袁陽春, 劉森

(南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司， 廣東 廣州 510006)

0 引言

以共同利益為終極目標(biāo)構(gòu)建的動態(tài)聯(lián)盟——基于信息網(wǎng)絡(luò)技術(shù)的虛擬企業(yè)，匯集大量優(yōu)勢資源，成為經(jīng)濟(jì)全球化的當(dāng)代社會中主流企業(yè)模式[1]。虛擬企業(yè)的審計(jì)工作是當(dāng)前國家審計(jì)部門的關(guān)鍵內(nèi)容，能夠反映其財務(wù)狀況與經(jīng)營成果[2]，對于虛擬企業(yè)審計(jì)的相關(guān)研究也成為審計(jì)部門理論研究的熱點(diǎn)問題。

審計(jì)工作的發(fā)展可歸納為以賬項(xiàng)基礎(chǔ)、制度基礎(chǔ)和風(fēng)險導(dǎo)向?yàn)樘卣鞯?個不同審計(jì)階段[3]。以風(fēng)險導(dǎo)向?yàn)樘卣鞯膶徲?jì)不僅是審計(jì)部門工作意義存在與發(fā)展的必然要求，同樣也是經(jīng)濟(jì)全球化時代下審計(jì)方法應(yīng)用與戰(zhàn)略定位的發(fā)展方向，在風(fēng)險導(dǎo)向?yàn)樘卣鞯脑O(shè)計(jì)階段下以審計(jì)風(fēng)險評估為核心，通過審計(jì)風(fēng)險因素定性分析可知，審計(jì)風(fēng)險評估對審計(jì)風(fēng)險因素進(jìn)行定量分析與評價，是實(shí)施審計(jì)風(fēng)險處理的先決條件[4-5]。

數(shù)據(jù)挖掘技術(shù)是在海量的、含噪的、缺失的、隨機(jī)的數(shù)據(jù)中采集數(shù)據(jù)內(nèi)隱藏的、具有價值的信息與知識的過程[6]。作為決策支持理論，數(shù)據(jù)挖掘技術(shù)能夠幫助決策者進(jìn)行相應(yīng)的戰(zhàn)略決策，從而降低風(fēng)險。作為數(shù)據(jù)挖掘技術(shù)中的常用技術(shù)之一，人工神經(jīng)網(wǎng)絡(luò)具有高度自適應(yīng)性與容錯性，且魯棒性較高，對于數(shù)據(jù)挖掘問題的處理具有明顯優(yōu)勢?；诖吮疚脑O(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的虛擬企業(yè)審計(jì)風(fēng)險評估模型，在虛擬企業(yè)審計(jì)風(fēng)險因素分析的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建風(fēng)險評估模型，準(zhǔn)確評估虛擬企業(yè)審計(jì)風(fēng)險。

1 基于數(shù)據(jù)挖掘技術(shù)的虛擬企業(yè)審計(jì)風(fēng)險評估模型設(shè)計(jì)

1.1 虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系構(gòu)建

作為虛擬企業(yè)審計(jì)風(fēng)險評估的基礎(chǔ)，在虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系構(gòu)建過程中，需嚴(yán)格遵守客觀性、合理性與完整性進(jìn)行風(fēng)險評估指標(biāo)選取[7]，確保不同評估指標(biāo)間不存在依附關(guān)系。

虛擬企業(yè)審計(jì)風(fēng)險的主要特征可歸納為三點(diǎn)[8]：(1)審計(jì)環(huán)境的復(fù)雜化；(2)審計(jì)對象的動態(tài)性；(3)審計(jì)方法的多樣性。由于虛擬企業(yè)的主要特征是以信息技術(shù)與電子商務(wù)模式為基礎(chǔ)和平臺，因此在虛擬企業(yè)審計(jì)過程中網(wǎng)絡(luò)信息技術(shù)的安全性與可靠性已成為審計(jì)風(fēng)險形成的主要因素，并且虛擬企業(yè)中業(yè)務(wù)范圍與形式突破以往傳統(tǒng)的審計(jì)范圍，擴(kuò)大了審計(jì)工作范疇。虛擬企業(yè)的經(jīng)營模式具有多變性、靈活性以及邊界模糊性等特征，在其作為審計(jì)對象的條件下，其經(jīng)營模式特征造成審計(jì)部門工作過程中審計(jì)證據(jù)獲取與審計(jì)線索追蹤難度均有不同程度的提升，導(dǎo)致審計(jì)部門審計(jì)風(fēng)險增加。虛擬企業(yè)審計(jì)是通過計(jì)算機(jī)與網(wǎng)絡(luò)完成的實(shí)時審計(jì)，因此要求審計(jì)部門相關(guān)人員具有熟練的計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)與審計(jì)軟件應(yīng)用技術(shù)，這些技術(shù)的熟練程度對于審計(jì)風(fēng)險產(chǎn)生直接影響。

基于虛擬企業(yè)審計(jì)風(fēng)險的主要特征，根據(jù)我國審計(jì)相關(guān)標(biāo)準(zhǔn)中的審計(jì)準(zhǔn)則，參考國際相關(guān)審計(jì)標(biāo)準(zhǔn)中風(fēng)險導(dǎo)向思想，從重大報錯風(fēng)險、審計(jì)人員風(fēng)險和審計(jì)程序風(fēng)險三方面選取造成虛擬企業(yè)審計(jì)風(fēng)險的不同因素作為虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)[9]。

由于不同的風(fēng)險評估指標(biāo)對風(fēng)險評估結(jié)果的影響有所差異，甚至部分指標(biāo)不僅不會對評估結(jié)果有所貢獻(xiàn)，還會對風(fēng)險評估結(jié)果產(chǎn)生消極影響。為選取對風(fēng)險評估結(jié)果貢獻(xiàn)較大的指標(biāo)，需通過權(quán)重值對比各評估指標(biāo)，獲取對虛擬企業(yè)審計(jì)風(fēng)險評估的影響。采用層次分析法構(gòu)建風(fēng)險評估指標(biāo)的判斷矩陣B,如式(1)。

(1)

式中，xi,j為兩種指標(biāo)xj對xi的關(guān)鍵程度。

指標(biāo)判斷矩陣B的各行元素乘積Li的計(jì)算如式(2)。

(2)

式中，bij表示第j行第i個元素。確定Li的n次方根可用式(3)。

(3)

歸一化處理式(3)，獲取式(4)。

(4)

計(jì)算風(fēng)險評估指標(biāo)判斷矩陣B的最大特征值可用式(5)。

(5)

最后獲取第i層指標(biāo)的權(quán)重：Ci=(ci1,ci2,ci3)，其中ci為第i個指標(biāo)的權(quán)重。

設(shè)定指標(biāo)權(quán)重閾值，選取權(quán)重大于閾值的指標(biāo)構(gòu)建虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系，如表1所示。

表1 虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系

1.2 風(fēng)險評估指標(biāo)標(biāo)準(zhǔn)化處理

由于虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系內(nèi)不僅存在定性指標(biāo)，也存在定量指標(biāo)，通過不同風(fēng)險評估指標(biāo)的標(biāo)準(zhǔn)化處理過程，可令不同風(fēng)險評估指標(biāo)具有可比性。

1.2.1 定量指標(biāo)標(biāo)準(zhǔn)化處理

針對虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系內(nèi)的定量指標(biāo)，標(biāo)準(zhǔn)化處理過程如下。

當(dāng)目標(biāo)值與評估結(jié)果為正比例關(guān)系時，有式(6)。

(6)

當(dāng)目標(biāo)值與評估結(jié)果為反比例關(guān)系時，有式(7)。

(7)

式(6)與式(7)內(nèi)，Di、ximin和ximax分別為目標(biāo)值xi標(biāo)準(zhǔn)化值、提前設(shè)定的第i個指標(biāo)的最小值和提前設(shè)定的第i個指標(biāo)的最大值。

1.2.2 定性指標(biāo)標(biāo)準(zhǔn)化處理

針對虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系內(nèi)的定性指標(biāo)，標(biāo)準(zhǔn)化處理過程如下。

采用專家評分法指標(biāo)進(jìn)行量化處理，利用定量指標(biāo)標(biāo)準(zhǔn)化處理過程對量化處理后的定性指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，以保障定性指標(biāo)與定量指標(biāo)間存在可比性。

1.3 基于BP神經(jīng)網(wǎng)絡(luò)的評估模型構(gòu)建

基于虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系內(nèi)各指標(biāo)，采集指標(biāo)相關(guān)數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練指標(biāo)數(shù)據(jù)，輸出虛擬企業(yè)審計(jì)風(fēng)險評估結(jié)果。

1.3.1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

作為單規(guī)則層網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)由輸入層、中間層、輸出層共同組成，選取前向連接方式連接各層之間的節(jié)點(diǎn)，BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程共分為六個步驟。

步驟一：賦值。用eij和?j分別表示神經(jīng)元i至神經(jīng)元j的連接權(quán)重和輸入層與規(guī)則層內(nèi)神經(jīng)元j的閾值，對eij和?j賦予[0,1]之間的任意值。

步驟二：輸出預(yù)處理。用{xpt}和{ypt}分別為訓(xùn)練樣本集與對應(yīng)的期望輸出集；p和t分別為樣本數(shù)與輸入向量數(shù)，對{xpt}和{ypt}實(shí)施預(yù)處理。

步驟五：神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。利用自學(xué)習(xí)模型eji(n+1)=ζopjδpj+eji(n)確定上下層之間的權(quán)重矩陣與誤差，ζ為學(xué)習(xí)速度。

1.3.2 風(fēng)險評估模型結(jié)構(gòu)設(shè)計(jì)

輸入層：依照虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系中二級指標(biāo)數(shù)量作為風(fēng)險評估模型輸入層神經(jīng)元數(shù)量，即輸入層神經(jīng)元數(shù)量為13。

輸出層：輸出層神經(jīng)元數(shù)量為1，輸出結(jié)果區(qū)間為[0,1]，將輸出結(jié)果劃分為5個等級： [0,0.2)低風(fēng)險；[0.2,0.4)較低風(fēng)險；[0.4,0.6)中等風(fēng)險；[0.6,0.8)較高風(fēng)險；[0.8,1.0)高風(fēng)險。

2 模型測試

實(shí)驗(yàn)為驗(yàn)證本文設(shè)計(jì)的基于數(shù)據(jù)挖掘技術(shù)的虛擬企業(yè)審計(jì)風(fēng)險評估模型的評估效果，在MATLAB商業(yè)數(shù)據(jù)軟件內(nèi)進(jìn)行模型測試，選取在我國注冊的9個虛擬企業(yè)為研究對象，采用本文模型評估其審計(jì)風(fēng)險，評估結(jié)果如下。

2.1 測試條件設(shè)定

在MATLAB商業(yè)數(shù)據(jù)軟件神經(jīng)網(wǎng)絡(luò)工具箱中進(jìn)行函數(shù)設(shè)定，設(shè)定本文模型輸入層與中間層之間采用Tansig(·)函數(shù)，中間層與輸出層間采用Logsig(·)函數(shù)。模型初始化后，選取Traingdx函數(shù)訓(xùn)練模型，設(shè)定模型訓(xùn)練誤差為0.000 1。

2.2 評估結(jié)果

本文模型訓(xùn)練誤差變化情況如圖1所示。

圖1 訓(xùn)練誤差變化

分析圖1得到，本文模型在訓(xùn)練次數(shù)達(dá)到156次時，模型訓(xùn)練誤差滿足模型訓(xùn)練誤差要求，模型訓(xùn)練誤差達(dá)到0.000 099。

本文模型對研究對象的審計(jì)風(fēng)險評估結(jié)果，如表2所示。

表2 研究對象審計(jì)風(fēng)險評估結(jié)果

表2內(nèi)數(shù)據(jù)顯示本文模型能夠有效進(jìn)行研究對象審計(jì)風(fēng)險評估。將本文模型審計(jì)風(fēng)險評估結(jié)果與專家對研究對象審計(jì)風(fēng)險評估的結(jié)果相對比，所得結(jié)果如圖2所示。

圖2 本文模型評估結(jié)果與專家評估結(jié)果對比

分析圖2能夠得到，本文模型對于研究對象審計(jì)風(fēng)險評估結(jié)果與專家評估結(jié)果之間最大差值與最小差值分別為0.006和0，由此可知本文模型評估結(jié)果與專家評估結(jié)果基本一致，驗(yàn)證了本文模型的評估精度。

通過研究對象審計(jì)風(fēng)險評估能夠確定研究對象審計(jì)過程中的薄弱環(huán)節(jié)，針對研究對象審計(jì)過程中的薄弱環(huán)節(jié)，采取有效措施進(jìn)行針對性處理與嚴(yán)格把控，能夠有效降低研究對象審計(jì)風(fēng)險。采用本文模型對研究對象進(jìn)行審計(jì)風(fēng)險評估后，根據(jù)評估結(jié)果針對審計(jì)過程中的薄弱環(huán)節(jié)進(jìn)行針對性處理后，二次實(shí)施審計(jì)風(fēng)險評估，二次審計(jì)風(fēng)險評估結(jié)果以及兩次審計(jì)風(fēng)險評估結(jié)果的變化情況(與表2中本文模型評估結(jié)果相對比),如表3所示。

表3 二次審計(jì)風(fēng)險評估結(jié)果

表3中研究對象前后兩次審計(jì)風(fēng)險評估結(jié)果具有顯著下降趨勢，一次審計(jì)風(fēng)險評估結(jié)果為較高風(fēng)險與中等風(fēng)險的研究對象在二次審計(jì)風(fēng)險評估時風(fēng)險等級均下降一級，風(fēng)險等級較低的研究對象二次審計(jì)風(fēng)險評估結(jié)果與前次相比評估值也有明顯下降趨勢。由此表明利用本文模型進(jìn)行研究對象審計(jì)風(fēng)險評估能夠有效降低研究對象審計(jì)風(fēng)險。

3 總結(jié)

作為近年來企業(yè)發(fā)展的潛在模式，虛擬企業(yè)發(fā)展模式在為企業(yè)提供更靈活反應(yīng)能力的同時，也同樣存在更大、更多的風(fēng)險因素。本文設(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的虛擬企業(yè)審計(jì)風(fēng)險評估模型，在虛擬企業(yè)審計(jì)風(fēng)險評估指標(biāo)體系的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評估模型，準(zhǔn)確評估虛擬企業(yè)審計(jì)風(fēng)險，改善虛擬企業(yè)審計(jì)過程薄弱環(huán)節(jié)。