力、中文语义鲁棒性与长上下文稳定性等关键工程指标。DeepSeek V4通过引入逻辑链完整性惩罚项（LCI Penalty）和中文语义锚点保真度约束（CSA Constraint），显著提升了政策文件解读、技术文档生成与多跳问答等场景的准确率与可解释性。其MoE+GRU混合架构在8K上下文内实现高信息密度输出，兼顾推理效率与状态保持能力，特别适合企业级AI中台、B端合规内容生产及教育辅助工具等对稳定性与准确性要求
泛微E10动作流定时更新数据库表单全量数据
月与清酒的博客
08-18 228
以上就是两个动作流的基本配置第一个动作流对外定时发送页数，第二个动作流来监听第一个动作流发送的参数并且对数据库表单进行更新，这样一个简单的定时更新数据库表单的定时任务就处理好了。
redis的持久化
qq_31532983的博客
08-19 293
机制一句话概括RDB定时拍内存快照，恢复快、文件小，但可能丢数据AOF记录每条写命令，数据安全、可实时持久化，但文件大、恢复慢混合AOF 重写时前半段用 RDB、后半段用 AOF，兼顾两者优点核心选择逻辑能丢数据 → RDB不能丢数据 → AOF（everysec）又要快又要安全 → RDB + AOF 混合。
Go 后端常见权限问题完整整理
weixin_51380508的博客
08-18 358
后端常见权限问题完整整理
Java大厂面试实录：Spring Boot与微服务、Redis缓存、JWT安全、Prometheus监控全解析——记谢飞机的一次硬核面试
2602_95996092的博客
08-16 267
周六下午，互联网大厂“星河科技”的会议室里，阳光透过落地窗洒在长桌上。面试官李总眉头微蹙，翻看着眼前这位候选人的简历——谢飞机，三年Java开发经验，自我评价“精通全家桶”。对面，谢飞机正襟危坐，嘴角带着一丝自信到发光的微笑。李总推了推眼镜，语气平淡：“谢飞机先生，我们开始吧。今天聊电商后端场景，你平时写代码用什么Java版本？
Explaing各个字段的含义
2302_79230324的博客
08-15 313
当你拿到一条EXPLAIN先看type：有没有ALL？有就立即优化。再看key：是不是NULL？是就建索引。然后看rows：估算行数是否异常大（比预期大一个数量级）。最后看Extra：有没有或？有就调整索引或改写 SQL。如果都正常：再看key_len确认联合索引是否充分利用。
MySQL 5.7 在 CentOS 7 环境安装：从清理 MariaDB 到初始化与完善配置
枫亭湖区的博客
08-18 241
MySQL 官方提供了适用于 Linux 系统的 Yum 存储库，这些存储库包含了预编译的 MySQL 软件包及其所有依赖项 为什么要使用 Yum 安装 MySQL？ 自动解决依赖关系：Yum 会自动解析并安装 MySQL 运行所需的所有依赖库 版本管理便捷：可以直接通过 Yum 命令升级或降级 MySQL 版本 标准化配置：官方 Yum 源中的 MySQL 包已经针对特定 Linux 发行版进行了优化 2.2 下载 MySQL 官方 Yum 源 访问 MySQL 官方 Yum 存储库页面 MySQL 官方
【k3s】AutoK3s delete -p native --name 源码深度解析
zhonglinzhang
08-16 487
AutoK3s `delete -p native --name` 源码深度解析
Selenium | Edge 手动驱动完整版教学
qq_51372804的博客
08-20 221
适用场景：网络不佳，Selenium自动下载驱动失败，搭配 Edge 浏览器运行。
Python 3.9 · Flask 火灾监测识别系统 与 钉钉告警机器人 集成说明文档
isoft888的专栏，致力于C#/python分享物联网、大数据，神经网络的等领域，欢迎讨论交流！
08-19 213
本文介绍如何将钉钉群机器人告警功能集成到基于Python 3.9和Flask的火灾监测系统中。主要内容包括：系统架构设计（YOLOv11检测火灾/烟雾后触发钉钉告警）、环境配置说明、钉钉机器人创建与安全设置（推荐使用加签验证）、钉钉推送模块代码实现（支持重试机制）、Flask后端集成改造方法，以及告警去重与冷却控制机制。文档提供了完整的实施步骤，从环境准备到测试验证，并包含常见问题解答和进阶功能建议（如图片告警）。该方案实现了火灾检测的实时预警功能，同时避免了消息刷屏问题。
Redis 性能优化基本设置
最新发布
X-Dragon的博客
08-20 61
（Jedis 默认）时，低峰或刚启动后池内无连接，请求需现场建连，首包延迟高。超过时，归还的多余连接会被销毁。在 borrow 不做检测的前提下，由后台线程周期性清理死连接。（无限等待）会导致线程在池满时长时间阻塞，级联拖垮业务线程池。的超时（connect timeout），与命令读写超时分开。创建频率低，一次 PING 可尽早发现连到坏节点，成本可接受。设为相同值（如均为 64），池规模稳定，行为可预期。：连接空闲超过该时长后，才可能被驱逐线程检测并回收。：连接池耗尽时，调用方等待获取连接的最长时间（
家政派单系统开发实战：架构设计与派单算法指南
zww8949111的博客
08-18 304
家政派单系统是连接用户需求与上门服务人员的核心调度平台，其开发难点并不在于简单的CRUD，而是在于如何设计一套能支撑“多角色、多任务类型、高并发抢单”的架构，以及一套能让订单和师傅效率化的派单算法。一旦师傅手动拒绝系统派单，近1小时的接单权重下降50%，防止师傅只接高价单而忽略普通单，导致用户体验受损。建议优先搭建一个可配置化的规则引擎，将派单距离、服务类目、师傅等级做成后台可调整的配置项，这样后期运营调整策略时，无需修改代码。师傅接单后的轨迹追踪，是提升用户体验的关键，也是开发的难点。
Helm Chart依赖管理实战
m0_52572472的博客
08-17 222
在kind: Podmetadata:spec:关键注解说明：标记为测试 Hook：测试成功后自动删除 Pod。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值