论文部分内容阅读
随着计算机信息技术的发展,数据海量化趋势越来越明显,审计数据来源也从传统的企业内部单一业务数据扩展到更多可能的数据来源,不仅如此,信息传播的速度也不断加快,信息的实时性要求越来越高,加之监管环境的改变和监管要求的提高,都使传统审计模式越来越无法满足现代审计的需要。如何从大量数据中挖掘出有效信息并及时反馈给经营管理层,提升公司治理的效率和效果,已经成为现代内部审计的主要研究方向。连续审计概念的提出,为内部审计的发展提供了新的思路。本文首先对连续审计领域目前的基本理论、发展状况和应用推广做了详细阐述,重点对现存的典型连续审计实践项目进行了归纳汇总,以为后续构建X银行连续审计系统框架提供可借鉴的思路,也探究了从连续审计向持续监控思想的演进和二者的细微差别。然后探讨了目前商业银行贷款风险分析方面的审计数据分析技术,分别对判别分析、Logistic回归、决策树、人工神经网络、贝叶斯模型和支持向量机等数据分析技术的优缺点进行了比较,为后续选择X银行贷款数据分析技术提供一些视角。接下来聚焦到X银行上,从X银行内部审计目前的审计体制、基本状况和面临的问题开始,讨论其实施连续审计的必要性和可行性。结合审计思维与计算机技术,为其设计连续审计系统框架,主要包括五大模块:项目管理、数据采集、数据处理、数据分析和电子警报,并在该框架的约束下,将重点放在数据分析模块,收集其部分个人贷款业务和小企业贷款业务数据,联系该银行具体情况,研究如何设计数据分析模型。在数据模型的选择上,采用了聚类分析和定性响应模型两方法进行建模,分别阐述其理论原理,寻找更加契合X银行贷款业务自身特征的数据分析模式。最终,应用SPSS软件运行聚类分析模型,Eviews7.0软件运行定性响应模型,分别记录模型的结果,并对比预测结果,验证分析的有效性和预测的准确性。经验证,以上两方法均能够识别出大部分违约案例,对比来看,定性响应模型的有效性更佳。由此可见,本文所构造的数据分析模型是切实可行的,据此提出对X银行连续审计系统数据分析模型的选择建议。本文的意义在于两方面,从理论上来说,连续审计不仅是手段方法的创新,更是一次审计模式的飞跃,研究它将有助于探索新的审计模式,构建更为科学的审计理论体系;从实践上来说,本文针对个人贷款和小微企业贷款数据,分别给出了几种适用模型,清晰的展现了数据建模的全过程,为内部审计人员及时发现不良贷款提供了有效的测试方法,为商业银行构建连续审计系统数据分析提供了一种可借鉴的思路。