| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文研究背景意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 持续审计研究综述 | 第11-12页 |
| 1.2.2 智能系统研究综述 | 第12-13页 |
| 1.3 论文研究的主要内容和框架 | 第13页 |
| 1.4 论文研究的创新 | 第13-15页 |
| 第2章 持续审计的基本理论 | 第15-24页 |
| 2.1 持续审计的基本概念 | 第15-17页 |
| 2.1.1 持续审计概述 | 第15页 |
| 2.1.2 持续审计概念 | 第15-17页 |
| 2.2 持续审计的发展历程 | 第17-18页 |
| 2.2.1 计算机审计 | 第17页 |
| 2.2.2 信息系统审计 | 第17-18页 |
| 2.2.3 持续过程审计系统 | 第18页 |
| 2.3 持续审计的优势分析 | 第18-23页 |
| 2.3.1 持续审计与传统审计的比较 | 第19页 |
| 2.3.2 持续审计与持续监控的比较 | 第19-21页 |
| 2.3.3 持续审计与在线审计的比较 | 第21-23页 |
| 2.4 持续审计的必要性分析 | 第23页 |
| 2.4.1 持续审计的必要性 | 第23页 |
| 2.4.2 持续审计的要素分析 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 智能技术与持续审计的关系分析 | 第24-33页 |
| 3.1 智能审计决策支持系统 | 第24-26页 |
| 3.1.1 决策支持系统 | 第24页 |
| 3.1.2 审计决策支持系统 | 第24-25页 |
| 3.1.3 智能审计决策支持系统 | 第25-26页 |
| 3.2 数据挖掘与持续审计的关系 | 第26-29页 |
| 3.2.1 数据挖掘过程 | 第26-27页 |
| 3.2.2 数据挖掘算法 | 第27-28页 |
| 3.2.3 数据挖掘工具 | 第28页 |
| 3.2.4 数据挖掘与持续审计的关系 | 第28-29页 |
| 3.3 智能技术在持续审计中的应用 | 第29-32页 |
| 3.3.1 智能Agent在持续审计中的应用 | 第29页 |
| 3.3.2 XBRL和Web Services在持续审计中的应用 | 第29-31页 |
| 3.3.3 人工智能技术在持续审计中的应用 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于智能技术的持续审计系统构建 | 第33-41页 |
| 4.1 持续审计的流程与特性分析 | 第33-35页 |
| 4.1.1 持续审计的基本流程 | 第33-34页 |
| 4.1.2 持续审计的主要特性 | 第34-35页 |
| 4.2 智能化持续审计模型 | 第35-40页 |
| 4.2.1 基于智能Agent的持续审计应用 | 第35-37页 |
| 4.2.2 基于XBRL和Web Services的持续审计应用 | 第37-39页 |
| 4.2.3 基于数据挖掘的智能审计应用 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 智能化持续审计系统的实例研究 | 第41-58页 |
| 5.1 A公司信息化现状 | 第41-43页 |
| 5.2 A公司持续审计系统体系 | 第43-51页 |
| 5.2.1 设定审计框架模式 | 第43页 |
| 5.2.2 确定业务审计范围 | 第43-45页 |
| 5.2.3 选取数据分析方法 | 第45-51页 |
| 5.2.4 应用持续审计系统 | 第51页 |
| 5.3 数据分析阶段模型示例 | 第51-57页 |
| 5.3.1 提出审计关注点 | 第51页 |
| 5.3.2 建立审计数据库和基准 | 第51-53页 |
| 5.3.3 进行审计数据分析 | 第53-56页 |
| 5.3.4 生成审计报告 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 攻读硕士学位期间参加的科研工作 | 第63-64页 |
| 作者简介 | 第64-65页 |
| 致谢 | 第65页 |