科技监管和智能监管是完善现代金融监管体系的重要方向，但对企业和投资者而言，监管机构的实际关注重点仍是一个有待探究的重要问题。本文采用六种具有代表性的机器学习方法，利用多维度特征构建公司是否收到证券交易所问询函的样本外预测模型，进而找出对公司收函概率预测能力较强的公司特征并分析其预测模式。研究发现：（1）在不同机器学习方法中，以随机梯度提升树和随机森林为代表的集成学习方法对公司收函概率的预测效果最佳，且预测能力显著优于以往研究常用的逻辑回归方法；（2）公司财务特征对企业收函概率的预测能力优于公司内部或外部治理特征以及年报文本特征；（3）在多维度公司特征中，公司上市年数、盈利能力、持续经营能力、资产减值损失、管理层持股比例和内部控制质量对企业是否收函的识别效果较好。异质性分析显示，交易所在不同时间阶段的问询函监管重心存在差异，沪深交易所的关注重点也有所区别。机器学习方法有助于上市公司理解交易所问询函监管并促进自身高质量发展，对加强和完善现代金融监管尤其是强化监管科技运用有一定的启示价值。

证券监管  问询函  机器学习

陈运森1   周金泳1   邓祎璐2