灰色关联分析法在重大错报风险评估中的应用研究，本文主要内容关键词为：分析法论文,大错论文,灰色论文,风险评估论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
现阶段，注册会计师审计已从传统的风险导向审计模式演变为以风险分析为基础的现代风险导向审计。对现代风险导向审计的研究始于21世纪初，Knechel提出以现代风险导向为基础的审计方法[1]，Eilifsen进一步证实该方法可以减低审计风险[2]。2003年10月，国际审计与鉴证准则委员会(IAASB)通过了新的风险导向审计准则，标志着现代风险导向审计由理论研究阶段步入实践推广阶段[3]。2006年2月15日，我国财政部颁布《中国注册会计师执业准则》，并于2007年1月1日开始实施，这标志着我国也已正式进入现代风险导向审计阶段。 现代风险导向审计的基本原理在于，审计人员首先确定一个可接受的整体审计风险水平，然后根据对被审单位重大错报风险的评估结果得出可接受的检查风险水平，并以此来确定和完成与控制测试及实质性程序的范围、时间安排和性质等审计资源配置相关的工作[4]。与以往的审计模型相比，现代风险导向审计引入了“重大错报风险”的概念，将审计风险模型表述为“审计风险=重大错报风险×检查风险”，并在整个审计过程中持续进行相关风险的评价[5]。现代风险导向审计强调将重大错报风险的评估作为审计工作的前提和基础，通过深入了解被审单位及其环境，依据重大错报风险评估模型，科学评估重大错报风险可能存在的具体业务领域、各业务领域错报风险的高低以及被审单位整体重大错报风险大小，进而在后续审计过程中采取更具针对性的应对措施，最终将整体审计风险降至可接受的水平。可见，重大错报风险的评估是现代风险导向审计中控制整个审计风险的核心环节，其评估方法的科学性决定了评估结果的准确性。 有关重大错报风险评估方法的研究较多，归纳起来主要有定性分析法和定量评估法。然而，现有的评价方法中无论是定性分析还是定量评估都包含较多的主观判断，评估效果均不太理想[6]。为了更加客观准确地评价各错报风险因素的影响程度，减少重大错报风险评估中的主观性，本文尝试引入灰色关联分析法计算重大错报风险各影响因素的权重，构建重大错报风险综合评估模型，以期为审计实践中重大错报风险的评估提供新的思路和方法；更为重要的是，本文的成果可以为后续研究审计资源的科学配置提供依据。 二、文献综述 (一)重大错报风险评估方法研究概述 重大错报风险评估作为现代风险导向审计阶段控制整个审计风险的核心环节，审计界的专家和学者已对其评估方法进行了大量的研究。在传统风险导向审计阶段，审计人员多利用德尔菲法、头脑风暴法、分析性审核法、风险因素分析法、定性风险评价法等定性分析法进行审计风险的评估。然而，定性分析法往往基于审计人员的主观判断，缺乏可辨识的客观依据和统一的评判标准，不能对各风险因素的影响程度进行客观准确的评估。 进入现代风险导向审计阶段后，许多新兴的定量评估方法被应用于重大错报风险的评估。王桂兰将案例推理法引入到审计风险评估的研究中，同时将先进的计算机审计技术应用于多样性的分析性复核[6]，但案例推理法只能根据案例匹配的结果得到重大错报风险存在的领域，无法综合评价被审单位整体重大错报风险水平。万宇洵和朱斌从信息熵角度出发，通过判断重大错报风险各影响因素在各种可能取值下的差异程度来确定各自的权重[7]，但该方法没有对重大错报风险的影响因素进行层次和维度的划分，未考虑重大错报风险各影响因素存在的层次性、模糊性和灰色性特征。张萍和王莹利用模糊综合评价法评估了虚拟企业的审计风险，通过两级模糊综合评判最终确定了虚拟企业的审计风险水平[8]；王会金采用动态模糊综合评价法建立了审计风险综合评判层次体系，并探讨了该模型在评价预期审计风险、重大错报风险和检查风险中的实际应用[4]。模糊综合评价法虽然在一定程度上减少了主观评价可能产生的偏差和误判，但该方法对各风险因素权重的确定是由专家通过对风险因素指标的两两比较判断相对重要性后打分而定，仍然具有主观性。 (二)灰色关联分析法研究概述 灰色系统理论最初由我国学者邓聚龙教授在1982年建立[9]，后经刘思峰等人[10]的不断改进日趋成熟，是一种对少数据、贫信息的不确定性系统进行预测、决策和控制的系统理论。灰色关联分析法作为灰色系统理论中最重要的部分，一直以来受到学界的广泛关注，他们在理论模型和实际应用两方面研究颇多。 有关灰色关联分析法理论模型的研究已经从早期的基于点关联系数研究发展到基于整体或全局视角的广义灰色关联分析模型研究；从以邓聚龙教授提出的邓氏关联度为代表的基于接近性测度相似性的灰色关联分析模型构建，发展到如今分别基于相似性和接近性视角构造灰色关联分析模型[10-11]。 近年来，灰色关联分析法的研究成果已广泛应用于矿井通风系统优化评判、上市公司竞争力评价、购物中心购买力评价、交通方式优选以及风险投资项目综合评价等众多领域[12]。唐万梅利用灰色关联分析理论建立了一种确定指标权重的新方法，这种方法能够排除赋权时人为因素的影响，并将该方法应用于风险投资项目的筛选中[13]，使灰色关联分析法在客观赋权评价法中的应用取得了突破性进展。本文借鉴唐万梅创建的确定指标权重的方法，尝试将灰色关联分析法应用于重大错报风险综合评估领域。 三、灰色关联分析法用于重大错报风险评估的可行性及研究思路 尽管已有研究对重大错报风险的评估进行了有益的探索，但是，由于重大错报风险本身存在影响因素不确定、评价内容模糊、评价信息不足等现实困难，现有评估方法和评估结果的科学性和准确性仍存在争议，尚未达成共识。本文引入的灰色关联分析法是灰色系统理论的重要组成部分，其基本思想是根据系统中各个时点序列曲线的几何形状的接近程度来判断多因素系统中各因素关系的紧密程度。曲线越接近，相应序列之间的关联度越大，反之则越小。该方法实际上是对运行机制或物理原型不清晰的灰关系序列化、模式化，通过构建灰色关联分析模型，使灰关系序化、量化、显化，最终得出综合评价的定量结果。 被评价系统的灰色属性是其能够使用灰色关联分析法的前提条件，灰色属性中的“灰”是指信息的不完全性和非唯一性，其中又以非唯一性为主要特点。非唯一性在决策上体现的是决策多目标、方法多途径；在分析上体现的是关联序思想；在求解过程中体现的是定性和定量相结合[12]。不同于传统的统计分析方法，灰色关联分析法不但计算量较小，而且对样本量和样本的规律性均没有严格要求。实践证明，灰色建模所需的信息较少，精度较高，能较好地反映系统的实际情况[11]。 重大错报风险评价体系中各指标相互影响和关联，彼此并不独立，也不具有明确的数量关系，符合灰色关联关系的属性和特征，这说明重大错报风险评价系统具有灰色属性。因此，利用灰色关联分析法可以对重大错报风险各影响因素的不完全确知关系进行白化处理，确定各评价指标相互关系的强弱和次序，进而得出各因素权重测度大小及排序结果，以判断相对重要性。与传统的重大错报风险评估方法相比，灰色关联分析法的优势在于：(1)各指标权重通过原始数据计算获得，排除了主观赋权法中人为打分的影响，具有较强的客观性；(2)计算步骤简便，计算量较小，对指标的数量和特性均没有严格要求；(3)不但可以得出各风险因素对应评估值的大小及排序，以便确定重大错报风险可能存在的具体业务领域，还可以确定被审单位重大错报风险的综合水平。 综上分析，本文确定的研究思路为：首先建立从目标层到指标层的重大错报风险多维度、多层次评价指标体系；然后构建基于灰色关联分析的重大错报风险评估模型，计算各评价指标间灰色关联系数和灰关联度，得出各指标相对权重测度；最后估算出各风险因素所对应评估值的大小及排序，并得出重大错报风险的综合评估值。 四、基于灰色关联分析的重大错报风险评估模型构建 (一)重大错报风险评价指标体系的构建 重大错报风险评估是一个动态复杂的过程，需要对影响重大错报风险的各个因素进行分析和归类，设计一种合理的评价指标体系，这样才能保证评估结果的科学性。为此，本文以《中国注册会计师审计准则第1211号——通过了解企业及其环境识别和评估重大错报风险》为依据进行指标筛选，运用重大错报风险评估的相关理论，构建从目标层到准则层再到指标层的自上而下的多层次、多维度重大错报风险评价指标体系，如表1所示。 由表1的重大错报风险评价指标体系可以看出，不同准则层下各组指标并不相互独立，例如U[，1](外部环境)下的指标U[，14](其他外部因素)主要包括总体经济状况、通货膨胀水平或币值变动等因素，但U[，11](行业状况)的变动明显要受U[，14](其他外部因素)的影响。可见，重大错报风险评价体系中各指标相互影响和关联，但并不具有确定的数量关系，而是一种灰色关联关系，运用灰色关联分析法可以解决各指标间权重测度问题。 (二)基于灰色关联分析的综合评估模型构建 传统的重大错报风险评估方法对各风险指标的初始数值通常采用专家鉴定法确定，这样处理虽然能够充分利用专家的理论知识和实践经验，但不可避免地存在较强的主观性。本文所构建的重大错报风险灰色关联分析模型在指标数值的评估上仍然采用专家鉴定法，但是，通过对各指标的不完全确知关系进行白化处理后可以提高权重测度的客观性和准确性。 与上述构建重大错报风险评价指标体系时采用自上而下逐层分解导出各层级结构影响因素不同的是，在具体评估过程中，我们采用自下而上的灰色关联分析法，从确定指标层各指标初始评估值开始，再评估准则层各风险因素，最后计算目标层评估值，也即重大错报风险综合评估值。
标签：风险评估论文; 注册会计师论文; 审计风险论文; 风险因素论文; 重大错报风险论文; 灰色关联分析法论文; 关联分析论文; 风险评价论文; 风险模型论文; 灰色模型论文; 审计准则论文; 序列模式论文; 风险权重论文; 审计目标论文; 审计方法论文; 财会论文;