CPA审计风险熵值模型优化研究

伴随着我国市场经济体制的不断完善和资本市场的迅速发展，注册会计师审计对于维护市场经济秩序、保护投资者利益、提高企业会计信息质量起着越来越重要的作用。审计行业是资本市场的“经济警察”，审计报告既是投资者做出决策的重要依据，又是监管机构对市场进行监管的主要参考。但是近几年来，国内外相继发生的财务舞弊丑闻以及审计失败案例，使审计风险问题越来越突出，也成了理论界和实务界共同关注的问题。在复杂的经济环境中，怎样科学、客观地识别和评价审计风险，进而采取有效的应对措施，已经成为会计师事务所生存和发展的关键问题。

审计风险是指财务报表存在重大错报，而注册会计师发表不恰当审计意见的可能性。传统的审计风险模型一般是由固有风险、控制风险和检查风险三个要素组成，重视对企业内部控制制度的测试与评价来量化风险。但是随着企业经营环境的复杂化以及信息技术在审计领域的广泛应用，传统的审计风险模型在操作性和准确性上也存在着一定的不足。传统的模型一般依靠审计人员的主观职业判断来确定风险权重，而定性分析的方法容易受到个人经验、认知偏差、外界压力等因素的影响，造成风险评价结果缺乏客观性、标准化。当面临大量的数据处理以及复杂的交易结构的时候，单凭经验来判断是无法准确地找到风险点的，进而加大了审计失败的可能性。

为了提高审计风险评估的科学性，用定量化的数学模型来进行审计风险评估成为目前审计理论研究的主要方向。熵值法属于一种客观赋权法，它依靠各个指标数据的离散程度来决定权重，很好地排除了主观因素的影响，给审计风险的量化评价赋予了新途径。将熵值模型应用于CPA审计风险评估中，其主要原理就是用信息熵来度量指标数据所含的信息量。如果某个指标的数据差异很小，那么该指标对审计风险的评价能力就比较弱，其权重应该相应地减小；相反，如果数据差异较大，那么该指标可以较好地区分出不同的审计对象的风险水平，应该给予较大的权重。

在实际使用中，建立以熵值模型为基础的审计风险评价体系一般会按照标准化的程序来开展。首先要按照审计准则以及行业特点来选择可以体现审计风险特征的财务指标和非财务指标，从而建立评价指标体系[1]。第二，对原始数据做标准化处理，消除量纲差别，保证数据的可比性。接着计算各个指标的熵值，然后根据熵值和信息效用值成反比的关系来计算各个指标的客观权重。最后用加权求和的方式得到各个审计对象的风险综合得分，给注册会计师制定审计计划、分配审计资源提供量化的决策依据。

该模型的应用价值就在于把复杂的企业经营数据变成直观的风险数值，使审计人员可以从大量的数据中迅速找到高风险的领域，从而达到审计资源的合理分配，提高审计工作效率和质量的目的。不仅可以健全会计师事务所内部质量控制制度，提高整体执业水平，而且对规范我国审计市场秩序、增强社会公众对审计行业的信任度有着十分重要的现实意义。

现行注册会计师审计风险准则把审计风险分成重大错报风险和检查风险两个主要方面，这是风险量化评价的基础。重大错报风险又可以进一步分为宏观环境风险和被审计单位内部控制风险，宏观环境风险包含行业政策变化、市场竞争状况等，被审计单位内部控制风险则是指企业内部治理结构、控制活动执行是否有效等，检查风险主要是审计程序执行偏差，即抽样方法是否科学、审计人员职业判断是否准确、程序实施是否合规。在实际操作中，这些细分核心评价指标除了财务报表中结构化的量化数据外，还包含大量的内部控制运行情况、管理层诚信记录、外部环境复杂程度等不能用数值来衡量的非结构化信息，具有很强的动态演变特征以及主观判断的性质。

传统熵值模型是以信息熵理论为基础的，其主要原理就是根据指标数据的离散程度来确定权重，即数据波动越大，包含的信息量就越多，权重就越高。但是该种固定的权重赋值逻辑同审计风险的本质属性存在着明显的不匹配问题。传统模型只支持结构化的量化数据输入，它的运算规则是建立在数值的数学统计规律之上的，不能直接处理文字描述类的审计证据。在把非结构化审计信息转化成量化数据的时候，常常要借助简单的打分或者归类处理，这样的强制性数据转换不可避免地会引发原始信息的失真和遗漏，致使模型不能捕捉到审计风险里隐藏但是重要的非财务信号。

经过对多组以往实证测算案例偏差数据的分析可知，该种缺陷更加明显。当宏观环境突然变化或者内部控制突然失效的时候，传统的熵值模型就存在着滞后性。由于模型过分依靠历史数据的离散分布，对于一些重要的风险指标，在某一时期内数值变化不大，但是实际风险很高时，模型就会给这些指标赋予较低的权重，从而低估了实际的风险水平。相反，一些波动大但是影响小的指标会被给予过高的权重，从而造成风险量化结果出现严重的偏差。机械的运算规则忽略了审计业务中专家经验的作用，也忽略了风险要素之间的逻辑联系，造成最后计算出来的审计风险值不能很好地反映被审计单位的实际情况。因此，现有的模型对于审计风险动态演化特性以及融合多维异构信息方面存在不足，这是造成风险量化结果失真的主要原因，需要对模型的赋值机制和数据处理逻辑进行有针对性的改进。

审计风险评估时，风险权重分配是否合理，会直接影响到最终结果的准确性。传统的熵值法虽然可以客观地将数据转化为指标，但是它忽略了审计环境随着时间的变化而发生的变化，造成权重固定，不能反映审计风险的真实发展情况。为了克服上述问题，设计动态权重修正模块就显得十分重要，该模块的主要作用就是建立一个可以响应审计场景和阶段变化的权重更新机制，进而达到对审计风险的准确度量。

动态权重修正模块的设计，首先要确定影响权重波动的主要因素。在审计工作中，被审计单位所处的行业特性是决定风险基线的重要变量，高风险的金融行业和传统制造业的风险敏感度大相径庭。同时当期经营波动幅度，即营收或者利润的非正常波动，审计项目组专业胜任能力等也都是修正权重的依据。因此，本模块算法逻辑采用时序熵值滚动更新加专家经验约束的方式。系统会加入时间序列参数，对历史审计数据实施滚动计算，得到各个指标在时间维度内的信息熵改变趋向。为了避免由于数据驱动而造成的偏差，模块中加入了专家经验约束条件，用合理的阈值范围来对计算出的初步权重进行二次校验和调整。

该模块的触发运行机制具有高度的自动化特征。当审计项目进入某个阶段，或者监测到核心经营指标出现大于预设阈值的异常波动的时候，系统就会自动启动修正程序。模型先从当前审计时间窗口内抽取样本数据，求得初始熵值权重，然后将行业风险系数和项目组胜任能力评分代入动态修正公式。该公式的数学逻辑就是放大在高波动环境下区分度高的指标权重，减小趋于平稳或者噪音大的指标权重。

为了检验本模块的有效性，用模拟样本进行演示可以发现，对于处于快速扩张期、业务模式多变的被审计单位来说，传统的熵值模型会给财务稳定性指标赋予过高的固定权重，从而低估了它的市场风险和内部控制缺陷。加入动态权重修正模块之后，模型可以对市场指标的剧烈波动做出反应，自动降低一些滞后财务指标的权重，提高合规性以及市场先行指标的权重占比。动态调整机制很好地解决了由于传统模型的风险低估所造成的问题，保证了审计风险评估结果同被审计单位实时经营状况的高度一致，体现出了审计风险动态演化特点下的模型优势。

非结构化审计证据在现代审计实务中大量存在，成为传统量化模型无法直接跨越的数据壁垒，主要包括管理层访谈记录、行业舆情报告、非标审计历史备注文本、内部控制核查工作底稿等。这些数据一般以自然语言文本的形式出现，没有固定的数值属性，但是其中包含的语义信息却是发现舞弊风险的重要线索。为了克服传统熵值模型只能处理数值型数据的不足，必须把文本语义熵的概念引进来，把非结构化信息变成可以计算的标准化数值。核心逻辑就是用度量文本信息的无序程度来表征审计风险的不确定性，信息越混乱、矛盾点越多，熵值就越高，风险权重就越大。

就具体操作而言，首先要对非结构化证据做标准化分词处理。使用专业的审计词典或者自然语言处理技术，把连续的文本流分解成具有独立审计语义的特征词向量，把“资金流向不明”、“关联方交易异常”等作为风险特征词提取出来。然后进行语义权重赋值，根据特征词在审计风险语料库中出现的次数和语义重要性来确定初始权重。在此基础上，构建语义不确定性转译规则，即利用信息熵公式 $H = -\sum p(x) \log p(x)$ 的变体进行计算，其中 $p(x)$ 代表特定语义特征在当前证据集中出现的条件概率。对于管理层访谈等主观性较强的文本，熵值区间应设定在 $[0, 1]$ 之间，接近1表示语意含糊不清或存在逻辑断裂；对于行业舆情等外部文本，则通过情感分析计算负面情绪词的熵值，量化外部舆论风险。

以一段内部控制核查工作底稿中的典型非结构化证据为例，原文描述为：“该公司虽建立了采购审批流程，但在实际抽查中发现，部分大额采购缺乏签字记录，且供应商名录更新滞后，存在向已注销企业付款的迹象。”系统在转化流程中首先会将“缺乏签字记录”、“更新滞后”、“已注销企业”这三个高风险特征词识别出来。假设标准审计语料库中这些词汇所对应的风险概率分别为0.3、0.2和0.5。代入熵值计算公式，可得该段文本的语义熵值 $H \approx 1.48$ 。根据预设的量化取值区间，该数值大于风险警戒线1.0，说明该证据内部信息非常不一致，存在很高的内部控制缺陷风险。最终，该计算结果被用作标准化的量化数据输入到优化后的审计风险熵值模型中，实现了从定性文本描述到定量风险指标的准确转换，有效地打通了多源异质信息接入审计风险模型的技术路径，明显提高了CPA对复杂非结构化数据的审计洞察力。

为了进一步检验CPA审计风险熵值模型的改进效果和应用价值，本文选择2021-2023年我国A股市场上120家上市公司作为统一的实证检验样本。这些样本涵盖了制造业、信息技术业、金融业等各个行业，并且按照历史审计意见和监管记录分为低、中、高三个审计风险等级的企业，具有很强的代表性以及广泛性。研究团队用监管部门公示的审计风险警示记录和中国证监会发布的审计失败处罚结果作为判断模型有效性的客观标准，分别用传统的熵值模型和本次优化后的审计风险熵值模型对样本企业的审计风险进行量化测算，从风险识别准确率、风险等级区分度、风险预警提前期三个方面进行双模型的对比分析。

从实证结果可以看出，改进后的模型各项关键指标都比传统模型好。传统熵值模型虽然可以计算出风险数值，但是对微小的风险波动不敏感，造成一些高风险企业被误认为是低风险企业，而改进后的模型加入了非线性权重修正机制，使指标权重具有了动态适应性，审计风险测算结果同监管处罚实际结果的吻合度提高了大约18%。传统模型计算出的风险得分常常出现扎堆的情况，不能很好地对不同的风险等级企业进行明确的划分，而经过改进之后的模型，通过对极端值进行标准化处理以及熵值公式的改良，拉大了高低风险样本之间得分的差距，明显加强了模型对于不同风险等级企业的识别能力。更重要的是，在风险预警提前期上，优化后的模型可以敏锐地发现财务数据异常波动中早期微弱的信号，比监管部门正式发布风险警示或者企业实际发生审计失败早6到8个月发出预警，给CPA赢得了足够的审计程序调整时间和风险应对空间。

为了更直观地体现优化模型在实际审计工作中所具有的应用价值，本文从样本中选择一家存在典型审计风险隐患的上市公司进行全流程的演示。该公司连续三年都被出具了标准无保留意见，但是第四年由于巨额关联方交易未披露而被立案调查。应用传统的熵值模型对企业的风险得分进行回溯计算的时候，其风险得分一直处在行业平均水平之下，没有引起足够的重视。但是使用优化后的审计风险熵值模型进行全指标测算时发现，虽然盈利能力指标表现还可以，但是营运能力和现金流结构指标的熵值贡献出现了明显的异常，模型最后输出的综合风险熵值在前两年已经呈现持续上升的趋势，并且触发了高风险预警阈值。结果表明，经过优化后的模型可以穿透企业表面的财务平稳假象，准确找到隐藏在深处的风险隐患，从而有效地帮助注册会计师避免审计失败的风险，说明该模型在提高审计风险量化的准确性方面有明显的优势。

本文对CPA审计风险熵值模型进行分析和改进，得到一系列有理论意义和实践价值的结论。首先明确审计风险熵值模型的定义，用信息熵理论来度量审计过程中不确定性，把难以量化的审计风险转化成具体的数学指标。该模型的主要原理就是通过计算各个风险指标的信息熵来确定它对于整个审计风险的影响程度，也就是权重，从而克服了传统审计风险评价中过于依赖注册会计师主观判断的缺点。在优化过程中主要解决原有模型指标选取不全面、权重分配不精确、数据标准化处理不统一等问题，建立更加科学的审计风险评价体系。

操作步骤以及实现途径上，改进后的模型是按照一定的程序进行的。第一步为建立财务指标、内部控制指标和外部环境指标的综合评价指标体系，保证风险覆盖的全面性；第二步为对原始数据进行标准化处理，消除量纲差异对计算结果的影响；第三步为计算各个指标的熵值，再将熵值转化为差异系数和权重，客观上反映指标数据的离散程度，即指标信息量的大小；第四步为根据审计风险模型计算出综合审计风险值，将综合审计风险值与预警阈值进行比较，确定审计风险等级。该路径不但逻辑严谨，而且具有很强的可操作性，可以给会计师事务所提供明确的风险导航。

该模型在实际使用中所起的作用也越大。对于会计师事务所来说，经过改进的熵值模型可以更早、更准确地发现被审计单位存在的异常情况，在复杂的商业环境以及越来越隐蔽的舞弊手段面前，客观的数据可以给审计人员的专业判断提供有力的支持，从而降低审计失败的风险。该模型可以改善审计资源的分配状况，依照风险等级来量化，审计人员便能把主要精力放在高风险的地方，从而提升审计的速度和水平。从行业发展角度来讲，把熵值理论应用到审计风险管理当中去，促使审计技术由经验主导向数据驱动转变，顺应了当下审计信息化、智能化的发展趋向。因此，CPA审计风险熵值模型的改进既充实了审计风险理论，又给注册会计师执业质量的提高赋予了行之有效的技术手段，有着十分广阔的应用前景。

\[1\]杨展华, 许成, 胡继鹏. 基于熵值-TOPSIS法的国有企业内部经济责任审计评价体系研究[J]. 中国内部审计, 2021.

\[2\]翠英 油. 政府投资项目绩效审计-基于信息熵值法的案例研究[J]. 建筑工程与管理, 2020, 2(1).