大数据时代下审计风险识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.2.3 国内外文献述评 | 第15-16页 |
| 1.3 研究内容及方法 | 第16-18页 |
| 1.3.1 研究内容 | 第16-18页 |
| 1.3.2 研究方法 | 第18页 |
| 1.4 本文的创新点 | 第18-20页 |
| 第二章 审计风险相关理论及风险识别方法 | 第20-26页 |
| 2.1 审计风险相关概念 | 第20页 |
| 2.1.1 审计与审计风险 | 第20页 |
| 2.1.2 大数据审计的概念界定 | 第20页 |
| 2.2 审计风险基础理论 | 第20-22页 |
| 2.2.1 信息不对称理论 | 第20-21页 |
| 2.2.2 委托代理理论 | 第21-22页 |
| 2.2.3 理性经济人假设 | 第22页 |
| 2.3 审计风险识别方法 | 第22-24页 |
| 2.3.1 神经网络 | 第23页 |
| 2.3.2 支持向量机 | 第23-24页 |
| 2.3.3 Logistic回归 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 大数据对审计的影响分析 | 第26-34页 |
| 3.1 大数据对审计环境的影响分析 | 第26-27页 |
| 3.2 大数据对审计模式的影响分析 | 第27-28页 |
| 3.3 大数据对审计范围的影响分析 | 第28-29页 |
| 3.4 大数据对审计证据的影响分析 | 第29-31页 |
| 3.5 大数据对审计方法的影响分析 | 第31-32页 |
| 3.6 大数据对审计人员的影响分析 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 大数据时代下审计风险识别体系构建 | 第34-52页 |
| 4.1 影响审计风险的主要因素 | 第34-38页 |
| 4.1.1 审计主体因素 | 第34-35页 |
| 4.1.2 审计客体因素 | 第35-37页 |
| 4.1.3 大数据因素 | 第37-38页 |
| 4.2 样本选取及研究变量定义 | 第38-41页 |
| 4.2.1 样本选取与数据来源 | 第38-39页 |
| 4.2.2 研究变量定义 | 第39-41页 |
| 4.3 描述性统计与模型建立 | 第41-44页 |
| 4.3.1 描述性统计 | 第41-43页 |
| 4.3.2 相关系数分析 | 第43-44页 |
| 4.3.3 模型设计 | 第44页 |
| 4.4 多元回归分析 | 第44-50页 |
| 4.4.1 关键因素分析 | 第44-47页 |
| 4.4.2 模型分类判别分析 | 第47-49页 |
| 4.4.3 分析结论 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 审计风险识别的对策建议 | 第52-58页 |
| 5.1 关注大数据信息带来的审计线索 | 第52-53页 |
| 5.1.1 建立审计数据云平台 | 第52页 |
| 5.1.2 利用大数据技术分析非结构化数据 | 第52-53页 |
| 5.1.3 不断完善审计风险识别模型 | 第53页 |
| 5.2 注重审计客体财务指标与非财务指标 | 第53-55页 |
| 5.2.1 调查审计客户股权结构 | 第53-54页 |
| 5.2.2 检查审计客户盈利情况 | 第54页 |
| 5.2.3 分析审计客户现金流情况 | 第54-55页 |
| 5.3 提高审计人员的胜任能力 | 第55-57页 |
| 5.3.1 克服审计人员思维定势的负效应 | 第55-56页 |
| 5.3.2 强化审计人员的风险意识 | 第56页 |
| 5.3.3 科学分配审计小组成员 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 作者简介 | 第62页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第62页 |
| 作者在攻读硕士学位期间参与研究的课题 | 第62-64页 |
| 致谢 | 第64页 |
