论文部分内容阅读
近年来,计算机审计的研究与应用取得了快速的发展。人们对计算机审计的理论、方法、技术和工具等方面进行了探索和研究,并取得了一定的成果。而联网审计作为一种新型的计算机审计的审计理论和审计方式,改变了审计人员长期以来的审计思维方式和工作方法,也冲击着现有的审计组织方式。在联网审计模式下,电子数据作为重要的审计信息载体贯穿整个审计过程之中,对审计结果和审计质量起着至关重要的作用。然而,面对电子数据日益海量化的挑战,审计人员如何对被审单位海量数据质量进行分析和控制是一个亟待解决的问题。因此,本文首先通过对联网审计一般流程的细化分析,探讨了从审计数据产生的整个生命周期如何运用技术手段保证和提高数据质量,然后利用数据挖掘技术中的神经网络模型,对数据的质量进行监督和评估。全文分为五个部分。首先文章从研究的背景及意义入手,在介绍了关于国内外审计数据质量控制方法的研究基础上,探讨了本文研究的主要内容及研究方法;然后主要介绍了数据质量的相关概念,并从审计数据质量对审计取证和审计风险的影响,分析了审计数据质量的特征及产生的原因;接着通过分析传统审计数据分析技术方法的不足,提出了在审计活动中应用数据挖掘技术的可行性。其次,通过对联网审计一般流程的细化分析,从技术角度探讨了从审计数据的采集、转换、清理到数据分析各个阶段所存在的数据质量问题及相应的控制方法,并将审计数据质量分析放在了重点部分。最后文章选取了数据挖掘技术中的神经网络模型,对其在审计数据质量控制中的应用问题进行详细分析,并利用相对容易获得与规范的上市公司的数据,以2007年到2009年沪深两市A股中因财务异常而首次被特别处理(ST)的69家上市公司及其配对公司为研究样本,以被ST处理前1-3年的财务数据为基础,将可以明确量化的财务指标作为审计信息导入模型中,本文研究发现,运用数据挖掘技术建立的审计数据分析模型。