大数据审计：五大趋势与五大挑战 .docxVIP

大数据审计：五大趋势与五大挑战 摘要】大数据审计代替传统审计是大势所趋。文章在介绍人工智能和大数据等技术的根底上，提出了大数据审计的五大趋势，即审计智能化、审计平台化、审计信息多维化、从抽样审计向详细审计转变以及审计可视化。同时，还指出了大数据审计面临的五大挑战，即大数据获取本钱高、观念与习惯转变困难、人才难得、审计业务的复杂性与大数据审计体系设计的复杂性，研究结论对于大数据审计实践具有一定的借鉴意义。【关键词】大数据审计;五大趋势;五大挑战【中图分类号】F239.1?【文献标识码】A?【文章编号】1004-5937〔2021〕08-0002-10会计智能化的趋势已经日渐清晰。无论是实务界、学术界，还是监管机构，关注的重点应该尽快从会计工作是否会智能化、是否会被机器代替，转向如何尽快引进人工智能、大数据等技术推动会计工作、会计教育、会计监管全面向智能化转型。我们可以在大脑中假想这样三幅图：第一幅图是一条泥泞的土路以及路上的行人;第二幅图是一条高速公路以及路上的行人;第三幅图是一条高速公路以及奔驰的跑车。这三幅图分别代表会计工作的过去、现在和未来。在过去，会计“根底设施〞简陋，因而形成了一套人工会计规那么。现在，人工智能、大数据等技术蓬勃开展，已经初步具备了会计智能化条件，但我们仍然以人工会计为主。这种状态不具有可持续性，未来一定会形成与技术一致的智能会计体系，即第三幅图。本文拟从大数据审计角度，尝试分析新技术对审计的影响。具體而言，本文提出大数据审计的五大趋势与五大挑战。一、大数据审计：五大趋势审计工作的核心是从纷繁芜杂的结构与非结构化数据中发现风险点进而找出重大错报。随着人工智能、大数据等技术的开展，这一过程正在进行一场深刻的变革，并且呈现出与以往任何形式的审计变革都不一样的特点。具体而言，近期审计工作可能会呈现出如下五大趋势。〔一〕审计智能化技术的进步让审计工作从手工模式向智能化模式转变成为可能，下面结合具体的技术来阐述审计智能化趋势。简而言之，机器学习就是要让电脑像人一样学习知识，然后利用学到的知识解决问题。其中最重要的角度之一是基于历史数据训练模型，利用训练好的模型进行预测。机器学习不拘泥于“可解释性〞，灵活地选择函数形式进行拟合数据，这使得其预测能力强于传统计量方法【1】。例如，Baoetal.【2】提出了一套利用机器学习技术预测上市公司舞弊概率的方法，发现新模型的预测准确性比传统的逻辑回归模型提高了近5倍②。另外，用机器学习的方法来尝试预测上市公司的业绩〔如图1〕。图中a线是上市公司实际的EPS均值，b线是基于机器学习的预测值，c线是分析师的一致性预测值。可以看出，基于机器学习的方法得到的预测值与实际的业绩非常接近，比分析师的一致性预测更准确。正因为有着传统计量方法所不具备的优势，机器学习技术在审计中具有广阔的应用前景。从短期来看，主要的应用场景包括业务承接、风险评估与控制测试等环节。在业务承接与风险评估环节，可以基于训练好的模型，输入客户公司的数据，自动分析它们的舞弊概率、风险上下、预测的关键财务指标与实际指标之间的差异度等，然后自动判断审计风险的上下，进而确定是否承接该业务;如果承接该业务，那么进一步自动分析客户主要的风险点有哪些。在控制测试环节，可以基于以前年度的内控运行数据、训练模型，预测可能的薄弱环节。总之，机器学习技术可以帮助审计师更多地进行非现场审计、智能化审计，在提升效率的同时，大幅度提升审计的质量。自然语言处理的核心理念是让计算机学习并处理〔尤其是人机交互〕人类语言，是一个前景广阔的研究与应用领域。目前的技术已经足够用来提升会计审计的智能化水平。在具体应用方面，Chanetal.【3】利用自然语言技术，研究了一个有趣的问题，将人民日报从创刊到2021年的所有文章都“喂给〞计算机，然后训练模型，预测每一篇文章成为头版头条的概率，并将预测值与实际值进行比较，构建了一个PCI指数。该指数的值越小，说明从时间序列来看，国家政策比较平稳;反之，那么说明国家政策波动较大。如图2所示，以1966—1976年为例，PCI的值较小，说明预测值与实际值比较一致。但是在1970年代末期，PCI的值突然显著上升，说明国家政策正在发生大的变化。例如，以关于真理讨论、经济改革等主题的文章为主。计算时机根据这个指数的变化，提示国家政策正在发生变化。这正如一个人每天阅读人民日报，如果他是有心人并具备很强的逻辑分析能力，就能够根据文章主题的变化，推断国家政策的风向标正在发生变化。不过，机器学习无论是效率还是效果，可能都要优于人类。自然语言处理技术在审计工作中大有用武之地。它能够帮助审计师自动分析海量的文本，并提炼出大量有价值的信息，这恰恰是传统人工审计的薄弱环节。虽然审计准那么要求审计师对被审计单