审计错报风险评估机制的建构范文

重大错报风险评估体系的建立

在对审计重大错报风险进行评估前，首先要建立评价指标体系。评价指标体系的建立遵循目的性、科学性、适用性和系统性四大原则。指标体系要全面反映重大错报风险的各个影响要素，保证评价的全面性和可信性。本文在此力图建立一套科学精简且便于度量的核心评价指标体系。根据指标设立的原则，结合对会计师事务所的实地调研，参照我国《注册会计师审计准则第1211号———了解被审计单位及其环境并评估重大错报风险》，最终本文从行业环境、法律环境、宏观经济环境、会计错弊、内部控制、战略规划、财务状况等七个方面建立了包括23个二级指标的重大错报风险核心评价指标体系。具体指标体系如表1所示。

(1)行业环境。了解行业状况有助于注册会计师识别与被审计单位所处行业有关的重大错报风险。行业环境因素主要有:1)行业的成长性。行业的成长性与重大错报风险密切相关。处于导入期和衰退期的企业，其重大错报风险较大;而处于成长期和成熟期的企业，其重大错报风险相对较小。2)所在行业的市场供求与竞争。如果行业竞争加剧，或者行业经营出现大的波动而造成经营者面对较大的经营压力，从而出现粉饰利润的动机以获得新的发展机会，因此其则务报表出现重大错报、漏报，特别是蓄意舞弊的可能性明显要大。3)行业景气度。行业景气度可以用来反映宏观经济运行和企业生产经营所处的景气状况和未来发展变化趋势。

(2)法律环境。法律环境对企业生产经营活动的影响具有如下特点:一是直接性，即国家法律环境直接影响着企业的经营状况。二是难预测性，对于企业来说，很难预测国家政治法律环境的变化趋势。三是不可逆转性，法律环境因素一旦影响到企业，就会使企业发生快速、显著的变化，而这一变化企业是驾驭不了的。法律环境是识别和评估重大错报风险的重要外部因素，了解被审计单位的法律环境应关注国家对该行业的企业是否有特殊的监管要求，并考虑是否存在新出台的法律法规(如新出台的有关产品责任、劳动安全或环境保护的法律法规等)及其对被审计单位有何影响。

(3)宏观经济环境。宏观经济状况是企业生产经营重要的外部环境，其好坏势必对企业产生重大影响。政府在不同时期会采取不同的宏观经济政策，而那些政策敏感性的企业必将因此受到较大的影响。在对重大错报风险进行识别和评估的过程中，宏观经济状况是其中要考虑的不可或缺的重要风险因素，具体包括:1)宏观经济景气度;2)经济状况对经营活动的影响程度等。

(4)管理层舞弊。由于管理层可能会逾越内部控制，直接或间接操纵会计数据或呈报虚假财务报告，因此注册会计师在识别和评估重大错报风险时应特别关注管理层舞弊行为，特别是在管理层具有操纵利润的压力、动力和机会时尤其需要警惕。注册会计师可以通过了解管理层素质、管理层遭受的压力等来评估管理层有无舞弊行为。同时，还应当考虑到:董事、经理或其他关键管理人员频繁变更，过于复杂的经营活动，难以实现的经营目标，过多涉及会计估计和判断的运用等都会导致重大错报风险增加。

(5)内部控制。内部控制是被审计单位为了合理保证财务报告的可靠性、经营的效率和效果以及对法律法规的遵守，由治理层、管理层与其他人员设计并执行的政策和程序。被审计单位内部控制薄弱，会使得财务报表的重大错报风险增加。内部控制包括下列要素:控制环境、风险评估过程、信息系统与沟通、控制活动和对控制的监督。

(6)战略规划。企业的战略也是重大错报风险评估的重要因素。战略规划在很大程度上决定一个企业的发展方向、发展步骤和发展策略，甚至决定一个企业的前途和命运。一个企业的战略计划是否与企业经营目标的一致、战略计划的执行是否有效，不仅会影响企业经营活动的成果，还会对反映企业经营活动成果的会计报表的可靠性产生直接的影响。

(7)财务状况。财务状况是企业在一定期间内经济活动过程及其结果的综合反映。陷入财务困境的公司，其重大错报风险水平就增高。评价企业财务状况的指标主要包括:1)偿债能力。企业偿债能力的大小是衡量企业运转是否正常、是否能吸引外来资金的重要指标。当企业的财务状况接近于违反债务契约或是无法履行债务契约中的某些条款时，管理层就会产生进行舞弊的动机。2)获利能力。企业的获利能力不仅是投资者了解企业目前状况和未来态势的基本信号，也是衡量企业管理层“政绩”的主要因素，同时是证券监管部门衡量公司上市资格、再融资资格的重要指标。当公司经营状况较差、获利能力较弱时，重大错报风险较高。3)营运能力。企业的营运能力反映了企业资金周转状况，反映了企业营业状况和经营管理水平。资产周转状况越好，说明公司的经营管理水平越高，资产的利用效率越好;一旦公司营运能力出现问题，必然会影响公司运营的各个环节，公司会因此陷入困境甚至亏损的尴尬境地，因此，当营运能力出现问题时，上市公司有可能实施财务报告舞弊以摆脱困境。当然这些影响因素所形成的重大错报风险的评价体系并不是静态的，它可能随着被审计单位具体情况的不同而有所区别，在必要时可以对影响因素体系进行增减修订。

审计重大错报风险评估模型的构造

审计重大错报风险评估是复杂的非线性评价活动。神经网络理论作为非统计类方法，没有严格的前提条件，是解决非线性系统问题的有效工具，因能够通过学习在杂乱无章的样本数据中概括出其中的规律而在模式识别和数据挖掘等领域得到广泛应用，这符合审计重大错报风险评估的基本特征。因此，本文在此尝试构建基于三层BP神经网络的企业重大错报风险评估模型。

1指标值的确定及归一化处理

本文所构建的指标体系中的单个指标，虽然只反映企业重大错报风险的某一方面，但整个评价指标体系能够涵盖企业重大错报风险的主要内容。在企业重大错报风险综合隶属度评估过程中因存在大量的定性指标而难于直接进行测算比较，为便于最终评价价值的确定，本文首先对定性指标进行定量化理(采用专家打分法进行，分值介于0到10之间)，具体做法如表2;其次考虑神经网络训练的收敛问题，对各指标进行无量纲的归一化处理，以便消除指标量纲影响造成的困难。归一化处理的公式如式

2基于三层BP神经网络的学习算法

在本文审计重大错报风险评估的神经网络系统中选用Sigmoid型函数作为神经元的传递函数，其定义为:f(x)=1/(1－e－x)，其中f(t)为非线性、可微、非递减函数。在三层BP神经网络模型中，每一个隐层单元接受来自输入层各单元的输入，并完成空间聚合和时间累积运算，最后将结果在输出层输出。输出与输入过程的关系函数如式(2)所示:

应用实例

本文随机抽取了19家上市公司作为实证样本，组织了一个专家组对这19家企业的23个指标分别进行打分(专家组由1名会计师事务所审计师、1名企业财务主管和2名高校专家组成)，定性分值介于0到10之间。根据上述BP神经网络结构和算法，将经过专家组评估获得数据按照公式(1)将样本数据归一化处理后作为BP神经网络的输入。本文使用MATLAB7.0软件实现编程，建立风险评价三层BP神经网络结构，设定学习精度为ε=0.001，最大训练次数为1000次，根据Kolmogorov定理确定隐层节点数为57。将19家样本企业分为两部分，选取前面的12组作为学习样本，用以训练权值;后面剩下7组作为测试样本。经过281次学习，网络训练的结果见表3所示，误差下降曲线如图1所示。从表3中可以看出，神经网络训练结果与专家评价结果基本一致。训练结束后，利用训练好的三层BP神经网络分别输入测试的7组样本数据，测试的评价结果和专家评价结果如表4所示。从表4中可以看出，神经网络评价结果与专家评价结果基本一致，两种评价结果之间的误差均在4%以下，其中两个在2%以下，可以认为采用三层BP神经网络来对重大错报风险进行评价是可行的。

结论

本文尝试性地构建了基于BP神经网络的审计大错报风险模型。从对19家企业评价的实证结果看，该方法具有较强的自学习能力、容错能力和自适应能力，具有较高的合理性和适用性。此方法不仅可以模拟专家对重大错报风险进行评价，而且还能够很好地避免评价过程中的不确定性，在最大程度上缩小了人为因素及模糊随机性的影响，提高评价的可靠性，评价结果更有效、更客观。

作者：蒋苏月路正南单位：江苏大学财经学院