大数据审计理论与运用研究--以财务欺诈检测为例
| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 导论 | 第9-26页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-24页 |
| 1.3.1 大数据概念界定 | 第12-21页 |
| 1.3.2 国外大数据审计相关研究 | 第21-23页 |
| 1.3.3 国内大数据审计相关研究 | 第23-24页 |
| 1.4 研究内容与框架 | 第24页 |
| 1.5 创新与不足 | 第24-26页 |
| 第2章 基本理论 | 第26-30页 |
| 2.1 持续审计理论 | 第26-27页 |
| 2.1.1 持续审计背景与概念 | 第26页 |
| 2.1.2 大数据与持续审计 | 第26-27页 |
| 2.2 风险导向审计理论 | 第27-28页 |
| 2.2.1 风险导向审计背景与概念 | 第27页 |
| 2.2.2 大数据与风险导向审计 | 第27-28页 |
| 2.3 审计信息理论 | 第28-29页 |
| 2.3.1 审计信息理论背景与概念 | 第28页 |
| 2.3.2 大数据与审计信息 | 第28-29页 |
| 2.4 基本小结 | 第29-30页 |
| 第3章 大数据审计应用分析 | 第30-49页 |
| 3.1 可行性分析 | 第30-33页 |
| 3.1.1 历史使用分析 | 第30-31页 |
| 3.1.2 成本效益分析 | 第31-32页 |
| 3.1.3 期望分析 | 第32-33页 |
| 3.2 优势分析 | 第33-36页 |
| 3.2.1 预测能力 | 第33页 |
| 3.2.2 欺诈活动识别能力 | 第33-34页 |
| 3.2.3 异常识别能力 | 第34-35页 |
| 3.2.4 时效性 | 第35页 |
| 3.2.5 降低审计固有风险 | 第35-36页 |
| 3.2.6 总结分析 | 第36页 |
| 3.3 局限性分析 | 第36-47页 |
| 3.3.1 现有审计实务支撑能力 | 第36-38页 |
| 3.3.2 审计决策性质局限性 | 第38-39页 |
| 3.3.3 审计决策种类局限性 | 第39-40页 |
| 3.3.4 审计决策对数据关系局限性 | 第40-43页 |
| 3.3.5 信息超载 | 第43-44页 |
| 3.3.6 理论无用性 | 第44-47页 |
| 3.3.8 总结分析 | 第47页 |
| 3.4 大数据审计与传统审计比较分析 | 第47-49页 |
| 3.4.1 审计时效性 | 第48页 |
| 3.4.2 审计范围 | 第48页 |
| 3.4.3 审计方法 | 第48-49页 |
| 第4章 大数据审计分析框架—以财务欺诈检测为例 | 第49-59页 |
| 4.1 财务欺诈检测背景分析 | 第49-50页 |
| 4.2 财务欺诈大数据审计分析框架 | 第50-58页 |
| 4.2.1 数据采集与预处理 | 第53-54页 |
| 4.2.2 特征集 | 第54-56页 |
| 4.2.3 机器学习分类器 | 第56-57页 |
| 4.2.4 层叠堆栈 | 第57-58页 |
| 4.2.5 技术基础 | 第58页 |
| 4.3 分析性框架未来研究 | 第58-59页 |
| 第5章 总结与未来研究机会 | 第59-63页 |
| 5.1 结论与建议 | 第59-60页 |
| 5.2 未来研究 | 第60-63页 |
| 5.2.1 大数据与审计流程再设计 | 第60-61页 |
| 5.2.2 大数据与内部审计 | 第61-62页 |
| 5.2.3 大数据与审计人力资源管理 | 第62页 |
| 5.2.4 大数据与实时智能审计 | 第62-63页 |
| 参考文献 | 第63-72页 |
| 致谢 | 第72-73页 |
