Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo

Dữ liệu do con người tạo ra ngày càng nhiều hơn về số lượng, tăng nhanh về khối lượng, phát triển mạnh về quy mô khiến việc phân loại, lựa chọn, khai phá, sử dụng gặp những khó khăn nhất định. Mục tiêu bài viết nhằm tổng quan các ứng dụng của kỹ thuật khai phá dữ liệu trong lĩnh vực kiểm toán. Ứng dụng khai phá dữ liệu trong lĩnh vực kiểm toán liên quan đến dịch vụ đảm bảo và tính tuân thủ (phát hiện gian lận, tình hình tài chính) và kế toán điều tra. Qua đó, giúp hiểu hơn về vai trò của khai phá dữ liệu và rộng hơn là dữ liệu lớn (big data), cũng như cơ hội cho các nghiên cứu ứng dụng trong tương lai

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 1

Trang 1

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 2

Trang 2

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 3

Trang 3

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 4

Trang 4

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 5

Trang 5

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 6

Trang 6

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo trang 7

Trang 7

pdf 7 trang minhkhanh 10500
Bạn đang xem tài liệu "Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo

Vai trò của khai phá dữ liệu trong lĩnh vực kiểm toán và dịch vụ đảm bảo
 NGHIEÂN CÖÙU TRAO ÑOÅI
 VAI TROØ CUÛA KHAI PHAÙ DÖÕ LIEÄU 
 TRONG LÓNH VÖÏC KIEÅM TOAÙN
 VAØ DÒCH VUÏ ÑAÛM BAÛO
 ThS. Nguyễn Vĩnh Khương*
 ThS. PHÙNG ANH THƯ*
 ữ liệu do con người tạo ra ngày càng nhiều hơn về số lượng, tăng nhanh về khối lượng, 
 phát triển mạnh về quy mô khiến việc phân loại, lựa chọn, khai phá, sử dụng gặp những 
 khó khăn nhất định. Mục tiêu bài viết nhằm tổng quan các ứng dụng của kỹ thuật khai 
 phá dữ liệu trong lĩnh vực kiểm toán. Ứng dụng khai phá dữ liệu trong lĩnh vực kiểm toán 
 liênD quan đến dịch vụ đảm bảo và tính tuân thủ (phát hiện gian lận, tình hình tài chính) và kế toán điều 
 tra. Qua đó, giúp hiểu hơn về vai trò của khai phá dữ liệu và rộng hơn là dữ liệu lớn (big data), cũng như 
 cơ hội cho các nghiên cứu ứng dụng trong tương lai.
 Từ khóa: Khai phá dữ liệu; kiểm toán.
 The role of data mining in the audit arrangement and assurance service
 Man-made data is becoming more and more quantitatively, rapidly growing in volume, and growing in 
 scale which has made the classification, selection, exploration and use relatively difficult. The article objective 
 is to review the application of data mining techniques in the field of auditing. Application of data mining 
 in the field of audit related to assurance services and compliance (fraud detection, financial situation) and 
 forensic accounting. Thereby, the article provides better understanding of the role of data mining and, more 
 broadly, the big data, as well as opportunities for future application research.
 Keywords: Data mining, auditing
 1. Giới thiệu Khai phá dữ liệu là một trong những ứng dụng 
 Trong kỷ nguyên của nền kinh tế toàn cầu hoá, quan trọng nhất trong phân tích nghiệp vụ và các 
 thị trường cạnh tranh cao, các tổ chức cần tăng công cụ hỗ trợ quyết định. Điều này được xác nhận 
 tính cạnh tranh thông qua việc chấp nhận hoặc bởi các tổ chức, Hiệp hội nghề nghiệp về kế toán. 
 thực hiện nhiều triết lý kinh doanh và ứng dụng Viện Kế toán Công chứng Hoa Kỳ (AICPA) đã xác 
 các công nghệ thông tin tiên tiến (Dorsch và Yasin, định khai phá dữ liệu là một trong mười công nghệ 
 1998). Đặc biệt, trí tuệ nhân tạo (AI) rất quan trọng hàng đầu cho tương lai, và Viện Kiểm toán Nội 
 đối với tương lai của ngành kế toán (Elliott, 1992) bộ Hoa Kỳ (IIA) đã liệt kê khai phá dữ liệu là một 
 và các hệ thống thông minh đã tăng cường nhiều trong bốn ưu tiên nghiên cứu (Koh và Low, 2004). 
 khả năng phân tích và tăng hiệu quả của các quy Ngoài ra, Viện Kế toán Quản trị Công chứng Anh 
 trình kế toán (Granlund, 2011). Do đó, có những (CGMA) đã báo cáo rằng hơn 50% các nhà lãnh 
 lời kêu gọi rõ ràng rằng trí tuệ nhân tạo xứng đáng đạo doanh nghiệp xếp hạng dữ liệu lớn và khai phá 
 được chú ý hơn (Debreceny, 2011). dữ liệu trong số các đầu mười ưu tiên của công 
 *Trường Đại học Kinh tế-Luật_ĐHQG HCM; Đại học Nguyễn Tất Thành
30 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN
ty, là nền tảng của kỷ nguyên dữ liệu trong kinh quan một cách hệ thống các nghiên cứu đã công 
doanh (CGMA, 2013). Khai phá dữ liệu đã được bố về các ứng dụng khai phá dữ liệu trong lĩnh vực 
định nghĩa là quá trình xác định các mẫu dữ liệu kiểm toán nhằm mở ra các chủ đề cho mục đích ứng 
có giá trị, có tiềm năng và khuôn mẫu mới nhất dụng và nghiên cứu.
(Pujari, 2001). Khai phá dữ liệu còn được gọi là quá 
 2. Khái niệm về khai phá dữ liệu
trình khai phá hoặc khai phá kiến thức từ những 
dữ liệu lớn (Han và cộng sự, 2006) để cải thiện các Khai phá dữ liệu là việc áp dụng các thuật toán 
quyết định trong một ngành cụ thể. Do đó, trọng cụ thể để trích các mẫu từ dữ liệu. Khai phá dữ liệu 
tâm chính của khai phá dữ liệu là tận dụng các tài cho phép khám phá tự động các mô hình tiềm ẩn 
sản dữ liệu của một tổ chức để thu được lợi ích tài và kiến thức thú vị ẩn chứa trong một lượng lớn 
chính hoặc phi tài chính. Do đó, việc khai phá dữ dữ liệu (Jiawei và Kamber, 2001). Việc khai phá dữ 
liệu đã được áp dụng cho hầu hết các ngành kinh liệu giúp các tổ chức tập trung vào những thông 
doanh, kể cả lĩnh vực kế toán, kiểm toán. tin và kiến thức quan trọng nhất có sẵn trong cơ 
 sở dữ liệu hiện có của công ty. Nhưng khai phá dữ 
 Kế toán doanh nghiệp có vai trò rất quan trọng 
 liệu chỉ là một công cụ, do đó, không loại trừ nhu 
đối với việc cung cấp thông tin kế toán phục vụ công 
 cầu kinh doanh, hiểu về dữ liệu hoặc để hiểu các 
tác quản lý và điều hành doanh nghiệp, là cơ sở cho 
 phương pháp phân tích liên quan (Jackson, 2002) 
việc ra quyết định kinh tế và điều hành của doanh 
nghiệp. Nhiệm vụ này liên quan đến nhiều sự kiện Khai phá dữ liệu có ba mục tiêu chính: mô tả, dự 
không chắc chắn và rủi ro phức tạp. Lĩnh vực kế toán đoán và đề xuất. Trong khi mô tả tập trung vào việc 
sử dụng các ứng dụng thông minh có từ hơn ba thập xác định các mẫu mô tả về hành vi con người thông 
niên qua (Baldwin và cộng sự, 2006) và một trong số qua dữ liệu, dự đoán liên quan đến việc sử dụng 
đó là việc sử dụng khai phá dữ liệu để giải quyết tốt một số biến hoặc các yếu tố trong cơ sở dữ liệu để 
hơn những rủi ro và sự kiện phức tạp. Nhiều nghiên dự đoán các giá trị chưa biết hoặc tương lai của các 
cứu đã được công bố mô tả các ứng dụng khai phá biến số được quan tâm khác (Fayyad và cộng sự, 
dữ liệu trong kế toán. Mục tiêu của bài báo là tổng 1996). Mặt khác, đề xuất tập trung vào việc cung 
 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 119 - tháng 9/2017 31
 NGHIEÂN CÖÙU TRAO ÑOÅI
 cấp giải pháp tốt nhất cho vấn đề nhất định (Evans, toán). Khai phá dữ liệu cũng đã được áp dụng sau 
 2013). Các mục tiêu này có thể đạt được bằng cách khi chu kỳ kiểm toán hoàn thành, bao gồm sự tác 
 sử dụng nhiều nhiệm vụ khai phá dữ liệu bao gồm động và hậu quả của ý kiến kiểm toán.
 phân loại, phân cụm, dự đoán, phát hiện ngoại lai, 
 Trong giai đoạn ký kết hợp đồng, khai phá dữ 
 tối ưu hóa và khái quát hóa. Những nhiệm vụ được 
 liệu đã được sử dụng để dự đoán việc lựa chọn 
 giải quyết thông  ... (chủ yếu thực cộng sự (1995) đã phát triển hệ thống tiếp cận theo 
 hiện thử nghiệm cơ bản) và báo cáo (báo cáo kiểm nguyên tắc giúp các kiểm toán viên ở giai đoạn lập 
32 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN
kế hoạch thiết kế các thử nghiệm cơ bản, khi các sai Coakley (1995) đề xuất việc sử dụng các mạng thần 
sót trọng yếu và các sai sót trong báo cáo tài chính kinh trong nhận dạng mô hình của các tín hiệu cần 
có thể xảy ra. Thể hiện rằng hệ thống này hoạt động xem xét được tạo ra bởi các thủ tục phân tích. Kết 
tốt hơn mô hình dựa trên phân tích phân biệt trong luận rằng việc sử dụng mạng nơron cung cấp một 
phân loại các lỗi và không lỗi. Nhưng kích thước chỉ dẫn đáng tin cậy hơn về sự có mặt của các sai 
mẫu được sử dụng trong nghiên cứu giới hạn tính sót trọng yếu so với các thủ tục hoặc phân tích mẫu 
tổng quát của các quy tắc được tạo ra. truyền thống. Phân tích và cung cấp cái nhìn sâu 
 hơn về các nguyên nhân chính đáng của những sai 
 Trong giai đoạn thực hiện kiểm toán, Argyrou 
 sót này. Kết quả của họ cho thấy việc sử dụng một 
và Andreev (2011) đã đề xuất công cụ bán giám sát 
 ANN để phân tích các mô hình các biến dạng liên 
cho việc tập hợp cơ sở dữ liệu kế toán như một quy 
 quan đến nhiều tỷ lệ tài chính cung cấp một chỉ 
trình kiểm soát nội bộ thông qua việc sử dụng các 
 dẫn đáng tin cậy hơn về sự hiện diện của sai sót 
bản đồ tự tổ chức để bổ sung cho việc kiểm soát 
 trọng yếu hơn các thủ tục phân tích truyền thống 
nội bộ, xác minh việc xử lý kế toán các giao dịch và 
 hoặc phân tích mẫu, cung cấp hiệu suất được cải 
đánh giá báo cáo tài chính. Kết quả thực nghiệm 
 thiện trong việc nhận ra các sai sót trọng yếu.
cho thấy công cụ đề xuất có thể nén một số lượng 
lớn các giao dịch kế toán, tạo ra các cụm đồng nhất, Trong hậu chu kỳ kiểm toán, nội dung thông 
tách biệt, và có thể hiểu được. Trong thực hiện tin về giả định hoạt động liên tục của kiểm toán 
thử nghiệm cơ bản, Coakley và Brown (1993) và viên có ảnh hưởng đáng kể đến vị thế hiện tại và 
Koskivaara (2000) đã sử dụng các mạng thần kinh tương lai của một công ty. Jones (1996) đã kiểm 
trong việc dự đoán các mẫu trong kiểm toán số dư tra các khoản lợi nhuận bất thường của cổ phiếu 
hàng tháng như là một phần của quá trình đánh giá xung quanh việc công bố báo cáo hoạt động liên 
phân tích của kiểm toán viên và cho thấy rằng các tục của kiểm toán viên bằng cách sử dụng hồi quy 
mạng nơron nhận ra các mẫu trong tài khoản cũng bình thường nhỏ nhất và nhận thấy rằng hồi quy 
như mối quan hệ giữa các tài khoản này hiệu quả bình phương nhỏ nhất bình thường cho thấy rằng 
hơn so với phân tích tỷ số và phương pháp hồi quy. lợi nhuận bất thường trung bình xung quanh việc 
 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 119 - tháng 9/2017 33
 NGHIEÂN CÖÙU TRAO ÑOÅI
 công bố báo cáo của kiểm toán viên thấp hơn đối phá sản (Tseng và Hu, 2010, Kim và Kang, 2010; 
 với các ý kiến quan tâm đến hoạt động chứ không Jardin, 2010; Tseng và Hu, 2010) với thỏa thuận 
 phải do ý kiến rõ ràng và mức độ của các khoản lợi không nhất trí về kỹ thuật mô hình hóa nào mang 
 nhuận bất thường phụ thuộc vào mức độ mà loại lại dự đoán tốt nhất. Tóm lại, không có bằng chứng 
 ý kiến không được kỳ vọng đối với các nhà đầu tư. nào cho thấy một kỹ thuật khai phá dữ liệu tốt 
 hơn các kỹ thuật khai phá dữ liệu khác trong mọi 
 3.2. Tình hình tài chính 
 trường hợp.
 Dự báo phá sản là một chủ đề quan trọng đã 
 3.3. Kế toán điều tra 
 được nghiên cứu rộng rãi và đa quốc gia trong các 
 nghiên cứu trước đây. Nhiều tác giả đã sử dụng AICPA công nhận trách nhiệm của kiểm toán 
 kỹ thuật khai thác dữ liệu để dự báo phá sản (Jo viên trong việc phát hiện gian lận (Cullinan và 
 et al., 1997, O’Leary, 1998, Yang và cộng sự, 1999, Sutton, 2002). Việc phát hiện thao túng báo cáo 
 Zhang và cộng sự, 1999. Charalambous và cộng tài chính bằng cách sử dụng các thủ tục kiểm toán 
 sự, 2000Tsai và Wu, 2008, Chen và các cộng sự, thông thường đã trở thành một nhiệm vụ rất khó 
 2009a, 2009b, Olson và cộng sự, 2012, Kasgari khăn (Dikmen và Küçükkocaoğlu, 2010). Đánh 
 và cộng sự, 2013; Korol, 2013; Serrano-Cinca và giá rủi ro gian lận là quá trình rất phức tạp và một 
 Gutiérrez-Nieto, 2013; Tinoco và Wilson, 2013). phần của tất cả các cuộc kiểm toán. Theo thời gian, 
 Kết quả nghiên cứu Yang và cộng sự (1999) về sự các yêu cầu bắt buộc đã tăng nhanh chóng, khoảng 
 lan truyền ngược lại đã không phân biệt được giữa thời gian và nỗ lực của kiểm toán viên để đánh giá 
 các công ty bị phá sản và không phá sản và tính gian lận. Do đó, đánh giá rủi ro gian lận tạo ra cơ 
 ưu việt của phân tích hồi quy tuyến tính đối với hội lý tưởng cho sự hỗ trợ kỹ thuật (Comunale và 
 mạng nơ-ron xác suất. Mặt khác, Zhang và cộng sự cộng sự, 2010). Việc rà soát các nghiên cứu cho 
 (1999) đã báo cáo rằng các mạng nơ ron mạnh mẽ thấy việc sử dụng phổ biến khai phá dữ liệu của các 
 để lấy mẫu các biến thể về hiệu suất phân lớp tổng nhà nghiên cứu và các học viên để phát hiện gian 
 thể. Shirata và cộng sự (2011) chứng minh hiệu quả lận. Các nhà nghiên cứu giải quyết ở mức độ khác 
 của dự đoán phá sản khai phá qua văn bản, trong nhau đối với các dạng gian lận. 
 đó một số kết hợp các thuật ngữ có hiệu quả trong Một số tập trung vào việc phát hiện rủi ro gian 
 việc phân biệt giữa các công ty phá sản và không lận ở mức độ vĩ mô nhiều hơn ở cuộc kiểm toán 
 phá sản. Cụ thể hơn, Pompe và Bilderbeek (2005) (Comunale và cộng sự, 2010) và một số khác tập 
 đã kiểm tra các yếu tố dẫn đến dự báo phá sản, và trung vào việc phát hiện gian lận ở cấp độ vi mô 
 nhận thấy rằng các mô hình được tạo ra từ báo cáo hơn của các giao dịch kinh doanh (Debreceny và 
 tài chính hàng năm, cuối cùng đã được công bố Gray, 2010; Bella và cộng sự, 2009; Tackett, 2013). 
 trước khi phá sản ít thành công hơn trong dự báo Trong khi đó, Debreceny và Gray (2010) đã nghiên 
 thất bại kịp thời và sự suy giảm kinh tế trùng khớp cứu sự gian lận trong các bút toán bằng cách sử 
 với sự suy giảm hiệu suất của mô hình . Mặc dù tất dụng phân tích số liệu và phát hiện ra rằng sự phân 
 cả các tác giả này chỉ sử dụng các biện pháp định bố các chữ số đầu tiên của số tiền trong bút toán 
 lượng, chủ yếu là tỷ lệ tài chính, trong mô hình dự khác với quy luật của Benford, Bella và cộng sự 
 báo phá sản. Anandarajan và cộng sự (2001) đã sử (2009) đã phát triển cấu trúc bốn bước để phát hiện 
 dụng các biện pháp định tính và định lượng. Trong gian lận của các hồ sơ thanh toán điện tử và Tackett 
 khi Cho và cộng sự (2009) đã phát triển một mô (2013) đã đề xuất việc sử dụng các quy tắc liên kết 
 hình tổng hợp kết hợp các kỹ thuật thống kê và trí trong việc phát hiện gian lận thông qua các mẫu và 
 tuệ nhân tạo để dự báo phá sản, một số khác tập mối quan hệ khi kiểm tra nghiệp vụ kinh tế. Mặt 
 trung vào tính chính xác của các mô hình dự báo khác, Bay và cộng sự (2006) tập trung vào việc xác 
34 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN
định những bất thường ở sổ cái (Jans và cộng sự, sự trợ giúp của việc khai phá dữ liệu ở các cấp khác 
2010; Jans và cộng sự, 2011; Owusu-Ansah và cộng nhau: dựa trên gian lận của nhà quản lý cấp cao 
sự, 2002) và tập trung vào việc phát hiện gian lận ở (Fanning và Cogger, 1998, Pai và cộng sự, 2011), 
chu kỳ kinh doanh hoặc quy trình. Trong khi Jans phát hiện gian lận dựa trên dự đoán về kết quả hoạt 
và cộng sự (2010) sử dụng kỹ thuật khai phá dữ liệu động trong tương lại của công ty (Virdhagriswaran 
mô tả để phát hiện và giảm nguy cơ gian lận nội và Dakin, 2006) và phát hiện gian lận trong các 
bộ ở cấp độ chu trình kinh doanh, Jans và cộng sự báo cáo tài chính (Kirkos và cộng sự, 2007; Perols, 
(2011) đã kiểm tra tính hiệu quả của thủ tục kiểm 2011). Các kết luận quan trọng của các tác giả này 
tra phát hiện gian lận ở chu kỳ tồn kho và lưu kho bao gồm: khả năng của các mô hình mạng thần 
và Owusu-Ansah và cộng sự (2002) sử dụng quá kinh phân loại thành viên trong các cơ sở nghiên 
trình khai phá quy trình kinh doanh để giảm thiểu cứu SEC so với các cơ sở không điều tra với độ 
các rủi ro gian lận nội bộ của các giao dịch trong chính xác cao. Một giải thích cho thành công tương 
quá trình mua hàng. Các tác giả này thấy rằng quy đối của mạng nơron là khả năng sử dụng các quy 
mô của kiểm toán, nhiệm kỳ của kiểm toán viên, và trình học tập thích ứng để xác định điều gì là quan 
năm kinh nghiệm của kiểm toán viên là yếu tố dự trọng để phân biệt “tín hiệu” thực từ các tín hiệu 
báo về gian lận về mặt thống kê. Sử dụng một sự kết nhiễu. Các nghiên cứu cũng khảo sát hiệu quả của 
hợp của Luật Benford và các mạng thần kinh, Busta việc kết hợp các chỉ số tài chính và quản trị, các 
và Weinberg (1998) tập trung vào việc phát hiện dữ yếu tố ngoại sinh và nội sinh và lựa chọn tính năng 
liệu tài chính bị thao túng thông qua thủ tục phân để phát hiện các báo cáo tài chính sai lệch. Theo 
tích; Kim và Vasarhelyi (2012) đã sử dụng khai phá dòng nghiên cứu, nghiên cứu của Gaganis (2009) 
dữ liệu để phát hiện gian lận nội bộ ở cấp công ty. liên quan đến việc sử dụng các kỹ thuật phân loại 
 “Quản trị” gian lận là một loại hình gian lận khai phá dữ liệu kết hợp cả dữ liệu tài chính và phi 
có ảnh hưởng xấu đến các bên liên quan thông qua tài chính cho xác định FFS và kết luận rằng sự phân 
các báo cáo tài chính gây hiểu nhầm hoặc gian lận loại chính xác phụ thuộc vào cách dữ liệu được xử 
(FFS) (Elliott và Willingham, 1980). Do đó, nhiều lý trước, chức năng khách quan, và chiến lược tìm 
nhà nghiên cứu tập trung vào việc phát hiện FFS với kiếm của mô hình. Alden và cộng sự (2012) đã sử 
 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 119 - tháng 9/2017 35
 NGHIEÂN CÖÙU TRAO ÑOÅI
 dụng các thuật toán di truyền để phát hiện các mẫu nhuận và đặt câu hỏi về giả thiết tuyến tính cho 
 FFS và kết luận rằng ước lượng thuật toán phân việc mô hình biến kế toán dồn tích tùy ý và kết luận 
 phối cho thấy khả năng phân loại mô hình gian lận rằng một cách tiếp cận phi tuyến tính để dự đoán 
 tài chính tốt hơn so với mô hình hồi quy xác suất việc quản trị lợi nhuận hiệu quả hơn phương pháp 
 truyền thống. Cụ thể hơn, Lin và cộng sự (2003) tuyến tính. Tập trung vào việc phát hiện quản trị lợi 
 đã phát triển mô hình mạng nơ ron tích hợp để nhuận, Jones (1991) đưa ra mô hình tích lũy bằng 
 đánh giá nguy cơ FFS. Mô hình mạng thần kinh cách sử dụng một thuật toán di truyền. Kết quả cho 
 mờ của Lin và cộng sự (2003) đã vượt trội hơn hầu thấy sự vượt trội của các thuật toán di truyền so 
 hết các mô hình thống kê và mạng thần kinh khớp với các phương pháp phân cụm. Để giải quyết vấn 
 thần kinh được báo cáo trong các nghiên cứu trước đề số liệu sẵn có trong ước tính chuỗi thời gian, 
 và hiệu quả của nó so với mô hình hồi quy logit. Hoglund (2013) nhận thấy mô hình Jones dựa trên 
 Liou (2008) đã khám phá ra sự khác biệt và tương hồi quy tuyến tính mờ tốt hơn mô hình Jones dựa 
 đồng giữa phát hiện báo cáo tài chính giả mạo và trên hồi quy trong việc phát hiện quản trị lợi nhuận 
 các mô hình dự báo thất bại kinh doanh bằng cách được mô tả khi các chuỗi thời gian ước lượng ngắn. 
 sử dụng hồi quy logistic, mạng nơ ron và cây quyết Song và cộng sự (2013) đã kiểm tra mối liên quan 
 định và nhận thấy rằng các yếu tố tài chính được sử giữa quản trị lợi nhuận và khai khống tài sản và 
 dụng để phát hiện các báo cáo gian lận là hữu ích phát hiện ra rằng việc khai khống tài sản có mối 
 trong dự báo thất bại kinh doanh. Welch và cộng liên quan đáng kể với biến kế toán dồn tích tùy ý.
 sự (1998) đã phát triển một hệ thống phân loại dựa Tóm lại, các ứng dụng khai phá dữ liệu trong 
 trên khai phá dữ liệu để xây dựng mô hình quyết kiểm toán và dịch vụ đảm bảo tập trung chủ yếu 
 định của kiểm toán viên khi ước tính khả năng vào hai chủ đề chính: kiểm toán (bao gồm các giai 
 gian lận bởi các nhà thầu phát triển hồ sơ thầu đoạn ký kết, lập kế hoạch, thực hiện và sau kiểm 
 cho các hợp đồng của Chính phủ và báo cáo rằng toán) và kế toán điều tra (phát hiện gian lận và 
 trong các mô hình quyết định phân loại liên quan quản trị lợi nhuận). Mục tiêu chính của các ứng 
 đến chế biến, sản xuất các mô hình cải tiến khi so dụng trong lĩnh vực này là dự đoán và nhiệm vụ 
 sánh với các phương pháp toán học truyền thống. chính là phân loại. Các kỹ thuật nổi trội là các 
 Kochetovakozloski và cộng sự (2011) đã sử dụng mạng nơ-ron và hồi quy. Các cơ hội nghiên cứu 
 khai phá dữ liệu để cải thiện xét đoán của kiểm trong tương lai bao gồm: tăng các dữ liệu đầu vào 
 toán viên về các sự kiện “quản trị” gian lận. với các biến số liên quan đến đặc điểm quản trị, thử 
 Hành vi điều chỉnh lợi nhuận nghiệm các cách tiếp cận khác nhau để kết hợp các 
 cách phân loại, kiểm tra các thuật toán học khác 
 Trong lĩnh vực tiên đoán về quản trị lợi nhuận, 
 nhau và các mô hình cấu trúc, khám phá các thời 
 Tsai và Chiou (2009) đã phát triển mạng lưới thần 
 gian khác nhau và các phương pháp tiền xử lý dữ 
 kinh và các mô hình cây quyết định để các nhà đầu 
 liệu, mở rộng phạm vi phát triển mô hình tới nhiều 
 tư sử dụng để dự đoán mức độ quản trị lợi nhuận 
 loại hình kinh doanh và nhiều lựa chọn hơn, tăng 
 trước đó và đánh giá mức độ tăng giảm của lợi 
 thời gian dự đoán bao gồm các biến phi tài chính 
 nhuận sau đó. Kết quả của Tsai và Chiou (2009) 
 và phân tích trực quan hơn, chú ý nhiều hơn đến so 
 chỉ ra rằng sử dụng các kỹ thuật khai phá dữ liệu đã 
 sánh mô hình, chuẩn hóa dữ liệu và khai phá văn 
 làm tăng đáng kể dự báo về quản trị lợi nhuận và 
 bản trong dự báo gian lận tài chính.
 các quy tắc ra quyết định giúp xác định việc quản 
 trị lợi nhuận. Mặt khác, Ezazi và cộng sự (2013) 4. Kết luận
 đã kiểm tra tính hữu dụng của các kỹ thuật khai Bài viết tổng quan các nghiên cứu liên quan 
 phá dữ liệu khác nhau trong dự đoán quản trị lợi đến ứng dụng khai phá dữ liệu trong lĩnh vực kiểm 
36 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN

File đính kèm:

  • pdfvai_tro_cua_khai_pha_du_lieu_trong_linh_vuc_kiem_toan_va_dic.pdf