基于智能技术风险导向审计.docVIP

基于智能技术风险导向审计 　　[提要] 随着专家系统、知识发现、神经网络等智能技术在各个领域的发展，以经营风险评估为基础的风险导向审计也会有新的突破。本文结合相关理论建立现代风险导向审计专家系统，并阐述如何通过数据挖掘技术建立行业和企业风险信息库，最后指出如何借助人工智能技术改善风险导向审计的不足之处是进一步的研究方向。 　　关键词：风险导向审计；专家系统；数据挖掘；风险信息库 　　中图分类号：F239 文献标识码：A 一、引言 　　数据大量增加、算法的显著进步、计算机硬件性能的巨大提升使得人工智能技术取得突破性发展。而随着审计数据越来越庞大、审计范围越来越广泛、审计性质越来越复杂，更需要开拓新的审计模式并借用人工智能技术提高审计效率、缩小审计期望差距。 　　近几年，国内外经常爆发上市公司财务舞弊造假的案件，使得承接IPO或者新三板业务的会计师事务所面临潜在的审计失败的风险。对比传统的账目审计和制度审计，风险导向审计以企业的经营风险为切入点，更加重视财务报表重大错报风险的评估，从而把审计资源分配至容易发生错报的领域。现代风险导向审计以经营风险导向观、战略分析观为基础，从整体上评估财务报表重大错报风险。人工智能目前最突出的两大应用领域是感知和认知，通过评估行为，将动作变成数据，用于分类认知，在风险导向审计中审计师就可以借助智能技术对经营风险进行敏锐识别。 二、建立现代风险导向审计专家系统 　　本文结合Knechel（2007）、聂新军等（2013）等学者的风险导向审计理论和专家系统的相关理论，建立了现代风险导向审计专家系统，运用专家知识不断对企业重大错报风险进行推理和判断，形成动态的被审计单位财务报告数据库，最终实现智能高效的审计判断。用户（审计师）通过人机界面用定性或定量的方式回答系统的提问，比如对被审计单位环境的了解结果、内部控制的结果等，推理机将用户输入的这些信息与知识库中的知识和规则进行推理，根据被审计单位的管理经营活动不断对财务报告生成预期数据库，与实际值的差距促进推理机不断地对审计风险中的固有风险、控制风险加以识别和评估，并利用解释结构加以证实或否定，最终以定性和定量方式报告重大错报风险。专家系统运行过程中，不断地通过人机接口与用户进行交互，向用户提问，并为用户做出解释，如此循环往复让风险评估程序的性质、时间和范围不断加以调整和修正。 　　（一）知识库组件。知识库用于存储审计领域专家系统的事实、可行操作与法则。事实包括审计风险的构成、不同层次的错报风险（财务报表层次和认定层次）特征等；控制法则有自动生成并自我调整的可接受检查风险、重要性水平的参数范围；本系统其他经验数据和经验公式包括风险导向审计经典的审计风险模型为“审计风险=重大错报风险×检查风险”，另外还有审计专家对检查风险的判断、对重大错报风险的判断、对财务报告的预期、对存在重大风险的环节的判断等经验知识。 　　（二）知识获取结构。知识获取结构负责根据需要创建、更改、删减等完善知识体系的一系列操作程序，从而保证知识库的全面完整和实时更新。知识获取结构需要从审计领域专家获取风险导向审计的规则和经验以及对企业环境、内控等了解到的信息，通过专门的软件工具和编程方法除掉其冗余成分和互相矛盾的地方，以最佳的格式存储于知识库中。另外，系统每运行一次风险导向审计循环，还能自动获取新知识添加到知识库中。 　　（三）推理机。推理机作为专家系统的核心，根据用户输入的关于企业行业状况、法律环境、监管环境、企业性质、内控了解的结果等，利用知识库中的相关审计准则、风险导向审计理论、风险评估经验知识，推理和导出风险评估的结果、财务报告的预期值等结论，而不是简单地搜索?F有的答案。 　　（四）数据库。数据库用于存放求解问题过程中所用到的原始信息、问题描述、中间推理结果、控制信息和最终结果等。风险导向审计中更强调获取关于企业经营活动的直接证据，因此实时采集的数据更偏向于被审计单位的原始信息，即被审计单位的所有权性质、治理结构、组织结构、经营战略、审计师对与财务报表审计相关的内部控制的了解信息等，对于企业加工后的数据可能被管理者粉饰过而不被审计师信任。 　　（五）解释机构。解释机构需要输出会计报表剩余风险的结果和对进一步审计程序的推理过程并向审计师解释推理结论的正确性。具体包括：审计师对财务数据的期望值和实际值之间差距引起的审计关注；重大错报风险具体存在的会计账户并追溯至最原始的交易活动；对高风险审计领域和高风险客户的判断，考虑对哪些账户和交易环节进行控制测试、细节测试和实质性测试，所实施的审计程序的时间、严格性以及样本规模的差异性。经营风险越低，意味着产生对应财务报表的重大错报风险也会越低。此时，注册会计师可以在财务报表层次选择更高的重要性水平，在执行具体实质性测试