浅谈简单统计分析模型在财务报表审计中的应用.docx
- 文档编号:23680318
- 上传时间:2023-05-19
- 格式:DOCX
- 页数:23
- 大小:74.15KB
浅谈简单统计分析模型在财务报表审计中的应用.docx
《浅谈简单统计分析模型在财务报表审计中的应用.docx》由会员分享,可在线阅读,更多相关《浅谈简单统计分析模型在财务报表审计中的应用.docx(23页珍藏版)》请在冰豆网上搜索。
浅谈简单统计分析模型在财务报表审计中的应用
浅谈简单统计分析模型在财务报表审计中的应用
——以莲花味精为例
山科大经济管理学院刘飞
摘要:
近年来,我国风险导向审计的审计过程主要以分析程序为主,国际上四大会计事务所也已采用植入数值分析和统计分析等分析程序的审计信息系统进行审计实务。
本文以近年来连续曝出信息披露违法,虚增利润丑闻的上市公司莲花味精股份有限责任公司为研究样例,在一定前提假设下运用简单统计分析模型对其2007年第一季度财务报表的实验项目数据进行预测,通过各种模型的相互论证得出实验项目实际值的合理性度,以及各种情况下的误差水平。
关键字:
分析程序;审计风险;时间序列;回归分析
一、前言
二、
审计从账项基础审计至制度基础审计,再发展到现今的现代风险导向审计,与审计有关的方法和技术也渐渐发生变化。
首先现代风险导向审计的审计重心发生转移,由审计测试转向风险评估,风险评估也由传统的直接评估衍变为间接评估,并以分析性复核为中心,风险评估从零散走向结构化,审计测试程序个性化,自上而下与自下而上相结合,审计证据重点向外部证据转移同时,注册会计师专业知识重心转移,即以会计、审计知识为中心转向管理知识、行业知识为中心。
分析性程序主要包括趋势分析,比率分析,合理性测试和回归性分析等方法,是指注册会计师通过研究不同财务数据之间以及财务数据之间的内在关系,对财务信息做出评价,还包括调查识别出的与其他相关信息不一致或与预期数据严重偏离的波动和关系。
审计信息系统已经给未来审计实务的发展指引出新方向,诞生出新的数字分析技术,手工审计条件下常用的审计技术方法是审阅,监盘,函证,观察,询问,抽样,重新计算等。
计算机环境下,审计方法包括数据查询,统计分析,数值分析等,多种方法的充分结合解决更为复杂的数据分析问题。
[1]本文将统计分析模型应用于2007年第一季度莲花味精主营业务收入的账户发生额认定审计。
三、理论依据
四、
分析程序具体运用于审计的以下三个阶段:
风险评估,实质性测试和总体复核。
各阶段使用分析性程序的目的不同,风险评估阶段使用分析性程序的主要目的是识别那些可能表明财务报表存在重大错报风险的异常变化;被用于总体复核阶段是为了证实已审财务报表项目在报告期所发生的重大变化与注册会计师对被审计单位及其环境的了解和所获取的审计证据一致,但二者过程中所使用的分析程序基本相同,且往往集中在财务报表层次。
用作注册会计师针对评估的认定层次重大错报风险所设计和实施的分析程序是实质性分析程序,它与细节测试都可用于实质性测试阶段收集审计证据,前者相比后者而言,所能够达到的精确度受到限制的可能性更大,所提供的多是间接证据,证明力相对较弱,这即使分析程序的作用受到理论界和监管界的怀疑。
例如,前SEC阿瑟·利维特就强烈批评会计事务所过多采用了分析程序。
黄世忠等通过对世界通信公司案例的分析,认为安达信全面借助电脑软件执行分析程序不符合审计基本常识,显失职业谨慎。
[2]因此在运用实质性分析程序时首先确定对其特定认定的适用性,并考虑数据的可靠性,做出预期的准确程度及已记录金额与预期值之间可接受的差异额。
很多社会经济现象随着时间的推移不断发展变化的,为了探索现象随时间而发展的变化的规律性,不仅应从静态上分析现象的特征,内部结构以及相互关联的数量关系,而且应着眼于现象随时间演变的过程,从动态上去研究其发展变动的过程和规律,预测事物未来发展变化的趋势,这即是统计学中的时间序列分析。
[3]据序列的变化过程是否能以时间t的确定函数来描述,可将时间序列划分为确定型的时间序列和随机型的时间序列,对时间序列进行分析的实质是趋势分析,目的是描述事物在过去时间的状态,分析其随时间推移的发展趋势,揭示发展变化的规律性及预测事物在未来时间的数量。
统计分析中寻求分析各种数据相互之间关系的统计方法,是回归分析与相关分析。
其中回归性分析方法是在掌握大量观察数据的基础上,利用统计方法寻求变量之间的具体数学形式,根据自变量的值去估计和预测因变量的平均值。
时间序列线性趋势的测定方法常用的是移动平均法,指数平滑法以及趋势模型法。
1.移动平均是以消除或削弱原序列由于短期偶然因素引起的不规则变动和其他成分为目的而选择一定的用于平均的时距项数K采用对序列逐项递移的方式,对原序列递移的K项计算一系列的序时平均数,对其进行的修匀作用,移动平均值也即是现象发展趋势的预测值。
2.
3.指数平滑法为消除不规则变动,根据第t期的趋势预测值与第t期的实际值所存在的误差,包括不规则随机误差与第t-1期至t期的实质性变化,属于实质性变化部分的比例由平滑系数a决定。
指数平滑法有一次指数平滑,二次指数平滑,三次指数平滑,其中一次指数平滑公式如下:
4.
指数平滑值Et实质是各期观测值yt,的加权平均值,各期权数呈指数递减形式,因而称为指数平滑。
3.测定长期趋势的模型分为线性趋势和非线性趋势。
4.
3.1线性长期趋势是利用线性回归的方法对原时间对原时间序列拟合线性方程,消除其他成分变动,线性趋势方程的一般形式:
3.2
n为时间序列的项数,
和
分别为线性趋势方程参数a和b的最小二乘估计值,y为实际观测值,
表示当时间t变动一个单位时,趋势值的平均变动数量。
3.3指数曲线型,指每期大体上按相同的增长速度递增或递减,所拟合曲线的表达式:
3.4
利用时间序列数据,,运用最小二乘法估计出lga和lgb的估计值,再取反对数即得到参数a与b的估计值
5.多元线性回归分析模型:
研究两个因变量与两个或两个以上自变量的线性关系,其总体回归函数表达式的一般形式如下:
6.
式子中
为第i次观测样本,
为模型参数,
为随机干扰项。
样本回归函数表达式如下:
是对总体回归参数β的估计值。
总体函数矩阵表示:
即
样本函数矩阵表示:
其中
五、研究样例设计及分析
六、
本文选取上市公司莲花味精股份有限公司作为样例,对其2004-2006年合并报表下的营业收入,营业成本,营业税金及附加,销售费用,管理费用的12个季度数据进行统计分析,主要是时间序列分析与线性回归分析的结合。
注册会计师对该公司2004-2006每年的中期报告和年度报告对均出具了无保留意见,但至2007年度-2009年度该公司出现虚增利润,将没有到位的政府补助1.944亿元和3亿元入账,使其连续两年利润扭亏为盈。
2013年第一大客户和第三大客户的名称披露错误,且2006-2009年连续四年信披违法被罚后再违规,这表明该公司2007年度虚增利润的可能性比较大,动机较强。
实验假设:
首先假设这3年里数据真实性较强,莲花味精公司未对财务数据弄虚作假;其次数据的可靠性较强,报表数据均来源于被审计单位对外公开的发布在新浪财经网站上的财务报告。
;运用的分析程序适合对销售收入的发生认定进行分析;已记录金额与预期值的可接受差异额为当期期末总资产余额的5%。
通过多种模型得出的结果相互验证2007年一季度和第二季度的实际值与预期值,预期值与预期值的吻合性。
(一)分析过程:
(二)
选取样例后得到下列数据表:
营业收入
营业成本
营业税金
及附加
销售费用
管理费用
X1
X2
X3
X4
X5
2004年1季度
236,567,626.00
230,545,741.00
1,603,690.00
12,460,940.00
11,613,712.00
2004年2季度
217,203,903.00
196,206,021.00
609,341.00
27,391,519.00
25,057,503.00
2004年3季度
258,754,666.00
214,670,935.00
1,500,955.00
11,348,082.00
12,518,922.00
2004年4季度
239,639,028.00
149,534,882.00
930,332.00
15,700,514.00
17,547,474.00
2005年1季度
215,814,075.61
194,731,331.23
413,334.56
11,914,361.11
11,237,122.57
2005年2季度
287,370,821.29
238,852,559.21
1,226,580.32
15,722,437.16
16,538,059.20
2005年3季度
388,137,618.00
344,576,028.00
866,422.00
14,323,547.00
14,380,471.00
2005年4季度
446,226,283.43
386,034,468.49
2,206,771.39
22,180,423.27
20,773,892.04
2006年1季度
390,775,465.00
339,554,669.00
256,269.00
20,140,474.61
17,917,945.23
2006年2季度
396,227,221.56
359,320,560.00
2,510,466.00
9,888,275.00
6,448,006.00
2006年3季度
490,968,391.94
423,303,607.00
310,929.00
27,518,289.00
21,438,378.00
2006年4季度
596,658,453.05
538,520,686.71
2,744,168.64
23,432,701.93
6,561,261.29
2007年1季度实际值
544,685,842.00
481,973,194.00
595,872.00
18,523,475.00
26,006,005.00
注:
数据来源于新浪财经网公布的财务报告,以及中国财经网站公布的定期报表
a)移动平均模型:
选取移动平均时距项数K=4,消除季节变动,结果如表1-1所示
b)
表1-1
MovingAverage
numberofperiods:
K=4
t
营业收入
4MA
1
236,567,626.0000
2
217,203,903.0000
3
258,754,666.0000
4
239,639,028.0000
238,041,305.75000
5
215,814,075.6100
232,852,918.15250
6
287,370,821.2900
250,394,647.72500
7
388,137,618.0000
282,740,385.72500
8
446,226,283.4300
334,387,199.58250
9
390,775,465.0000
378,127,546.93000
10
396,227,221.5600
405,341,646.99750
11
490,968,391.9400
431,049,340.48250
12
596,658,453.0500
468,657,382.88750
2007年第一季度的预期值为468,657,382.88750,而当期实际的销售收入为544,685,842.00元
c)指数平滑模型:
选取平滑系数为a﹦0.7,结果如表1-2-1
d)
表1-2-1
SimpleExponentialSmoothing
Alpha
0.70
t
营业收入
Smoothed
Forecast
%error
242,558,353.31667
*
1
236,567,626.0000
238,364,844.19500
242,558,353.3167
-2.5
2
217,203,903.0000
223,552,185.35850
238,364,844.1950
-9.7
3
258,754,666.0000
248,193,921.80755
223,552,185.3585
13.6
4
239,639,028.0000
242,205,496.14227
248,193,921.8076
-3.6
5
215,814,075.6100
223,731,501.76968
242,205,496.1423
-12.2
6
287,370,821.2900
268,279,025.43390
223,731,501.7697
22.1
7
388,137,618.0000
352,180,040.23017
268,279,025.4339
30.9
8
446,226,283.4300
418,012,410.47005
352,180,040.2302
21.1
9
390,775,465.0000
398,946,548.64102
418,012,410.4701
-7.0
10
396,227,221.5600
397,043,019.68431
398,946,548.6410
-0.7
11
490,968,391.9400
462,790,780.26329
397,043,019.6843
19.1
12
596,658,453.0500
556,498,151.21399
462,790,780.2633
22.4
556,498,151.2140
MeanSquaredError
4,770,424,878,755,920.00000
MeanAbsolutePercentError
13.8%
PercentPositiveErrors
50.0%
*initialvalue-meanoffirstsixdatavalues
选取平滑系数a=0.8,结果如表1-2-2
表1-2-2
SimpleExponentialSmoothing
Alpha
0.80
t
X1
Smoothed
Forecast
242,558,353.317
*
1
236,567,626.00
237,765,771.463
242,558,353.32
2
217,203,903.00
221,316,276.693
237,765,771.46
3
258,754,666.00
251,266,988.139
221,316,276.69
4
239,639,028.00
241,964,620.028
251,266,988.14
5
215,814,075.61
221,044,184.494
241,964,620.03
6
287,370,821.29
274,105,493.931
221,044,184.49
7
388,137,618.00
365,331,193.186
274,105,493.93
8
446,226,283.43
430,047,265.381
365,331,193.19
9
390,775,465.00
398,629,825.076
430,047,265.38
10
386,289,112.00
388,757,254.615
398,629,825.08
11
488,998,840.00
468,950,522.923
388,757,254.62
12
589,655,392.99
565,514,418.977
468,950,522.92
565,514,418.98
MeanSquaredError
4,411,545,414,130,790.000
MeanAbsolutePercentError
14.0%
PercentPositiveErrors
50.0%
*initialvalue-meanoffirstsixdatavalues
选取平滑系数a=0.6,结果如表1-2-3
表1-2-3
SimpleExponentialSmoothing
Alpha
0.60
t
营业收入
Smoothed
Forecast
%error
242,558,353.31667
*
1
236,567,626.0000
238,963,916.92667
242,558,353.3167
-2.5
2
217,203,903.0000
225,907,908.57067
238,963,916.9267
-10.0
3
258,754,666.0000
245,615,963.02827
225,907,908.5707
12.7
4
239,639,028.0000
242,029,802.01131
245,615,963.0283
-2.5
5
215,814,075.6100
226,300,366.17052
242,029,802.0113
-12.1
6
287,370,821.2900
262,942,639.24221
226,300,366.1705
21.3
7
388,137,618.0000
338,059,626.49688
262,942,639.2422
32.3
8
446,226,283.4300
402,959,620.65675
338,059,626.4969
24.2
9
390,775,465.0000
395,649,127.26270
402,959,620.6568
-3.1
10
396,227,221.5600
395,995,983.84108
395,649,127.2627
0.1
11
490,968,391.9400
452,979,428.70043
395,995,983.8411
19.3
12
596,658,453.0500
539,186,843.31017
452,979,428.7004
24.1
539,186,843.3102
5,268,908,466,963,940.00000
MeanSquaredError
13.7%
MeanAbsolutePercentError
58.3%
PercentPositiveErrors
*initialvalue-meanoffirstsixdatavalues
e)线性长期趋势模型,结果如表1-3,图1-1所示
f)
表1-3
RegressionAnalysis
0.824
Adjustedr^2
0.807
r
0.908
Std.Error
53531422.699
12
observations
1
predictorvariable
X1
isthedependentvariable
ANOVAtable
Source
SS
df
MS
F
p-value
Regression
134,479,873,446,155,000.0000
1
134,479,873,446,155,000.0000
46.93
4.46E-05
Residual
28,656,132,162,302,100.0000
10
2,865,613,216,230,210.0000
Total
163,136,005,608,457,000.0000
11
Regressionoutput
variables
coefficients
std.error
t(df=10)
intercept
146,122,131.4647
32,946,313.1716
4.435
t
30,666,246.8429
4,476,522.4517
6.850
confidenceinterval
p-value
95%lower
95%upper
intercept
146,122,131.4647
.0013
72,713,171.3723
219,531,091.5571
t
30,666,246.8429
4.46E-05
20,691,933.2893
40,640,560.3964
图1-1营业收入线性回归趋势
g)指数长期趋势模型,结果如表1-4,图1-2所示
h)
表1-4
RegressionAnalysis
r?
0.847
Adjustedr?
0.832
r
0.920
Std.Error
0.143
12
observations
1
predictorvariable
ln(营业收入)
isthedependentvariable
ANOVAtable
Source
SS
df
Regression
1.1300
1
Residual
0.2043
10
Total
1.3343
11
MS
F
p-value
1.1300
55.31
2.22E-05
0.0204
t
0.0889
0.0120
confidenceinterval
t(df=10)
p-value
95%lower
95%upper
216.332
1.10E-19
18.8348
19.2268
7.437
2.22E-05
0.06
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 浅谈 简单 统计分析 模型 财务报表 审计 中的 应用