蔡光程 曹麗霞 劉興 余建波 陸明

[摘要]電網(wǎng)企業(yè)的競爭日趨激烈，其內(nèi)部結(jié)構(gòu)也日趨復(fù)雜，但風(fēng)險(xiǎn)預(yù)警系統(tǒng)的建設(shè)仍然比較滯后。本文從電網(wǎng)企業(yè)內(nèi)部審計(jì)角度出發(fā)，以知識挖掘技術(shù)為手段，構(gòu)建電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系，包含風(fēng)險(xiǎn)監(jiān)測系統(tǒng)、風(fēng)險(xiǎn)預(yù)警系統(tǒng)和風(fēng)險(xiǎn)反饋系統(tǒng)。以M電網(wǎng)公司為例，使用模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，F(xiàn)NN）對電網(wǎng)企業(yè)的財(cái)務(wù)狀況進(jìn)行內(nèi)部審計(jì)，對風(fēng)險(xiǎn)進(jìn)行預(yù)警、分級和跟蹤反饋，實(shí)現(xiàn)對電網(wǎng)企業(yè)財(cái)務(wù)狀況全面、客觀、多維度的審計(jì)。

[關(guān)鍵詞]內(nèi)部審計(jì)? ?風(fēng)險(xiǎn)預(yù)警? ?知識挖掘? ?模糊神經(jīng)網(wǎng)絡(luò)

本文系國網(wǎng)山東省電力公司科技項(xiàng)目（5206061900G4）

一、電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系

近年來，隨著電力體制的改革、相關(guān)政策調(diào)整及能源市場的波動，電網(wǎng)企業(yè)的財(cái)務(wù)狀況也日趨復(fù)雜多變。大數(shù)據(jù)和新經(jīng)濟(jì)時(shí)代的到來為電網(wǎng)企業(yè)經(jīng)營提出了新挑戰(zhàn)，而電網(wǎng)企業(yè)內(nèi)部經(jīng)營者因缺乏有效的約束監(jiān)督機(jī)制，主觀性決策為企業(yè)內(nèi)部審計(jì)帶來一定的困難和風(fēng)險(xiǎn)。電網(wǎng)企業(yè)的內(nèi)部審計(jì)風(fēng)險(xiǎn)主要包括財(cái)務(wù)風(fēng)險(xiǎn)、安全運(yùn)行風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)、設(shè)備故障風(fēng)險(xiǎn)、工程管理風(fēng)險(xiǎn)等。電網(wǎng)企業(yè)的大規(guī)模性導(dǎo)致企業(yè)信息分散于各個部門，而企業(yè)風(fēng)險(xiǎn)預(yù)警的有效性依賴風(fēng)險(xiǎn)信息數(shù)據(jù)的全面性和綜合性。企業(yè)內(nèi)部審計(jì)部門因工作的特殊性，需要對所有職能部門開展審計(jì)工作，更容易獲得全面的風(fēng)險(xiǎn)信息，因此十分適合開展風(fēng)險(xiǎn)預(yù)警體系的構(gòu)建。

電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系從獨(dú)立、綜合的內(nèi)部審計(jì)角度，分析企業(yè)內(nèi)外部相關(guān)數(shù)據(jù)，構(gòu)建風(fēng)險(xiǎn)預(yù)警系統(tǒng)，科學(xué)有效地識別電網(wǎng)企業(yè)內(nèi)部發(fā)生風(fēng)險(xiǎn)的可能性，并向管理層發(fā)出預(yù)警信號。內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的目標(biāo)是揭示企業(yè)運(yùn)行過程中未被揭示的風(fēng)險(xiǎn)領(lǐng)域，從風(fēng)險(xiǎn)等級和來源等方面給出建設(shè)性意見，幫助企業(yè)制定彌補(bǔ)措施和預(yù)防措施，在短時(shí)間內(nèi)消除或降低風(fēng)險(xiǎn)，并避免以后出現(xiàn)同類風(fēng)險(xiǎn)。

二、電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系構(gòu)建

（一）電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系構(gòu)建思路

電網(wǎng)企業(yè)與其他企業(yè)的主要區(qū)別在于其規(guī)模龐大和資產(chǎn)復(fù)雜，內(nèi)部經(jīng)營管理長期以來缺乏有效的約束監(jiān)督機(jī)制。因此，需要對電網(wǎng)企業(yè)財(cái)務(wù)狀況進(jìn)行全面、客觀、多維度的審計(jì)，并構(gòu)建企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系，以減少發(fā)生審計(jì)風(fēng)險(xiǎn)和財(cái)務(wù)危機(jī)的可能性。電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系需要滿足以下要求：

1.電網(wǎng)企業(yè)數(shù)據(jù)的全面性和準(zhǔn)確性。企業(yè)數(shù)據(jù)質(zhì)量的好壞直接影響風(fēng)險(xiǎn)預(yù)警的結(jié)果。如果數(shù)據(jù)質(zhì)量不佳，會給內(nèi)部審計(jì)帶來以下影響：干擾內(nèi)部審計(jì)分析，影響決策;影響模型預(yù)警結(jié)果，導(dǎo)致內(nèi)部審計(jì)不夠準(zhǔn)確。因此，電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警要從數(shù)據(jù)全面性、準(zhǔn)確性甚至及時(shí)性和一致性等方面來確保數(shù)據(jù)質(zhì)量。

2.風(fēng)險(xiǎn)預(yù)警模型的科學(xué)性與準(zhǔn)確性。風(fēng)險(xiǎn)預(yù)警模型是企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的根本導(dǎo)向，指引并實(shí)現(xiàn)相應(yīng)的預(yù)警功能，預(yù)警模型的準(zhǔn)確性與科學(xué)性會對內(nèi)部審計(jì)的效率和結(jié)果產(chǎn)生巨大影響。因此，必須選擇適合的風(fēng)險(xiǎn)預(yù)警模型，及時(shí)準(zhǔn)確地識別電網(wǎng)企業(yè)的內(nèi)部風(fēng)險(xiǎn)。

3.內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的專業(yè)性和靈活性。電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系不僅需要及時(shí)識別風(fēng)險(xiǎn)信號，還要對信號的風(fēng)險(xiǎn)水平進(jìn)行分級，進(jìn)一步確定風(fēng)險(xiǎn)的來源，幫助內(nèi)部審計(jì)部門制定相關(guān)措施以消除或降低企業(yè)風(fēng)險(xiǎn)，這對風(fēng)險(xiǎn)預(yù)警的專業(yè)性和靈活性提出了更高要求。

本文構(gòu)建的電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系如圖1所示，主要包括風(fēng)險(xiǎn)監(jiān)測系統(tǒng)、風(fēng)險(xiǎn)預(yù)警系統(tǒng)和風(fēng)險(xiǎn)反饋系統(tǒng)。

1.風(fēng)險(xiǎn)監(jiān)測系統(tǒng)。風(fēng)險(xiǎn)監(jiān)測系統(tǒng)是電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的信息輸入接口，通過內(nèi)部審計(jì)機(jī)構(gòu)收集企業(yè)內(nèi)部的財(cái)務(wù)數(shù)據(jù)，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)選取數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行預(yù)處理。首先，其數(shù)據(jù)來源并非局限于某電網(wǎng)企業(yè)內(nèi)部的封閉體，而是包含外部相關(guān)數(shù)據(jù)的一個開放體系。在大數(shù)據(jù)和人工智能背景下，外部經(jīng)濟(jì)和政策環(huán)境對電網(wǎng)企業(yè)的經(jīng)濟(jì)發(fā)展具有較大影響，審計(jì)和經(jīng)濟(jì)等相關(guān)數(shù)據(jù)可通過外部機(jī)構(gòu)獲取。風(fēng)險(xiǎn)監(jiān)測的目的是根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)采集相關(guān)財(cái)務(wù)數(shù)據(jù)，對財(cái)務(wù)和審計(jì)風(fēng)險(xiǎn)進(jìn)行常規(guī)監(jiān)控。電網(wǎng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選取應(yīng)遵循全面性和有效性原則。選取的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)首先應(yīng)全面、準(zhǔn)確地反映企業(yè)真實(shí)的財(cái)務(wù)狀況。其次，能夠?qū)υ撈髽I(yè)的財(cái)務(wù)和審計(jì)風(fēng)險(xiǎn)進(jìn)行有效識別。在此基礎(chǔ)上，結(jié)合電網(wǎng)企業(yè)的實(shí)際財(cái)務(wù)情況，選取償債能力、盈利能力、經(jīng)營能力、發(fā)展能力和其他5個一級指標(biāo)分析公司的財(cái)務(wù)狀況，并從中選取12個二級指標(biāo)建立了財(cái)務(wù)指標(biāo)體系，如表1所示。

2.風(fēng)險(xiǎn)預(yù)警系統(tǒng)。風(fēng)險(xiǎn)預(yù)警系統(tǒng)是電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的核心模塊，通過相關(guān)的審計(jì)財(cái)務(wù)數(shù)據(jù)進(jìn)行因子分析，提取主成分輸入風(fēng)險(xiǎn)預(yù)警模型，然后識別審計(jì)風(fēng)險(xiǎn)并對風(fēng)險(xiǎn)水平進(jìn)行分級。風(fēng)險(xiǎn)預(yù)警系統(tǒng)中最關(guān)鍵的部分是風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建，由于電網(wǎng)企業(yè)大規(guī)模和財(cái)務(wù)復(fù)雜的特點(diǎn)，需要建立一個高效、準(zhǔn)確的風(fēng)險(xiǎn)預(yù)警模型，以快速識別企業(yè)內(nèi)部的審計(jì)風(fēng)險(xiǎn)，評價(jià)企業(yè)運(yùn)營的風(fēng)險(xiǎn)水平狀態(tài)。

3.風(fēng)險(xiǎn)反饋系統(tǒng)。風(fēng)險(xiǎn)反饋系統(tǒng)建立在風(fēng)險(xiǎn)預(yù)警系統(tǒng)的基礎(chǔ)之上，當(dāng)系統(tǒng)發(fā)出預(yù)警信號時(shí)，首先根據(jù)不同的風(fēng)險(xiǎn)水平分析預(yù)警信號產(chǎn)生的風(fēng)險(xiǎn)來源。風(fēng)險(xiǎn)反饋系統(tǒng)的目的是對風(fēng)險(xiǎn)進(jìn)行跟蹤分析，根據(jù)風(fēng)險(xiǎn)來源確定可采取的風(fēng)險(xiǎn)應(yīng)對措施，通過反饋判斷采取措施后的預(yù)警信號是否降低或排除，在最短時(shí)間內(nèi)減少該風(fēng)險(xiǎn)對電網(wǎng)企業(yè)造成的負(fù)面影響。

（二）內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建

在大數(shù)據(jù)和新電力政策背景下，電網(wǎng)企業(yè)的內(nèi)部環(huán)境不斷變化，并呈現(xiàn)出高度的復(fù)雜性和不確定性。傳統(tǒng)的風(fēng)險(xiǎn)預(yù)警模型難以處理非線性和非結(jié)構(gòu)化的大規(guī)模數(shù)據(jù)，也無法適應(yīng)企業(yè)內(nèi)部環(huán)境的快速變化。針對現(xiàn)代審計(jì)數(shù)據(jù)規(guī)模大但知識匱乏的問題，采用模糊神經(jīng)網(wǎng)絡(luò)等知識挖掘技術(shù)提取數(shù)據(jù)中存在的關(guān)系和規(guī)則，從而增強(qiáng)審計(jì)能力，實(shí)現(xiàn)對電網(wǎng)企業(yè)內(nèi)部審計(jì)的風(fēng)險(xiǎn)預(yù)警。

模糊神經(jīng)網(wǎng)絡(luò)中常用的模糊推理方法包括Mamdani型（簡稱M型）和Tagagi-Sugeno型（簡稱TS型），本文基于自適應(yīng)神經(jīng)模糊系統(tǒng)（ANFIS），采用TS型模糊推理方法。TS型模糊推理方法具有利于計(jì)算、與自適應(yīng)方法結(jié)合容易的優(yōu)點(diǎn)，能夠?qū)崿F(xiàn)建模過程的自適應(yīng)和優(yōu)化處理。

模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，一般包括五層結(jié)構(gòu)：輸入層、模糊化層、規(guī)則層、反模糊化層和輸出層。

模糊神經(jīng)網(wǎng)絡(luò)的具體算法如下：

1.初始化網(wǎng)絡(luò)的權(quán)重值wij、隸屬度函數(shù)的中心值cij和寬度值σij。隸屬度函數(shù)是對模糊概念的定量化處理，常用高斯函數(shù)作為隸屬度。

2.輸入網(wǎng)絡(luò)的輸入向量Xn和目標(biāo)輸出Yn。

3.計(jì)算網(wǎng)絡(luò)的實(shí)際輸出和目標(biāo)輸出之間的誤差：

其中，pn和yn分別表示網(wǎng)絡(luò)的實(shí)際輸出和目標(biāo)輸出。

4.采用誤差反向傳播算法對系統(tǒng)的條件參數(shù)進(jìn)行調(diào)整以降低預(yù)測誤差。計(jì)算權(quán)重值wij、隸屬度函數(shù)的中心值cij和寬度值σij的修正加權(quán)系數(shù)：

其中，η為學(xué)習(xí)率，m為網(wǎng)絡(luò)的迭代次數(shù)。

三、實(shí)例研究

在電網(wǎng)工程中，財(cái)務(wù)審計(jì)預(yù)警是企業(yè)在經(jīng)營管理活動中對潛在的經(jīng)營風(fēng)險(xiǎn)與財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行有效預(yù)測的重要工具。本節(jié)根據(jù)電網(wǎng)公司內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)涉及的部門提取相關(guān)數(shù)據(jù)，利用內(nèi)部審計(jì)部門調(diào)查相關(guān)資料，如公司統(tǒng)計(jì)報(bào)表、電網(wǎng)診斷報(bào)告、電網(wǎng)規(guī)劃報(bào)告、財(cái)務(wù)管控報(bào)表等，以M電網(wǎng)公司為例，選取2002—2019年所有季度的相關(guān)數(shù)據(jù)來驗(yàn)證內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的有效性和準(zhǔn)確性。本文中審計(jì)預(yù)警方式采用Z值預(yù)警法，Z值模型是預(yù)測企業(yè)破產(chǎn)可能性、檢測財(cái)務(wù)風(fēng)險(xiǎn)與危機(jī)預(yù)警的主流模型之一，當(dāng)企業(yè)的Z值低于2.675時(shí)表示存在風(fēng)險(xiǎn)。

（一）數(shù)據(jù)預(yù)處理和因子分析

當(dāng)內(nèi)部審計(jì)數(shù)據(jù)中存在缺失值時(shí)，需要采用一定方法對數(shù)據(jù)進(jìn)行清洗以補(bǔ)充完整，如均值法、最大頻率法等。由于內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警的各項(xiàng)指標(biāo)之間存在量綱不一致的現(xiàn)象，因此必須對其進(jìn)行歸一化處理。所采用的預(yù)警數(shù)據(jù)極差較大，適合采用Z-score標(biāo)準(zhǔn)化的方式對數(shù)據(jù)進(jìn)行處理，計(jì)算公式如下：

其中，u和σ分別代表對應(yīng)指標(biāo)同年度的行業(yè)均值和行業(yè)標(biāo)準(zhǔn)差。

內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系共選取了12個財(cái)務(wù)指標(biāo)，由于指標(biāo)之間存在一定的多重共線性和自相關(guān)性，而過多的變量會影響網(wǎng)絡(luò)模型的訓(xùn)練效率和預(yù)測結(jié)果，因此對預(yù)警數(shù)據(jù)進(jìn)行因子分析和主成分分析，將多個相互關(guān)聯(lián)的變量精簡為少數(shù)幾個主成分因子，從而達(dá)到數(shù)據(jù)降維的目的。采用SPSS統(tǒng)計(jì)分析軟件進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn)來判別數(shù)據(jù)的分布情況，檢驗(yàn)結(jié)果如表2所示。其中KMO統(tǒng)計(jì)量的值為0.624，Bartlett球形檢驗(yàn)的p值為0.000，說明可以通過主成分分析進(jìn)行降維并篩選變量。

使用主成分分析提取風(fēng)險(xiǎn)預(yù)警體系的關(guān)鍵因子時(shí)，選擇保留特征值大于0.8的主成分。各主成分的特征值和方差貢獻(xiàn)率如圖3和圖4所示，選擇前6個主成分作為輸入變量，這6個主成分的累計(jì)貢獻(xiàn)率為98.489%，已經(jīng)包含了風(fēng)險(xiǎn)預(yù)警指標(biāo)中絕大部分信息。

（二）結(jié)果分析

首先使用genfis1函數(shù)訓(xùn)練ANFIS，產(chǎn)生TS型模糊推理系統(tǒng)中隸屬度函數(shù)參數(shù)的初值并提取數(shù)據(jù)中的規(guī)則知識，然后調(diào)用ANFIS圖形界面編輯器完成模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練。模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)如下：模型訓(xùn)練樣本共56個，包含6個輸入變量和1個輸出變量，6個輸入變量的模糊子集數(shù)均設(shè)為2;隸屬度函數(shù)采用高斯型，訓(xùn)練誤差設(shè)為0.0001，訓(xùn)練步數(shù)設(shè)為20。

隸屬度函數(shù)是對模糊概念的定量化處理，確定研究中各輸入變量合適的隸屬度是運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)解決現(xiàn)實(shí)問題的前提。模糊神經(jīng)網(wǎng)絡(luò)會在訓(xùn)練時(shí)調(diào)整隸屬度函數(shù)的參數(shù)值來減少預(yù)測誤差，6個輸入變量的隸屬度函數(shù)訓(xùn)練前后的參數(shù)值如表3所示。

為更好地理解本文方法的有效性，采用T-SNE（T-distributed Stochastic Neighbor Embedding）算法對原始數(shù)據(jù)和本文方法的降維特征進(jìn)行可視化。

如圖5所示，原始數(shù)據(jù)中正常樣本和不正常樣本隨機(jī)分布，部分?jǐn)?shù)據(jù)出現(xiàn)重疊難以分辨;而經(jīng)過本文方法降維提取特征后，兩類數(shù)據(jù)出現(xiàn)聚類現(xiàn)象，可以完全分開，這說明本文方法可以有效提取該電網(wǎng)公司財(cái)務(wù)數(shù)據(jù)的關(guān)鍵特征。

訓(xùn)練階段，F(xiàn)NN從輸入數(shù)據(jù)中共提取了64條規(guī)則，測試階段使用16個樣本進(jìn)行測試。將FNN的預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)（BPN）進(jìn)行對比，測試樣本的預(yù)測值與真實(shí)值對比情況如圖6所示。根據(jù)Z值模型的判定準(zhǔn)則，當(dāng)Z值低于2.675時(shí)，企業(yè)的財(cái)務(wù)狀況可能存在風(fēng)險(xiǎn)。從圖中可以看出，F(xiàn)NN可以識別出所有的風(fēng)險(xiǎn)樣本（5個），預(yù)警正確率為100%;BPN共識別出4個風(fēng)險(xiǎn)樣本，預(yù)警正確率為80%。進(jìn)一步將測試樣本的風(fēng)險(xiǎn)預(yù)警進(jìn)行分級，將Z值在1.81—2.675的樣本視為中等風(fēng)險(xiǎn)，Z值低于1.81的樣本視為高風(fēng)險(xiǎn)。預(yù)警分級結(jié)果如表4所示，其中高風(fēng)險(xiǎn)樣本3個，中等風(fēng)險(xiǎn)樣本2個，F(xiàn)NN模型的預(yù)警分級的準(zhǔn)確率為100%，BPN模型預(yù)警分級的準(zhǔn)確率為87.5%。證明了本文所提出的基于知識挖掘的FNN模型可以為電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警提供科學(xué)可行的評價(jià)方法。

四、結(jié)論

本文從內(nèi)部審計(jì)角度出發(fā)，重點(diǎn)分析了電網(wǎng)企業(yè)內(nèi)部審計(jì)如何與風(fēng)險(xiǎn)預(yù)警相結(jié)合，介紹了電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的定義與目標(biāo)，并將知識挖掘技術(shù)應(yīng)用于企業(yè)內(nèi)部審計(jì)與風(fēng)險(xiǎn)預(yù)警。闡述了電網(wǎng)企業(yè)內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警體系的構(gòu)建思路和應(yīng)用流程，將該體系分為風(fēng)險(xiǎn)監(jiān)測系統(tǒng)、風(fēng)險(xiǎn)預(yù)警系統(tǒng)和風(fēng)險(xiǎn)反饋系統(tǒng)，并以M電網(wǎng)公司為例進(jìn)行內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警實(shí)驗(yàn)，測試結(jié)果證明了基于模糊神經(jīng)網(wǎng)絡(luò)的內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警模型可以有效識別電網(wǎng)企業(yè)內(nèi)部的風(fēng)險(xiǎn)并進(jìn)行預(yù)警分級，從而為電網(wǎng)企業(yè)的內(nèi)部審計(jì)提供決策思路，提高審計(jì)效率。

（作者單位：國網(wǎng)山東省電力公司? 同濟(jì)大學(xué)機(jī)械與能源工程學(xué)院? 國網(wǎng)山東省電力公司濟(jì)寧供電公司，郵政編碼：201804，電子郵箱：jbyu@#edu.cn）

主要參考文獻(xiàn)

韓錕，李有華，張俊民.國家電網(wǎng)公司內(nèi)部審計(jì)工作的創(chuàng)新與實(shí)踐[J].財(cái)務(wù)與會計(jì)， 2018（19）：80-81

李猛，朱迎際，莊軼.基于自然語言技術(shù)的內(nèi)部審計(jì)風(fēng)險(xiǎn)預(yù)警框架構(gòu)建與應(yīng)用：以NJ銀行授信業(yè)務(wù)為例[J].中國內(nèi)部審計(jì)， 2019（6）：4-9

王宏巍，李仁昊.審計(jì)預(yù)警體系研究：基于農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)[J].會計(jì)之友， 2020（10）：

128-135

楊熳.非結(jié)構(gòu)化內(nèi)部審計(jì)數(shù)據(jù)及其處理探析[J].中國內(nèi)部審計(jì)， 2019（4）：23-27

張?jiān)?企業(yè)內(nèi)部審計(jì)創(chuàng)新研究：以電網(wǎng)公司為例[J].現(xiàn)代營銷（下旬刊）， 2020（7）：250-251