基于智能技术的风险导向审计

汪一璇

[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，而不是简单地搜索現有的答案。

（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时选择更低的错报风险水平，从而减少了进一步审计程序的工作量，如减少实质性程序中的样本量，甚至可以直接信赖控制测试的结果，不再执行实质性程序。

三、利用数据挖掘技术建立风险信息库

现代风险导向审计将重点工作前移至对企业的经营风险和战略风险进行评估。在当今信息化的背景下，涉及被审计单位各个利益相关者的通过人、机、物融合的行业数据、经营数据呈现种类繁多、数量庞大的特点，如何有效辨识与被审计单位重大错报风险息息相关、潜在有用并能被理解的数据就需要数据挖掘技术的支持，在此基础上搭建的风险信息库有助于审计师识别预期风险和审计资源的合理分配。

（一）建立行业风险信息库。会计师事务所可以与政府、税务、工商、行业主管部门进行合作，尤其是各大证券公司对每一个行业都有独立的研究人员和分析师，研究经验丰富，与其联手可以减少数据库的建设成本。我国会计师事务所目前掌握的行业信息相对较为零散，缺乏对不同行业的数据进行整合与筛选，急需开发统一口径的行业风险分析信息共享数据库。基于数据库各个对象共同特性的分类模型能够替代按行业分类的简单模式，满足风险导向审计的多样需求。

（二）建立企业风险信息库，对不同的被审计单位在行业内的表现信息进行收集。虽然说现代风险导向审计侧重于企业经营风险的评估，但受技术的限制很可能识别的经营风险与重大错报风险并没有多大关联从而增加审计成本。数据挖掘中的关联分析模式揭示的是同一事件中出现的不同数据项之间相关性的规律。过去的制度导向审计和账项基础审计强调的是各会计科目之间或者是业务数据与财务数据之间的关联性，在风险导向审计中，需要直接对接企业经营风险数据库和财务数据库，找出具有审计师所给定的最小支持度和最小置信度的关联规则。

另外，还要运用数据挖掘中的偏差模式对被审计单位有可能引發财务危机的异常极端运营行为数据进行描述，尤其是在审计前对聚类外的离群值进行预警，降低审计风险。在过去的制度导向审计和账项基础审计下，通过挖掘财务报表的各会计科目等财务数据变动的异常值来识别财务舞弊造假领域，但在风险导向审计下，直接挖掘被审计单位的异常违规的业务交易数据，比如在金融企业中，挖掘偶然性、金额大的交易数据可以发现欺诈等金融犯罪行为，结合数据挖掘中的关联规则，从而间接识别出企业存在重大错报风险的领域。

四、结语

在风向导向审计中，运用人工智能中专家系统的技术有助于提高审计人员的判断能力，尤其是增强对经营风险等不确定事项的估计能力。数据挖掘等智能技术提高了审计人员对众多企业和行业风险信息的筛选和识别效率。可是现代风险导向审计存在一些局限，比如在多大范围上评估经营风险及其他风险难以确定、如何将经营风险评估与财务报表数据联系起来不明确、风险评估控制审计风险和提高审计质量的效力受到公众的质疑等。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。

主要参考文献：

[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]聂新军，吴益兵，张阳.现代风险导向审计的基本理念与决策模型[J].江西财经大学学报，2013（1）.

[3]蔡自兴等.人工智能及其应用[M].北京：清华大学出版社，2017.