原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024年第6期
基于SAE-BP神经网络的
审计风险识别研究
——以计算机、通信和其他电子设备制造业行业为例
刘聪粉，张庚珠
（西北政法大学商学院（管理学院），陕西西安710100）
摘要：审计风险的识别和评估是现代风险导向审计的重要内容，为准确地识别审计风险，建立了一套基于SAE-BP神
经网络的审计风险识别模型。选取16个指标构成重大错报风险评估模型的输入指标体系，利用SAE算法提取特征，通过机
器学习模型BP神经网络分类器进行识别，构建SAE-BP神经网络，并选取135个A股上市公司作为样本进行了实证分析。结
果表明:该模型运算速度快，模型平均识别准确率较高，可以达到88.5%，能够对审计风险进行高质量识别，有效提高了审计
的效率。
关键词：审计风险识别；大数据；稀疏自编码器；神经网络
中图分类号：F239.1文献标识码:A文章编号:1004-972X(2024)06-0123-07
一、引言用有促进作用，将“IT”计算运用到审计中，能提供
[6]
近年来，上市公司财务造假严重损害了会计师解决方案。居江宁等将Python、Neo4j、模糊匹配
事务所的公信力，并对投资者的决策产生了重大影技术和特征工程技术等大数据前沿技术运用到审
[7]
响，因此，关于审计风险识别评估方法的研究备受计中，提升了审计效率。吕新民和王学荣将数据
关注。中华人民共和国审计署在2021年的《“十四挖掘技术运用到审计数据分析中，提高了对海量审
[8]
五”国家审计工作发展规划》中提出，应利用大数计数据分析的效率。刘杰等将人工神经网络运用
据、云计算等电子信息技术革新传统审计方法，提于审计领域，阐述了人工智能对审计的渗透性，构
[9]
高审计效率和质量，实现全面高效审计；注册会计建了人机协同的审计作业模式。朱宇龙等运用朴
师在审计中需以风险为导向，充分辨识和控制审计素贝叶斯和K-means聚类两种机器学习算法，构建
风险。因此，审计风险的识别与评估是进行风险导了非现场审计模型，通过此算法的技术训练，有效
向审计的一个关键步骤，为后续的审计程序设计和扩大了非现场审计模型的容量，显著地提高了审计
[10]
执行打下了坚实的基础。现代审计风险受多种因效率并且有效推动了审计方式的进步。王忠和
素的影响，包括审计主体、审计对象、审计师经验判
文档评论（0）