基于社会网络的审计对象关联方关系发现

杨超 朱靖翔 胡筱臻 高倩倩

【摘要】针对控股股东利用关联方交易舞弊损害中小投资者利益、会计师事务所审计失效频发问题， 分析相关案例发现， 关联方关系识别是提高审计质量的关键。 基于公司经营数据及社会大数据， 利用社会网络分析技术构建审计对象关系网络， 有助于揭示潜在关联方关系。 本文将交易作为节点引入社会网络， 使得关联方交易背后的社会关系呈现出特有的闭环现象， 为关联方关系的辨识提供了直观判定依据， 并从大数据收集、社会网络建模原则、关联方关系审计流程等角度介绍方法的实践路径。 基于胜通集团的案例分析表明， 该方法有助于丰富大数据审计手段， 拓宽证据采集渠道， 多视角审核和发现关联方关系及关联方交易， 从而降低审计风险。

【关键词】关联方交易；关联方关系；大数据；社会网络；闭环现象

【中图分类号】F239      【文献标识码】A      【文章编号】1004-0994（2022）22-0110-6

近年来国内资本市场快速发展， 公司之间并购及联营现象增多。 同时， 随着市场竞争的加剧， 企业间的竞争模式逐渐从单打独斗向生态圈、供应链竞争转变， 推动了关联方交易的蓬勃发展。 关联方交易是企业间经济活动的重要组成部分， 具有提高交易效率、节省交易成本、扩大经营规模等价值。 但是， 如果控股股东在关联方交易中滥用控制权， 利用关联方交易的隐蔽性及难以查证的特点进行不恰当的交易谋取私利， 造成不公允的关联方交易， 会损害投资者及其他利益相关方的权益。 为此， 关联方交易审计的重要性日益凸显， 成为会计师事务所审计工作的重点， 也是监管层为保护各方合法利益和市场公平的核查重心。 随着大数据时代的到来， 审计范围不断外延， 审计数据呈指数级暴增， 有价值的审计线索取证困难， 关联方交易舞弊越发隐蔽， 已成为审计工作必须面对的重要风险点。 需要紧跟时代发展， 综合运用企业内外部审计资源， 不断创新关联方关系识别方法， 提升关联方交易审计能力， 以降低审计风险、提升审计质量。

一、相关研究

近年来侵害投资者利益的关联方交易频发， 已成为审计中最重要的风险点之一[1] 。 刘云霞[2] 依托实际案例对上市公司关联方交易“隧道挖掘”行为的实施动因、手段及经济后果进行了分析， 并从上市公司治理及内部控制角度提出了应对策略。 叶邦银等[3] 以最近几年证监会处罚的会计师事务所为切入点， 对审计对象常用的关联方交易舞弊类型进行了归纳， 分析了舞弊背后具体的行为路径， 针对关联方交易风险成因， 提出了完善审计程序等建议。

大數据审计已成为当前审计领域的研究热点。 2015年， 中共中央办公厅、国务院办公厅印发的《关于实行审计全覆盖的实施意见》， 要求构建大数据审计工作模式， 提高审计能力、质量和效率， 扩大审计监督的广度和深度。 国际审计界也高度关注大数据审计， 世界审计组织大数据工作组于2016年底成立。 2017年， 国际内部审计师协会发布了《理解与审计大数据》指南。 Gepp等[4] 对大数据审计的概念范畴、审计效能进行了梳理， 分析了大数据审计的发展趋势与机会。 张悦等[5] 从大数据环境下的审计变化、数据风险及人才培养三个角度分析了大数据审计面临的挑战， 并提出对策建议。

创新审计技术方法是实现科技强审、实施审计全覆盖战略的重要手段。 社会网络分析技术的审计效能正在被越来越多的研究者发现和重视。 魏丛[6] 利用社会网络分析方法构造审计关系网络， 用于直观展示网络中各节点间的社会关系， 发现关键节点和社团。 赵琛[7] 通过两个案例介绍了审计对象社会关系的形式化表示， 探讨了如何在网络模型中识别特殊节点与社团。 吕天阳等[8] 分析了审计对象社会网络相较于一般社会网络在分析对象范围、分析目标定位、对象行为特性等方面的差异， 总结出基于社会网络审计实践的六步骤路径。

综上， 目前对于关联方交易舞弊的研究多集中于成因和实施路径分析， 并在此基础上提出监管建议或公司治理建议， 而对于关联方交易审计过程的研究相对较少， 针对性、技术性方法研究则更为鲜见。 研究者普遍认同大数据审计有助于扩大审计广度和深度的观点， 在大数据审计理念、数据基础设施建设、基本审计思路方面做了一定研究， 但大数据审计实践方面的探索较少。 社会网络分析技术将审计对象置于复杂社会关系中， 可借助定量分析手段高效发现关键节点或社团。 目前尚未发现将社会网络分析方法专门应用于关联方交易审计的研究。 本文旨在将社会网络分析技术引入关联方交易审计， 探索利用大数据构建审计对象网络模型的策略与方法， 提升潜在关联方关系的辨识与发现能力。

二、关联方交易舞弊分析

分析近年来证监会行政处罚案例， 发现多数涉及关联方交易舞弊。 归纳相关公司的具体违法违规行为， 可将关联方交易舞弊划分为四种类型： 隐瞒关联方及交易、非经营性资产占用、虚增收入及违规担保。 其中， 隐瞒关联方及交易和虚增收入是最常见的两种舞弊类型。

1. 违规担保。 上市公司与其关联方企业之间往往存在借贷担保行为， 按照《关于上市公司规范对外担保行为的通知》的要求， 担保行为需经上市公司董事会或股东大会审议批准， 且必须在证监会指定的渠道及时进行信息披露。 但部分上市公司为营造企业运营状况良好的假象， 或隐瞒相关信息， 或延迟披露担保信息， 部分内控失效的企业甚至未取得董事会的批准。

2. 非经营性资产占用。 关联方占用非经营性资金主要表现为： 控股股东为谋取私利， 借助无商业实质的非经营性资金往来， 将上市公司的财产和利润转移出去； 在期末通过调减合并资产负债表“短期借款”“其他应收款”等项目或直接不进行账面确认的方式， 掩盖关联方占用非经营性资金这一事实。

3. 虚增收入。 借关联方虚增收入是最常见的关联方交易舞弊形式， 上市公司主要采用与关联方虚构交易、提前计入合同收入、虚构海外项目或虚构银行存款等手段增加销售收入、调节利润。

4. 隐瞒关联方及交易。 以上三种类型的关联方交易舞弊均与经济利益直接相关， 有强烈的目的性。 公司业务一旦与关联方相关， 必然会引起监管部门或会计师事务所的重点关注。 因此， 隐瞒关联方关系就成了上市公司舞弊的重要途径。 不同于前面三种关联方交易舞弊行为， 隐瞒关联方及交易是上市公司隐瞒舞弊的手段而不是目的。 鉴于关联方关系的敏感性与重要性， 《企业会计准则第36号——关联方披露》（IAS 36）对关联方关系和关联方交易的概念作出了明确界定， 对相关信息的披露提出了明确要求。 按照准则对信息披露的具体要求， 关联方及交易可分为两种类型： 母子公司之间的交易和企业与其他关联方之间的交易。 母子公司之间的关系被要求严格披露， 而不管其间是否存在交易。 企业与其他关联方之间的关系则根据实际交易情况进行披露， 企业拥有一定的自主性。 企业与非母子公司之间的关联方关系具有较强的隐蔽性， 为关联方交易舞弊留下了空间。 证监会公布的违规案例显示， 上市公司隐瞒关联方关系主要有两种途径： 一是直接隐瞒关联方， 不对其进行披露或不承认关联方关系； 二是通过延长关联方关系链条， 干扰审计分析， 增加关联方关系的辨识难度。

不管是应对何种类型的关联方交易舞弊， 确定关联方关系都是进一步执行实质性审计程序的前提和基础， 审计师需要具备在繁杂的业务往来中识别和发现潜在关联方的能力和手段。 本文基于企业数据和社会大数据， 利用社会网络建模与分析技术揭示隐含的关联方关系， 为关联方交易审计提供新的思路与方法。

三、社会网络视角下的关联方关系

1. 大數据时代的关联方关系。 随着人类社会的全面信息化、网络化， 以及自媒体时代的到来， 个人或企业的所有行为以及行为背后的关系都可能留下数字痕迹， 这些海量的数字痕迹以不同的格式存储于跨层级、跨机构、跨地区甚至跨国门的各类信息系统中。 与传统社会不同， 大数据时代企业与企业之间的关系及经济往来是很难隐藏的。 以被审计单位的经济活动为线索， 进行企业客户大数据收集、数据预处理和智能关系挖掘， 或许可以发现传统审计所无法透视的企业间关系及交易真相。

根据IAS 36可知， 上市公司关联方涉及面很广， 其中部分已被上市公司按要求做了信息披露， 更多的则作为潜在关联方未被披露， 这些潜在关联方正是大数据审计需要重点识别的对象。 为实现精准定位， 提高数据收集效率， 潜在关联方大数据收集需要以被审计单位的经济活动为线索。 这些经济活动包括： 购买或销售商品、购买或销售资产、购买或提供服务、担保、提供资金、租赁、代理、项目转移、许可协议、债务结算、大额薪酬等。 以上没有被作为关联方交易披露的经济活动的交易对象及其密切关系人都是大数据收集的对象。 交易公平性存疑的活动更应重点关注。

潜在关联方大数据收集应聚焦于企业内部信息系统， 以及工商、税务、金融、社保、公安等社会管理大数据领域。 企业内部信息系统是审计大数据收集的起点和关键。 企业内部信息系统提供报告期内所有的经济活动信息， 是关联方识别的起点。 同时， 企业历史财务数据、企业人力资源数据都可以在关联方识别中提供重要信息。 工商系统的企业注册信息、金融系统的资金往来信息、社保系统的雇佣关系数据、公安系统的社会关系信息都可以为关联方关系的发现与识别提供佐证。 在公安系统、社保系统向会计师事务所开放数据之前， 互联网社交平台数据也可以提供有价值的参考。 总之， 大数据技术为企业关联方关系的发现提供了新的思路和途径。

2. 社会网络分析的审计效能。 审计是对特定社会关系背景下审计对象的经济监督， 有效的审计活动离不开对审计对象社会关系的梳理。 社会网络是对社会个体之间各种关系的拓扑刻画， 是一种用空间结构关系反映个体间社会关系的模型。 社会网络分析是一系列用于社会网络建模、网络结构分析和社会网络可视化的理论、方法与技术的总称。 社会网络分析把人和组织放到广泛联系的大规模社会系统中去研究， 逼真地反映社会现实， 定量研究个体之间的连通性、聚集状态、宏观表现与微观结构关系、动力传播等， 已在社会学、经济学、心理学等众多研究领域得以应用。

社会网络强调个体间联系的理念， 与审计中对潜在关联方关系时刻保持职业警惕的要求是一致的。 同时， 社会网络分析技术高效的大数据处理能力、成熟的社会关系建模能力及直观的可视化能力使其成为大数据时代重要的计算机审计工具。

如表1所示， 社会网络的常规分析方法都能在审计中找到用武之地， 社会网络分析技术在审计活动中具有重要应用价值。 分析公开案例发现， 多个案例的审计实践已经体现出社会网络分析的思想， 但仍处于无意识使用状态， 普遍缺乏有计划、有指导的社会网络分析技术应用。

3. 关联方交易闭环现象。 IAS 36对关联方关系的界定比较抽象， 可以归结为两个关键词——“影响”和“控制”， 一方控制、共同控制另一方或对另一方施加重大影响， 以及两方或两方以上同受一方控制、共同控制或重大影响的， 即可认定两者具有关联方关系。 现实中造成控制和影响的原因是多样的， 可能是经济、权力因素， 或者是亲情、友情因素。 关联方交易， 又可描述为存在关联方关系的个体之间发生转移资源或义务的事项。

若无关联方交易发生， 审计对象与关联方之间的关联方关系与其他社会关系相比并无特殊性。 但当综合考虑交易双方交易前的关联方关系及交易形成的经济关系时发现， 从社会网络视角看， 关联方交易的参与主体之间构成了一个关系闭环， 即关联方交易在社会网络中呈现出特有的“闭环现象”。 “闭环现象”使关联方交易在纷繁复杂的社会网络中具有了清晰的辨识度， 为关联方关系的视觉判定提供了直观依据， 也为未来的程序化识别提供了逻辑判定依据。 大数据条件下基于社会网络分析的关联方交易审计过程， 应该从搜索审计对象关系网络中的闭环开始。

在不同的关联方关联路径下， 闭环现象表现出不同的形态。 图1a展示了一种母子公司之间的交易； 图1b则展示了一种更加隐蔽的关联方关系， 通过控股股东间的控制或影响， 两家企业形成关联方关系。 需要说明的是， 关联方关系是关联方交易舞弊的必要条件， 而非充分条件。 因此， 审计对象社会网络中的闭环现象仅用于提醒审计重点和疑点， 至于关联方交易是否存在舞弊， 需要通过进一步的实质性审计程序进行核验。

四、审计对象关系网络建模

基于审计对象社会关系建立的社会网络， 简称“审计对象关系网络”。 本文从关联方交易审计的共性问题出发， 讨论审计对象关系网络建模的一般过程， 方法与路径具有通用性。

1. 网络特点与建模原则。 类似于一般社会网络， 审计对象关系网络可以表示为G=｛V，E｝， V表示节点的集合， E表示节点之间连边的集合。 审计对象关系网络中的节点不但包含审计对象自身， 也包含因审计履职所需而关注的与之相关的其他对象， 包括审计对象的母子公司、控股股东、交易对象， 以及以上主体的母子公司、控股股东及密切关系人员。 不同于一般社会网络， 审计对象关系网络节点具有明显的类别和属性差异。 审计对象关系网络中的连边表示节点间的关系， 从审计现实分析， 连边具有不确定的复杂属性。 例如： 母公司对子公司的控制具有方向和权重； 两个自然人之间的同学关系则既无方向又无权重； 公司和雇员之间的雇佣关系可能随时间变化； 同时存在投资关系和买卖关系的两家公司之间具有多重连边； 等等。 相较于只关注单一关系类型的社会网络， 审计对象关系网络需要更全面地反映社会关系， 具有更高的复杂性。 丰富的连边属性虽然可以增强网络的表达能力， 但相关理论与技术尚不够成熟， 应用过程中需要根据实际情况进行裁剪。

关于关联方交易审计的审计对象关系网络建模与应用， 需要明确以下五个原则。 ①交易作为节点。 如前所述， 只有综合考虑交易关系和关联方关系， 关联方交易才能呈现出“闭环现象”， 这是判定关联方交易的前提， 交易需要作为节点出现在网络中。 ②关联方关系的发现不需要建立覆盖审计对象所有社会关系的全景网络。 关联方交易舞弊不会涉及太大范围， 全景建模只会降低审计效率， 同时也不利于关联方关系的可视化展示。 关联方交易審计的前提是辨识关联方关系， 针对特定交易活动建立局部模型， 既可以提高审计效率， 又可以增强可视化效果。 ③网络节点分层。 根据节点在交易活动中的角色差异及关系距离， 将节点分置于不同的图层， 有利于模型的构建和可视化分析。 ④仅考虑连边的连通性。 鉴于审计对象关系网络连边属性较为复杂， 以及关联方关系更看重连通性的特点， 这里不考虑连边的方向、权重等属性。 ⑤闭环现象的有限价值。 对于存在闭环现象的审计对象关系网络， 可以认为其交易活动为关联方交易， 但其公允性需要进一步采取实质性审计程序进行判断， 闭环现象只可作为审计疑点提醒机制， 不作为交易公允性判断的依据。

2. 基于审计对象关系网络的关联方交易审计。 基于审计对象关系网络开展关联方交易审计的流程按照先后顺序可以划分为四个阶段： 交易组合、大数据收集与审计对象社会关系抽取、模型构建与网络分析、实质性审计程序。 具体如图2所示。

（1）交易组合。 关联方交易审计的特点决定了审计活动需要从特定交易出发， 依法逐步延伸至直接、间接交易伙伴及其他相关方， 并进一步辨识交易相关方的关联性以及交易的公允性。 交易涉及买卖、租赁、担保、授权、代理等多个类型。 未被作为关联方交易披露， 特别是公允性存疑的交易， 应该被重点关注。 交易组合分为并联和串联两种情况。 与同一对象的多次交易可以并联审计， 利益相关的多笔交易可以进行串联审计。 交易组合的目的是提高关联方审计效率和效果。 存在交易组合的情况下， 组合后的交易是审计活动的起点。 在审计对象关系网络中， 交易活动及其组合关系可以展示在单独一层。 本文将交易活动置于网络的第一层。

（2）大数据收集与审计对象社会关系抽取。 起点交易确定后， 开始沿着各个交易参与者的社会经济关系层层推进， 逐步收集各相关方信息， 以及他们之间的关系信息。 信息来源涉及企业信息系统（如财务系统、业务系统、人事系统等）、社会管理信息系统（如工商、税务、公安系统等）， 还包括互联网系统（如社交系统、电子商务系统等）。 从理论上讲， 交易参与者的社会网络可以不断延伸， 但考虑到随着关系链条的拉长， 链节之间的控制和影响将不断减弱， 利益关联方信息的收集可以在适当位置停止。 在进行大数据收集的同时可以按照社会网络建模的要求进行同步关系抽取， 关系抽取的结果可表示为<主体（Subject）， 谓词（Predicate）， 客体（Object）>三元组， 代表主体和客体之间存在谓词所表达的关系。 将关系信息暂存于数据库中， 以方便后续的审计对象关系网络建模。

（3）模型构建与网络分析。 网络建模就是将上一步骤中收集并格式化的社会关系信息转化为社会网络。 从大数据中抽取的社会关系是审计对象社会网络中最基本的二元关系（如A是B的哥哥）， 无法表达多主体间的关联方关系链。 而现实中， 上市公司为了隐藏关联方交易舞弊， 往往通过延长关联方关系链条干扰审计分析， 增加关联方关系辨识的难度。 因此， 需要借助社会网络建模技术将从大数据中抽取的二元关系延展为社会关系网络， 以便完整地构造和展示关联方关系链条。 面向关联方交易审计的社会网络应采用多层模式， 按照交易、交易参与者、交易参与者相关者、交易参与者相关者的相关者分层组织节点。 然后按照收集到的社会经济关系进行层内、层间连边， 并利用可视化工具或程序语言直观展示模型形态。 网络分析的主要任务是结合审计目标， 采用恰当的技术方法识别审计对象和发现审计线索。 对于关联方交易审计而言， 网络分析的目标是发现潜在的关联方关系。 如前文所述， 关联方交易在社会网络中呈现闭环现象， 因此网络分析阶段的关键任务就是发现关系闭环， 并采用加粗、上色等手段提升闭环显示度。

（4）实质性审计程序。 审计对象关系网络中的闭环揭示了关联方关系的存在， 是对关联方交易的预警， 是否存在舞弊则需要进一步执行实质性程序来确定。 审计分析结果的核实是一项严肃的工作， 可能会涉及审计对象的法律责任， 要求审计结果具备较强的可追溯性。 审计对象关系网络发现关联方关系后， 需要审计人员尽快核实， 并提取和保留相关证据。

五、案例应用

1. 案例介绍。 2014 ～ 2017年山东胜通集团股份有限公司（简称“胜通集团”）在银行间债券市场发行债务融资工具， 2016 ～ 2018年， 胜通集团先后在深圳证券交易所、上海证券交易所发行公司债券。 资金募集期及融资产品存续期胜通集团先后披露相关年度财务报告。 根据证监会行政处罚决定书［2021］58号、［2021］91号， 胜通集团上述信息披露存在虚增收入及利润现象。

分析胜通集团舞弊行为细节， 发现关联方交易频频出现， 主要发生在胜通集团的三家子公司（山东胜通钢帘线有限公司、山东胜通化工有限公司、山东胜通光学材料有限公司）与三家潜在关联方（东营市汇通国际贸易公司、上海翌丰商贸有限公司、青岛邦瑞奇商贸有限公司）之间。 例如， 上海翌丰商贸有限公司实为胜通集团全资注册子公司， 由集团办公室主任王×芝任法人代表。 胜通集团子公司山东胜通钢帘线有限公司与上海翌丰商贸有限公司多次签订虚假交易合同（本文标记为T0001交易）， 虚构大额收入及利润。 审计人员未能准确辨识出两者的潜在关联方关系并有效实施进一步审计程序， 造成重大纰漏。

2. 审计对象关系网络建模。 本文以证监会行政处罚决定书［2021］58号、［2021］91号为依据， 并从中抽取审计对象社会关系信息， 阐述审计对象关系网络的建模与可视化过程， 检验模型及闭环现象对于关联方交易审计的效用。

根据本案例所构建的社会网络， 节点包括胜通集团审计周期内的交易、集团、集团子公司、重要关系人、交易伙伴、交易伙伴重要关系人等。 为清晰表达关联方关系的层次性， 审计对象关系网络采用多层网络模式。 交易活动是关联方交易审计的起点， 作为网络的第一层， 审计对象及交易伙伴作为网络的第二层， 审计对象及交易伙伴的子母公司、密切关系人作为第三层， 以此类推。 从案例中提取的关键节点如表2所示。

审计对象关系网络中的连边表示节点间的关系， 按照连边的关系内涵， 本案例连边可分为控股型、交易型、雇佣型、管理型等。 本案例主要连边类型如表3所示。 需要说明的是， 在关联方关系识别阶段， 只关注节点间的连通性， 与连边类型无关。 分析连边类型一方面是为了更全面地查找所有连边， 另一方面是为后续的审计取证做准备。

关联方交易舞弊存在隐匿交易和隐匿关联方关系两种情况。 从审计对象关系网络视角看， 隐匿交易就是隐匿节点， 隐匿关联方关系就是隐匿连边。 本案例中的舞弊行为就属于隐匿连边， 例如， 通过隐匿C0001与C0011之间的连边来隐匿虚假关联方交易。 无论是节点还是连边， 都需要从审计对象的海量数据资料中审慎查找， 尤其是连边， 可能涉及复杂的社会关系， 企业内部信息系统可能难以提供有价值的线索， 需要从社会大数据中挖掘和提取。 本案例对于潜在关联方交易T0001的审计， 关键风险点在于审计对象与上海翌丰商贸有限公司法人王×芝雇佣关系的发现。 或许审计对象可以通过技术手段删除王×芝留在公司内部的所有痕迹， 却无法清除社保系统中王×芝曾就职于公司的事实。

基于提取到的审计对象关系信息， 借助社会网络建模软件， 从交易T0001视角构建审计对象关系网络模型（见图3）， 这里将审计对象C0001而非交易直接参与者C0011置于Layer2层， 是为了保持网络层次与控股关系的一致性， 使模型更加直观。 图中闭环清晰揭示了关联方关系的存在， 节点P0001与节点C0001之间的连边就是审计对象有意隐瞒的联系。 案例说明， 借助大数据提供的线索和闭环现象， 审计对象关系网络可以有效识别和直观展示关联方关系， 为关联方交易审计提供关键佐证。

六、总结与展望

借助以新兴信息技术为代表的最新科技成果不断丰富审计思路和方法， 是科技强审的必由之路。 现有研究多停留在概念和思路的探讨阶段， 强调科技服务审计的必要性。 科技强审需要更多具体项目的实践， 实现从设想到应用的跨越。

本文提出大数据条件下将社会网络分析技术应用于关联方交易审计， 在分析该技术的审计应用价值基础上， 指出社会网络视角下关联方交易呈现出特有的闭环现象， 闭环现象为关联方关系的辨识提供了直观判定依据。 随后提出面向关联方交易审计的审计对象关系网络建模五原则， 并在此基础上给出了关联方交易审计流程。 最后将该方法应用于具体审计案例， 检验了模型及闭环现象在关联方交易审计中的效用。

未来的研究重点将聚焦于大数据社会关系自动化抽取、智能关系发现等具体技术方面。

【 主 要 参 考 文 献 】

［1］ 中国证券监督管理委员会.中国证监会行政处罚决定书［EB/OL］．http：//www.csrc.gov.cn/csrc/c101971/zfxxgk_zdgk.shtml，2022-01-13．

［2］ 刘云霞．上市公司控股股东关联交易型“隧道挖掘”行为研究［ J］．财会通讯，2021（22）：113 ～ 116+152．

［3］ 叶邦银，储佳琪，潘俊．上市公司舞弊行为路径及审计应对探讨［ J］．中国注册会计师，2021（10）：87 ～ 89．

［4］ Gepp A.， Linnenluecke M. K.， O' Neill T.， et al.. Big data techniques in auditing research and practice： Current trends and future opportunities［ J］．Journal of Accounting Literature，2018（1）：102 ～ 115．

［5］ 張悦，杨乐，韩钰，邱保印．大数据环境下的审计变化、数据风险治理及人才培养［ J］．审计研究，2021（6）：26 ～ 34+60．

［6］ 魏丛．审计对象网络分析及应用案例研究［D］．济南：山东财经大学，2018．

［7］ 赵琛．审计对象关系网络构建方法研究［ J］．审计研究，2016（6）：36 ～ 41．

［8］ 吕天阳，邱玉慧，殷鹏．审计社会网络分析的理论、特征及实践路径［ J］．财会月刊，2020（13）：103 ～ 111．