基于智能技術的風險導向審計

汪一璇

[提要] 隨著專家系統、知識發現、神經網絡等智能技術在各個領域的發展，以經營風險評估為基礎的風險導向審計也會有新的突破。本文結合相關理論建立現代風險導向審計專家系統，并闡述如何通過數據挖掘技術建立行業和企業風險信息庫，最后指出如何借助人工智能技術改善風險導向審計的不足之處是進一步的研究方向。

關鍵詞：風險導向審計；專家系統；數據挖掘；風險信息庫

中圖分類號：F239 文獻標識碼：A

一、引言

數據大量增加、算法的顯著進步、計算機硬件性能的巨大提升使得人工智能技術取得突破性發展。而隨著審計數據越來越龐大、審計范圍越來越廣泛、審計性質越來越復雜，更需要開拓新的審計模式并借用人工智能技術提高審計效率、縮小審計期望差距。

近幾年，國內外經常爆發上市公司財務舞弊造假的案件，使得承接IPO或者新三板業務的會計師事務所面臨潛在的審計失敗的風險。對比傳統的賬目審計和制度審計，風險導向審計以企業的經營風險為切入點，更加重視財務報表重大錯報風險的評估，從而把審計資源分配至容易發生錯報的領域。現代風險導向審計以經營風險導向觀、戰略分析觀為基礎，從整體上評估財務報表重大錯報風險。人工智能目前最突出的兩大應用領域是感知和認知，通過評估行為，將動作變成數據，用于分類認知，在風險導向審計中審計師就可以借助智能技術對經營風險進行敏銳識別。

二、建立現代風險導向審計專家系統

本文結合Knechel（2007）、聶新軍等（2013）等學者的風險導向審計理論和專家系統的相關理論，建立了現代風險導向審計專家系統，運用專家知識不斷對企業重大錯報風險進行推理和判斷，形成動態的被審計單位財務報告數據庫，最終實現智能高效的審計判斷。用戶（審計師）通過人機界面用定性或定量的方式回答系統的提問，比如對被審計單位環境的了解結果、內部控制的結果等，推理機將用戶輸入的這些信息與知識庫中的知識和規則進行推理，根據被審計單位的管理經營活動不斷對財務報告生成預期數據庫，與實際值的差距促進推理機不斷地對審計風險中的固有風險、控制風險加以識別和評估，并利用解釋結構加以證實或否定，最終以定性和定量方式報告重大錯報風險。專家系統運行過程中，不斷地通過人機接口與用戶進行交互，向用戶提問，并為用戶做出解釋，如此循環往復讓風險評估程序的性質、時間和范圍不斷加以調整和修正。

（一）知識庫組件。知識庫用于存儲審計領域專家系統的事實、可行操作與法則。事實包括審計風險的構成、不同層次的錯報風險（財務報表層次和認定層次）特征等；控制法則有自動生成并自我調整的可接受檢查風險、重要性水平的參數范圍；本系統其他經驗數據和經驗公式包括風險導向審計經典的審計風險模型為“審計風險=重大錯報風險×檢查風險”，另外還有審計專家對檢查風險的判斷、對重大錯報風險的判斷、對財務報告的預期、對存在重大風險的環節的判斷等經驗知識。

（二）知識獲取結構。知識獲取結構負責根據需要創建、更改、刪減等完善知識體系的一系列操作程序，從而保證知識庫的全面完整和實時更新。知識獲取結構需要從審計領域專家獲取風險導向審計的規則和經驗以及對企業環境、內控等了解到的信息，通過專門的軟件工具和編程方法除掉其冗余成分和互相矛盾的地方，以最佳的格式存儲于知識庫中。另外，系統每運行一次風險導向審計循環，還能自動獲取新知識添加到知識庫中。

（三）推理機。推理機作為專家系統的核心，根據用戶輸入的關于企業行業狀況、法律環境、監管環境、企業性質、內控了解的結果等，利用知識庫中的相關審計準則、風險導向審計理論、風險評估經驗知識，推理和導出風險評估的結果、財務報告的預期值等結論，而不是簡單地搜索現有的答案。

（四）數據庫。數據庫用于存放求解問題過程中所用到的原始信息、問題描述、中間推理結果、控制信息和最終結果等。風險導向審計中更強調獲取關于企業經營活動的直接證據，因此實時采集的數據更偏向于被審計單位的原始信息，即被審計單位的所有權性質、治理結構、組織結構、經營戰略、審計師對與財務報表審計相關的內部控制的了解信息等，對于企業加工后的數據可能被管理者粉飾過而不被審計師信任。

（五）解釋機構。解釋機構需要輸出會計報表剩余風險的結果和對進一步審計程序的推理過程并向審計師解釋推理結論的正確性。具體包括：審計師對財務數據的期望值和實際值之間差距引起的審計關注；重大錯報風險具體存在的會計賬戶并追溯至最原始的交易活動；對高風險審計領域和高風險客戶的判斷，考慮對哪些賬戶和交易環節進行控制測試、細節測試和實質性測試，所實施的審計程序的時間、嚴格性以及樣本規模的差異性。經營風險越低，意味著產生對應財務報表的重大錯報風險也會越低。此時，注冊會計師可以在財務報表層次選擇更高的重要性水平，在執行具體實質性測試時選擇更低的錯報風險水平，從而減少了進一步審計程序的工作量，如減少實質性程序中的樣本量，甚至可以直接信賴控制測試的結果，不再執行實質性程序。

三、利用數據挖掘技術建立風險信息庫

現代風險導向審計將重點工作前移至對企業的經營風險和戰略風險進行評估。在當今信息化的背景下，涉及被審計單位各個利益相關者的通過人、機、物融合的行業數據、經營數據呈現種類繁多、數量龐大的特點，如何有效辨識與被審計單位重大錯報風險息息相關、潛在有用并能被理解的數據就需要數據挖掘技術的支持，在此基礎上搭建的風險信息庫有助于審計師識別預期風險和審計資源的合理分配。

（一）建立行業風險信息庫。會計師事務所可以與政府、稅務、工商、行業主管部門進行合作，尤其是各大證券公司對每一個行業都有獨立的研究人員和分析師，研究經驗豐富，與其聯手可以減少數據庫的建設成本。我國會計師事務所目前掌握的行業信息相對較為零散，缺乏對不同行業的數據進行整合與篩選，急需開發統一口徑的行業風險分析信息共享數據庫。基于數據庫各個對象共同特性的分類模型能夠替代按行業分類的簡單模式，滿足風險導向審計的多樣需求。

（二）建立企業風險信息庫，對不同的被審計單位在行業內的表現信息進行收集。雖然說現代風險導向審計側重于企業經營風險的評估，但受技術的限制很可能識別的經營風險與重大錯報風險并沒有多大關聯從而增加審計成本。數據挖掘中的關聯分析模式揭示的是同一事件中出現的不同數據項之間相關性的規律。過去的制度導向審計和賬項基礎審計強調的是各會計科目之間或者是業務數據與財務數據之間的關聯性，在風險導向審計中，需要直接對接企業經營風險數據庫和財務數據庫，找出具有審計師所給定的最小支持度和最小置信度的關聯規則。

另外，還要運用數據挖掘中的偏差模式對被審計單位有可能引發財務危機的異常極端運營行為數據進行描述，尤其是在審計前對聚類外的離群值進行預警，降低審計風險。在過去的制度導向審計和賬項基礎審計下，通過挖掘財務報表的各會計科目等財務數據變動的異常值來識別財務舞弊造假領域，但在風險導向審計下，直接挖掘被審計單位的異常違規的業務交易數據，比如在金融企業中，挖掘偶然性、金額大的交易數據可以發現欺詐等金融犯罪行為，結合數據挖掘中的關聯規則，從而間接識別出企業存在重大錯報風險的領域。

四、結語

在風向導向審計中，運用人工智能中專家系統的技術有助于提高審計人員的判斷能力，尤其是增強對經營風險等不確定事項的估計能力。數據挖掘等智能技術提高了審計人員對眾多企業和行業風險信息的篩選和識別效率。可是現代風險導向審計存在一些局限，比如在多大范圍上評估經營風險及其他風險難以確定、如何將經營風險評估與財務報表數據聯系起來不明確、風險評估控制審計風險和提高審計質量的效力受到公眾的質疑等。如何借助人工智能技術改善風險導向審計的不足之處是進一步的研究方向。

主要參考文獻：

[1]Messier Jr.W.F and L.A.Austen.Inherent risk and control risk assessments：evidence on the effect of pervasive and specific risk factors[J].Auditing：A Journal of Practice and Theory，2000.19（2）.

[2]聶新軍，吳益兵，張陽.現代風險導向審計的基本理念與決策模型[J].江西財經大學學報，2013（1）.

[3]蔡自興等.人工智能及其應用[M].北京：清華大學出版社，2017.