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
S. NGUYỄN VĩNH KHươNG*
S. 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
D
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.
Từ khóa: khai phá dữ liệu; kiểm toán.
e 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. e 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. ereby, 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
quan trọng nhất trong phân tích nghiệp vụ và các
công cụ hỗ trợ quyết định. Điều này được xác nhận
bởi các tổ chức, Hiệp hội nghề nghiệp về kế toán.
Viện Kế toán Công chứng Hoa Kỳ (AICPA) đã xác
định khai phá dữ liệu là một trong mười công nghệ
hàng đầu cho tương lai, và Viện Kiểm toán Nội
bộ Hoa Kỳ (IIA) đã liệt kê khai phá dữ liệu là một
trong bốn ưu tiên nghiên cứu (Koh và Low, 2004).
Ngoài ra, Viện Kế toán Quản trị Công chứng Anh
(CGMA) đã báo cáo rằng hơn 50% các nhà lãnh
đạo doanh nghiệp xếp hạng dữ liệu lớn và khai phá
dữ liệu trong số các đầu mười ưu tiên của công
Trong kỷ nguyên của nền kinh tế toàn cầu hoá,
thị trường cạnh tranh cao, các tổ chức cần tăng
tính cạnh tranh thông qua việc chấp nhận hoặc
thực hiện nhiều triết lý kinh doanh và ứng dụng
các công nghệ thông tin tiên tiến (Dorsch và Yasin,
1998). Đặc biệt, trí tuệ nhân tạo (AI) rất quan trọng
đối với tương lai của ngành kế toán (Elliott, 1992)
và các hệ thống thông minh đã tăng cường nhiều
khả năng phân tích và tăng hiệu quả của các quy
trình kế toán (Granlund, 2011). Do đó, có những
lời kêu gọi rõ ràng rằng trí tuệ nhân tạo xứng đáng
được chú ý hơn (Debreceny, 2011).
*Trường Đại học Kinh tế-Luật_ĐHQG HCM; Đại học Nguyễn Tất ành
30 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN
ty, là nền tảng của kỷ nguyên dữ liệu trong kinh
doanh (CGMA, 2013). Khai phá dữ liệu đã được
định nghĩa là quá trình xác định các mẫu dữ liệu
có giá trị, có tiềm năng và khuôn mẫu mới nhất
(Pujari, 2001). Khai phá dữ liệu còn được gọi là quá
trình khai phá hoặc khai phá kiến thức từ những
dữ liệu lớn (Han và cộng sự, 2006) để cải thiện các
quyết định trong một ngành cụ thể. Do đó, trọng
tâm chính của khai phá dữ liệu là tận dụng các tài
sản dữ liệu của một tổ chức để thu được lợi ích tài
chính hoặc phi tài chính. Do đó, việc khai phá dữ
liệu đã được áp dụng cho hầu hết các ngành kinh
doanh, kể cả lĩnh vực kế toán, kiểm toán.
quan một cách hệ thống các nghiên cứu đã công
bố về các ứng dụng khai phá dữ liệu trong lĩnh vực
kiểm toán nhằm mở ra các chủ đề cho mục đích ứng
dụng và nghiên cứu.
2. khái niệm về khai phá dữ liệu
Khai phá dữ liệu là việc áp dụng các thuật toán
cụ thể để trích các mẫu từ dữ liệu. Khai phá dữ liệu
cho phép khám phá tự động các mô hình tiềm ẩn
và kiến thức thú vị ẩn chứa trong một lượng lớn
dữ liệu (Jiawei và Kamber, 2001). Việc khai phá dữ
liệu giúp các tổ chức tập trung vào những thông
tin và kiến thức quan trọng nhất có sẵn trong cơ
sở dữ liệu hiện có của công ty. Nhưng khai phá dữ
liệu chỉ là một công cụ, do đó, không loại trừ nhu
cầu kinh doanh, hiểu về dữ liệu hoặc để hiểu các
phương pháp phân tích liên quan (Jackson, 2002)
Kế toán doanh nghiệp có vai trò rất quan trọng
đối với việc cung cấp thông tin kế toán phục vụ công
tác quản lý và điều hành doanh nghiệp, là cơ sở cho
việc ra quyết định kinh tế và điều hành của doanh
nghiệp. Nhiệm vụ này liên quan đến nhiều sự kiện
không chắc chắn và rủi ro phức tạp. Lĩnh vực kế toán
sử dụng các ứng dụng thông minh có từ hơn ba thập
niên qua (Baldwin và cộng sự, 2006) và một trong số
đó là việc sử dụng khai phá dữ liệu để giải quyết tốt
hơn những rủi ro và sự kiện phức tạp. Nhiều nghiên
cứu đã được công bố mô tả các ứng dụng khai phá
dữ liệu trong kế toán. Mục tiêu của bài báo là tổng
Khai phá dữ liệu có ba mục tiêu chính: mô tả, dự
đoán và đề xuất. Trong khi mô tả tập trung vào việc
xác định các mẫu mô tả về hành vi con người thông
qua dữ liệu, dự đoán liên quan đến việc sử dụng
một số biến hoặc các yếu tố trong cơ sở dữ liệu để
dự đoán các giá trị chưa biết hoặc tương lai của các
biến số được quan tâm khác (Fayyad và cộng sự,
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,
2013). Các mục tiêu này có thể đạt được bằng cách
sử dụng nhiều nhiệm vụ khai phá dữ liệu bao gồm
phân loại, phân cụm, dự đoán, phát hiện ngoại lai,
tối ưu hóa và khái quát hóa. Những nhiệm vụ được
giải quyết thông qua:
toán). Khai phá dữ liệu cũng đã được áp dụng sau
khi chu kỳ kiểm toán hoàn thành, bao gồm sự tác
động và hậu quả của ý kiến kiểm toán.
Trong giai đoạn ký kết hợp đồng, khai phá dữ
liệu đã được sử dụng để dự đoán việc lựa chọn
của kiểm toán viên (Kirkos và cộng sự., 2010) và
chuyển đổi (Kirkos, 2012) để tìm ra sự phù hợp tối
ưu giữa các đặc tính của cuộc kiểm toán và chuyên
gia kiểm toán trong lĩnh vực xây dựng (Wang và
Kong, 2012) và phân loại mức chi phí cho cuộc
kiểm toán và đưa ra sự thay đổi trong giá phí kiểm
toán (Curry và Peel, 1998; Beynon và cộng sự,
2004). Trong môi trường giàu thông tin ngày nay,
đánh giá rủi ro liên quan đến nhận dạng các mẫu
trong dữ liệu, chẳng hạn như dữ liệu bất thường
phức tạp và sự khác biệt có thể che giấu một hoặc
nhiều lỗi trọng yếu (Ramamoorti và cộng sự, 1999).
Calderon (1999) và Ramamoorti và cộng sự (1999)
nghiên cứu khả năng của mạng lưới thần kinh để
tăng cường quá trình đánh giá rủi ro của kiểm toán
viên. Kết quả nghiên cứu cho rằng mô hình mạng
thần kinh có giá trị trong việc định hướng kiểm
toán viên nội bộ dành sự quan tâm đến những khía
cạnh của tài chính, vận hành và tuân thủ ở các khu
vực kiểm toán có nguy cơ cao và do đó tăng hiệu
quả của cuộc kiểm toán. Tương tự, Davis và cộng
sự (1997) và Hwang và cộng sự (2004) đã phát triển
mô hình mạng lưới thần kinh để hỗ trợ các kiểm
toán viên thực hiện đánh giá rủi ro kiểm soát. Kết
luận rằng mạng nơ ron cung cấp cho kiểm toán viên
một cách hiệu quả để nhận dạng các mẫu trong số
lượng lớn các mối quan hệ mà các mối quan hệ liên
biến này có thể thay đổi và các kiểm toán viên có
kinh nghiệm cũng không thể mô tả được. Tương
tự, Issa và Kogan (2014) đề xuất một dự đoán mô
hình hồi quy xác suất như một công cụ để đánh giá
chất lượng các đánh giá rủi ro kiểm soát và do đó
cải thiện hiệu quả kiểm toán bằng cách tập trung
vào vùng rủi ro hoặc ngoại lai.
■ Phân loại tập trung vào việc lập bản đồ dữ liệu
cho tập hợp các lớp thuộc tính, có thể là nhị phân
hoặc đa lớp.
■ Phân cụm tập trung phân tách dữ liệu thành
một số nhóm có ý nghĩa.
■ Dự đoán tập trung vào việc xác định giá trị số
học trong tương lai (dự báo) hoặc không phải là giá
trị số học (phân loại).
■ Phát hiện ngoại lai tập trung vào việc xác
định các dữ liệu quan trọng có sai lệch so với dữ
liệu chuẩn.
■ Tối ưu hóa tập trung vào việc tìm ra giải pháp
tốt nhất cho một số tài nguyên.
■ Khái quát hóa tập trung vào việc trình bày
trực quan và hiểu biết về dữ liệu.
■ Hồi quy tập trung vào ước lượng một biến phụ
thuộc từ tập hợp các biến độc lập.
3. Vai trò của khai phá dữ liệu trong lĩnh vực
kiểm toán và dịch vụ đảm bảo
3.1. Kiểm toán
Các giao dịch kế toán đang trở nên phức tạp và
dễ dàng hơn để thao tác với việc sử dụng ngày càng
tăng của hệ thống trực tuyến và sự gia tăng của các
thiết bị thông minh và sự kết nối vạn vật (IoT).
Điều này đòi hỏi sự chuyên nghiệp về nghề kiểm
toán cao hơn, bao gồm việc sử dụng kỹ thuật khai
phá dữ liệu ngày càng tăng. Vai trò quan trọng của
công nghệ thông tin ngày càng đóng vai trò quan
trọng trong nâng cao hiệu quả của quá trình giám
sát và kiểm soát (Daigle và Lampe, 2005). Khai phá
dữ liệu đã được áp dụng trong suốt chu trình kiểm
toán: lập kế hoạch (như cam kết, đánh giá rủi ro,
lập kế hoạch kiểm toán), thực hiện (chủ yếu thực
hiện thử nghiệm cơ bản) và báo cáo (báo cáo kiểm
Trong lập kế hoạch kiểm toán, Ragothaman và
cộng sự (1995) đã phát triển hệ thống tiếp cận theo
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
sót trọng yếu và các sai sót trong báo cáo tài chính
có thể xảy ra. ể hiện rằng hệ thống này hoạt động
tốt hơn mô hình dựa trên phân tích phân biệt trong
phân loại các lỗi và không lỗi. Nhưng kích thước
mẫu được sử dụng trong nghiên cứu giới hạn tính
tổng quát của các quy tắc được tạo ra.
Coakley (1995) đề xuất việc sử dụng các mạng thần
kinh trong nhận dạng mô hình của các tín hiệu cần
xem xét được tạo ra bởi các thủ tục phân tích. Kết
luận rằng việc sử dụng mạng nơron cung cấp một
chỉ dẫn đáng tin cậy hơn về sự có mặt của các sai
sót trọng yếu so với các thủ tục hoặc phân tích mẫu
truyền thống. Phân tích và cung cấp cái nhìn sâu
hơn về các nguyên nhân chính đáng của những sai
sót này. Kết quả của họ cho thấy việc sử dụng một
ANN để phân tích các mô hình các biến dạng liên
quan đến nhiều tỷ lệ tài chính cung cấp một chỉ
dẫn đáng tin cậy hơn về sự hiện diện của sai sót
trọng yếu hơn các thủ tục phân tích truyền thống
hoặc phân tích mẫu, cung cấp hiệu suất được cải
thiện trong việc nhận ra các sai sót trọng yếu.
Trong giai đoạn thực hiện kiểm toán, Argyrou
và Andreev (2011) đã đề xuất công cụ bán giám sát
cho việc tập hợp cơ sở dữ liệu kế toán như một quy
trình kiểm soát nội bộ thông qua việc sử dụng các
bản đồ tự tổ chức để bổ sung cho việc kiểm soát
nội bộ, xác minh việc xử lý kế toán các giao dịch và
đánh giá báo cáo tài chính. Kết quả thực nghiệm
cho thấy công cụ đề xuất có thể nén một số lượng
lớn các giao dịch kế toán, tạo ra các cụm đồng nhất,
tách biệt, và có thể hiểu được. Trong thực hiện
thử nghiệm cơ bản, Coakley và Brown (1993) và
Koskivaara (2000) đã sử dụng các mạng thần kinh
trong việc dự đoán các mẫu trong kiểm toán số dư
hàng tháng như là một phần của quá trình đánh giá
phân tích của kiểm toán viên và cho thấy rằng các
mạng nơron nhận ra các mẫu trong tài khoản cũng
như mối quan hệ giữa các tài khoản này hiệu quả
hơn so với phân tích tỷ số và phương pháp hồi quy.
Trong hậu chu kỳ kiểm toán, nội dung thông
tin về giả định hoạt động liên tục của kiểm toán
viên có ảnh hưởng đáng kể đến vị thế hiện tại và
tương lai của một công ty. Jones (1996) đã kiểm
tra các khoản lợi nhuận bất thường của cổ phiếu
xung quanh việc công bố báo cáo hoạt động liên
tục của kiểm toán viên bằng cách sử dụng hồi quy
bình thường nhỏ nhất và nhận thấy rằng hồi quy
bình phương nhỏ nhất bình thường cho thấy rằng
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
phá sản (Tseng và Hu, 2010, Kim và Kang, 2010;
Jardin, 2010; Tseng và Hu, 2010) với thỏa thuận
không nhất trí về kỹ thuật mô hình hóa nào mang
lại dự đoán tốt nhất. Tóm lại, không có bằng chứng
nào cho thấy một kỹ thuật khai phá dữ liệu tốt
hơn các kỹ thuật khai phá dữ liệu khác trong mọi
trường hợp.
công bố báo cáo của kiểm toán viên thấp hơn đối
với các ý kiến quan tâm đến hoạt động chứ không
phải do ý kiến rõ ràng và mức độ của các khoản lợi
nhuận bất thường phụ thuộc vào mức độ mà loại
ý kiến không được kỳ vọng đối với các nhà đầu tư.
3.2. Tình hình tài chính
Dự báo phá sản là một chủ đề quan trọng đã
được nghiên cứu rộng rãi và đa quốc gia trong các
nghiên cứu trước đây. Nhiều tác giả đã sử dụng
kỹ thuật khai thác dữ liệu để dự báo phá sản (Jo
et al., 1997, O’Leary, 1998, Yang và cộng sự, 1999,
Zhang và cộng sự, 1999. Charalambous và cộng
sự, 2000Tsai và Wu, 2008, Chen và các cộng sự,
2009a, 2009b, Olson và cộng sự, 2012, Kasgari
và cộng sự, 2013; Korol, 2013; Serrano-Cinca và
Gutiérrez-Nieto, 2013; Tinoco và Wilson, 2013).
Kết quả nghiên cứu Yang và cộng sự (1999) về sự
lan truyền ngược lại đã không phân biệt được giữa
các công ty bị phá sản và không phá sản và tính
ưu việt của phân tích hồi quy tuyến tính đối với
mạng nơ-ron xác suất. Mặt khác, Zhang và cộng sự
(1999) đã báo cáo rằng các mạng nơ ron mạnh mẽ
để lấy mẫu các biến thể về hiệu suất phân lớp tổng
thể. Shirata và cộng sự (2011) chứng minh hiệu quả
của dự đoán phá sản khai phá qua văn bản, trong
đó một số kết hợp các thuật ngữ có hiệu quả trong
việc phân biệt giữa các công ty phá sản và không
phá sản. Cụ thể hơn, Pompe và Bilderbeek (2005)
đã kiểm tra các yếu tố dẫn đến dự báo phá sản, và
nhận thấy rằng các mô hình được tạo ra từ báo cáo
tài chính hàng năm, cuối cùng đã được công bố
trước khi phá sản ít thành công hơn trong dự báo
thất bại kịp thời và sự suy giảm kinh tế trùng khớp
với sự suy giảm hiệu suất của mô hình . Mặc dù tất
cả các tác giả này chỉ sử dụng các biện pháp định
lượng, chủ yếu là tỷ lệ tài chính, trong mô hình dự
báo phá sản. Anandarajan và cộng sự (2001) đã sử
dụng các biện pháp định tính và định lượng. Trong
khi Cho và cộng sự (2009) đã phát triển một mô
hình tổng hợp kết hợp các kỹ thuật thống kê và trí
tuệ nhân tạo để dự báo phá sản, một số khác tập
trung vào tính chính xác của các mô hình dự báo
3.3. kế toán điều tra
AICPA công nhận trách nhiệm của kiểm toán
viên trong việc phát hiện gian lận (Cullinan và
Sutton, 2002). Việc phát hiện thao túng báo cáo
tài chính bằng cách sử dụng các thủ tục kiểm toán
thông thường đã trở thành một nhiệm vụ rất khó
khăn (Dikmen và Küçükkocaoğlu, 2010). Đánh
giá rủi ro gian lận là quá trình rất phức tạp và một
phần của tất cả các cuộc kiểm toán. eo thời gian,
các yêu cầu bắt buộc đã tăng nhanh chóng, khoảng
thời gian và nỗ lực của kiểm toán viên để đánh giá
gian lận. Do đó, đánh giá rủi ro gian lận tạo ra cơ
hội lý tưởng cho sự hỗ trợ kỹ thuật (Comunale và
cộng sự, 2010). Việc rà soát các nghiên cứu cho
thấy việc sử dụng phổ biến khai phá dữ liệu của các
nhà nghiên cứu và các học viên để phát hiện gian
lận. Các nhà nghiên cứu giải quyết ở mức độ khác
nhau đối với các dạng gian lận.
Một số tập trung vào việc phát hiện rủi ro gian
lận ở mức độ vĩ mô nhiều hơn ở cuộc kiểm toán
(Comunale và cộng sự, 2010) và một số khác tập
trung vào việc phát hiện gian lận ở cấp độ vi mô
hơn của các giao dịch kinh doanh (Debreceny và
Gray, 2010; Bella và cộng sự, 2009; Tackett, 2013).
Trong khi đó, Debreceny và Gray (2010) đã nghiên
cứu sự gian lận trong các bút toán bằng cách sử
dụng phân tích số liệu và phát hiện ra rằng sự phân
bố các chữ số đầu tiên của số tiền trong bút toán
khác với quy luật của Benford, Bella và cộng sự
(2009) đã phát triển cấu trúc bốn bước để phát hiện
gian lận của các hồ sơ thanh toán điện tử và Tackett
(2013) đã đề xuất việc sử dụng các quy tắc liên kết
trong việc phát hiện gian lận thông qua các mẫu và
mối quan hệ khi kiểm tra nghiệp vụ kinh tế. Mặt
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,
2010; Jans và cộng sự, 2011; Owusu-Ansah và cộng
sự, 2002) và tập trung vào việc phát hiện gian lận ở
chu kỳ kinh doanh hoặc quy trình. Trong khi Jans
và cộng sự (2010) sử dụng kỹ thuật khai phá dữ liệu
mô tả để phát hiện và giảm nguy cơ gian lận nội
bộ ở cấp độ chu trình kinh doanh, Jans và cộng sự
(2011) đã kiểm tra tính hiệu quả của thủ tục kiểm
tra phát hiện gian lận ở chu kỳ tồn kho và lưu kho
và Owusu-Ansah và cộng sự (2002) sử dụng quá
trình khai phá quy trình kinh doanh để giảm thiểu
các rủi ro gian lận nội bộ của các giao dịch trong
quá trình mua hàng. Các tác giả này thấy rằng quy
mô của kiểm toán, nhiệm kỳ của kiểm toán viên, và
năm kinh nghiệm của kiểm toán viên là yếu tố dự
báo về gian lận về mặt thống kê. Sử dụng một sự kết
hợp của Luật Benford và các mạng thần kinh, Busta
và Weinberg (1998) tập trung vào việc phát hiện dữ
liệu tài chính bị thao túng thông qua thủ tục phân
tích; Kim và Vasarhelyi (2012) đã sử dụng khai phá
dữ liệu để phát hiện gian lận nội bộ ở cấp công ty.
sự trợ giúp của việc khai phá dữ liệu ở các cấp khác
nhau: dựa trên gian lận của nhà quản lý cấp cao
(Fanning và Cogger, 1998, Pai và cộng sự, 2011),
phát hiện gian lận dựa trên dự đoán về kết quả hoạt
động trong tương lại của công ty (Virdhagriswaran
và Dakin, 2006) và phát hiện gian lận trong các
báo cáo tài chính (Kirkos và cộng sự, 2007; Perols,
2011). Các kết luận quan trọng của các tác giả này
bao gồm: khả năng của các mô hình mạng thần
kinh phân loại thành viên trong các cơ sở nghiên
cứu SEC so với các cơ sở không điều tra với độ
chính xác cao. Một giải thích cho thành công tương
đối của mạng nơron là khả năng sử dụng các quy
trình học tập thích ứng để xác định điều gì là quan
trọng để phân biệt “tín hiệu” thực từ các tín hiệu
nhiễu. Các nghiên cứu cũng khảo sát hiệu quả của
việc kết hợp các chỉ số tài chính và quản trị, các
yếu tố ngoại sinh và nội sinh và lựa chọn tính năng
để phát hiện các báo cáo tài chính sai lệch. eo
dòng nghiên cứu, nghiên cứu của Gaganis (2009)
liên quan đến việc sử dụng các kỹ thuật phân loại
khai phá dữ liệu kết hợp cả dữ liệu tài chính và phi
tài chính cho xác định FFS và kết luận rằng sự phân
loại chính xác phụ thuộc vào cách dữ liệu được xử
lý trước, chức năng khách quan, và chiến lược tìm
kiếm của mô hình. Alden và cộng sự (2012) đã sử
“Quản trị” gian lận là một loại hình gian lận
có ảnh hưởng xấu đến các bên liên quan thông qua
các báo cáo tài chính gây hiểu nhầm hoặc gian lận
(FFS) (Elliott và Willingham, 1980). Do đó, nhiều
nhà nghiên cứu tập trung vào việc phát hiện FFS với
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
FFS và kết luận rằng ước lượng thuật toán phân
phối cho thấy khả năng phân loại mô hình gian lận
tài chính tốt hơn so với mô hình hồi quy xác suất
truyền thống. Cụ thể hơn, Lin và cộng sự (2003)
đã phát triển mô hình mạng nơ ron tích hợp để
đánh giá nguy cơ FFS. Mô hình mạng thần kinh
mờ của Lin và cộng sự (2003) đã vượt trội hơn hầu
hết các mô hình thống kê và mạng thần kinh khớp
thần kinh được báo cáo trong các nghiên cứu trước
và hiệu quả của nó so với mô hình hồi quy logit.
Liou (2008) đã khám phá ra sự khác biệt và tương
đồng giữa phát hiện báo cáo tài chính giả mạo và
các mô hình dự báo thất bại kinh doanh bằng cách
sử dụng hồi quy logistic, mạng nơ ron và cây quyết
định và nhận thấy rằng các yếu tố tài chính được sử
dụng để phát hiện các báo cáo gian lận là hữu ích
trong dự báo thất bại kinh doanh. Welch và cộng
sự (1998) đã phát triển một hệ thống phân loại dựa
trên khai phá dữ liệu để xây dựng mô hình quyết
định của kiểm toán viên khi ước tính khả năng
gian lận bởi các nhà thầu phát triển hồ sơ thầu
cho các hợp đồng của Chính phủ và báo cáo rằng
trong các mô hình quyết định phân loại liên quan
đến chế biến, sản xuất các mô hình cải tiến khi so
sánh với các phương pháp toán học truyền thống.
Kochetovakozloski và cộng sự (2011) đã sử dụng
khai phá dữ liệu để cải thiện xét đoán của kiểm
toán viên về các sự kiện “quản trị” gian lận.
nhuận và đặt câu hỏi về giả thiết tuyến tính cho
việc mô hình biến kế toán dồn tích tùy ý và kết luận
rằng một cách tiếp cận phi tuyến tính để dự đoán
việc quản trị lợi nhuận hiệu quả hơn phương pháp
tuyến tính. Tập trung vào việc phát hiện quản trị lợi
nhuận, Jones (1991) đưa ra mô hình tích lũy bằng
cách sử dụng một thuật toán di truyền. Kết quả cho
thấy sự vượt trội của các thuật toán di truyền so
với các phương pháp phân cụm. Để giải quyết vấn
đề số liệu sẵn có trong ước tính chuỗi thời gian,
Hoglund (2013) nhận thấy mô hình Jones dựa trên
hồi quy tuyến tính mờ tốt hơn mô hình Jones dựa
trên hồi quy trong việc phát hiện quản trị lợi nhuận
được mô tả khi các chuỗi thời gian ước lượng ngắn.
Song và cộng sự (2013) đã kiểm tra mối liên quan
giữa quản trị lợi nhuận và khai khống tài sản và
phát hiện ra rằng việc khai khống tài sản có mối
liên quan đáng kể với biến kế toán dồn tích tùy ý.
Tóm lại, các ứng dụng khai phá dữ liệu trong
kiểm toán và dịch vụ đảm bảo tập trung chủ yếu
vào hai chủ đề chính: kiểm toán (bao gồm các giai
đoạn ký kết, lập kế hoạch, thực hiện và sau kiểm
toán) và kế toán điều tra (phát hiện gian lận và
quản trị lợi nhuận). Mục tiêu chính của các ứng
dụng trong lĩnh vực này là dự đoán và nhiệm vụ
chính là phân loại. Các kỹ thuật nổi trội là các
mạng nơ-ron và hồi quy. Các cơ hội nghiên cứu
trong tương lai bao gồm: tăng các dữ liệu đầu vào
với các biến số liên quan đến đặc điểm quản trị, thử
nghiệm các cách tiếp cận khác nhau để kết hợp các
cách phân loại, kiểm tra các thuật toán học khác
nhau và các mô hình cấu trúc, khám phá các thời
gian khác nhau và các phương pháp tiền xử lý dữ
liệu, mở rộng phạm vi phát triển mô hình tới nhiều
loại hình kinh doanh và nhiều lựa chọn hơn, tăng
thời gian dự đoán bao gồm các biến phi tài chính
và phân tích trực quan hơn, chú ý nhiều hơn đến so
sánh mô hình, chuẩn hóa dữ liệu và khai phá văn
bản trong dự báo gian lận tài chính.
Hành vi điều chỉnh lợi nhuận
Trong lĩnh vực tiên đoán về quản trị lợi nhuận,
Tsai và Chiou (2009) đã phát triển mạng lưới thần
kinh và các mô hình cây quyết định để các nhà đầu
tư sử dụng để dự đoán mức độ quản trị lợi nhuận
trước đó và đánh giá mức độ tăng giảm của lợi
nhuận sau đó. Kết quả của Tsai và Chiou (2009)
chỉ ra rằng sử dụng các kỹ thuật khai phá dữ liệu đã
làm tăng đáng kể dự báo về quản trị lợi nhuận và
các quy tắc ra quyết định giúp xác định việc quản
trị lợi nhuận. Mặt khác, Ezazi và cộng sự (2013)
đã kiểm tra tính hữu dụng của các kỹ thuật khai
phá dữ liệu khác nhau trong dự đoán quản trị lợi
4. kết luận
Bài viết tổng quan các nghiên cứu liên quan
đến ứng dụng khai phá dữ liệu trong lĩnh vực kiểm
36 Số 119 - tháng 9/2017 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN
7 trang
19/04/2022
1120
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
File đính kèm:
- vai_tro_cua_khai_pha_du_lieu_trong_linh_vuc_kiem_toan_va_dic.pdf
