Совершенствование методов обоснования выборки в аудиторской проверке (1142757), страница 34
Текст из файла (страница 34)
Применение данных методов можетвключать изучение причинно-следственных связей, применение нормативно-правовых180 норм, а также изучение действий (бездействий) должностных лиц. Собственно, это иесть непосредственно методы аудита получения аудиторских доказательств, такие какинспектирование, наблюдение, запрос, подтверждение, пересчет, аналитическиепроцедуры. В некоторых случаях, аудитор также может использовать методыкриминалистики и криминологии в сфере экономических преступлений, данноенаправление еще практически не рассматривалось в сфере аудита.
Все это можетулучшить эффективность логического отбора, и более точно определить аудиторскиериски, особенно, в случаях возможного мошенничества.10. В ходе завершения проведения выборочных процедур по существу, аудиторрешает вопрос: достаточно ли собрано доказательств для вынесения мнения обо всейгенеральной совокупности? В случае, когда отобранных данных недостаточно, аудиторможет расширить выборку. Но это расширение должно включать проверку значимых(существенных) операций, чтобы выборочные ресурсы не были потрачены напрасно.Для качественной аудиторской выборки, аудитор должен производить промежуточнуюоценку её результатов, анализируя тип обнаруженных искажений, а также анализируяих количество и существенность.11.
Одним из самых важных этапов выборочной аудиторской проверки являетсяэкстраполяция результатов выборки на генеральную совокупность. Результатыэкстраполяции могут значительно зависеть от выбора метода оценки. Результатылогической выборки могут быть оценены качественно и количественно. Не всегдаможно оценить количественно с достаточной точностью, например, если выяснилось,что значительная часть существенных операций не внесена в систему учетаорганизации. Тем не менее, в ходе диссертационного исследования, были показанымногие методы оценок искажений в стоимостном выражении для разных видоввыборки.
Так для логической выборки аудитор может применять три методаэкстраполяции, но без доверительного интервала, что не позволяет дать точнуюоценку, учитывающую заданный уровень выборочно риска. Для равновероятностнойстатистической выборки четыре метода оценки, а для монетарной более двенадцати.Все эти методы оценки были автором подробно рассмотрены и проанализированы во2-й главе данного диссертационного исследования.
Для качественной оценкирезультатов выборки аудитор должен обладать необходимыми компетенциями. Принеобходимости, аудитор может применить несколько методов оценки, сравнивая их181 результаты оценки и выбрать оптимальный. Но выводы о генеральной совокупностиаудитор делает, как правило, на основании какого-либо одного метода.12. На финальном этапе, аудитор сравнивает результаты выборки с заданнымуровнем существенности.
И делает заключительные выводы о достоверностифинансовой отчетности и надежности внутреннего контроля.Считаем, что предложенная обобщённая методика аудиторской выборки имеетотличительные особенности, которые позволят аудитору взглянуть на выборочныйметод по-новому. Данная методика включает 12 этапов: от сбора информации доформирования выводов и заключений о проверяемой совокупности. В этой методикепоказано, что аудитор может применять модель Бениша или Роксас, которые могутпоказать уже на этапе планирования возможные преднамеренные искаженияфинансовой отчетности. Также была показана зависимость аудиторской выборки оттого инструментария, а также информационных и коммуникационных технологий,которыми аудитор обладает на этапе аудиторской проверки. Немаловажную рольсоставляет пробная выборка и промежуточные оценки, которые включены в этуметодику. Подняты теоретические вопросы улучшения эффективности логическогоотбора и оценки рисков, которые могут помочь в дальнейшем развитии методоваудиторской выборки о возможности использования методов криминалистики икриминологии в аудите, что может быть актуальным, когда велик риск мошенничества.3.2 Тестирование методов статистического отбора и практическое применениемонетарной выборки при большом количестве искажений В параграфе 2.4 была рассмотрена достаточная объёмная теоретическая база помонетарной выборке.
В данном параграфе будет рассмотрено практическоеприменение монетарной выборки с реальными данными аудиторской проверки. Заинформационнуюбазумывзялидебиторскуюзадолженностьпо62 счету «Расчеты с покупателями и заказчиками» компании ПАО «X», приложение Г.ПАО «Х» крупная компания с участием иностранного капитала – 51%,зарегистрированная по законодательству РФ, с объемом выручки от продаж более 5млрд. рублей.Основным видом деятельности ПАО «Х» является оказаниеинспекционныхуслуг,экспертизы,проведениеиспытанийисертификации,182 сюрвейерское обслуживание. Данная задолженность состоит из задолженности врублях и в иностранной валюте (долларах и евро). Задолженность в иностраннойвалюте переведена в рублевый эквивалент на последнюю дату отчетного периода ивключена в совокупность. Общее количество операций составляет 1074, монетарныйобъем генеральной совокупности составляет 916 475 304 рубля.
Стоимостное значениесамой крупной операции составляет 50 995 928 рублей, а самой несущественной 1рубль. Среднее стоимостное значение операции 853 328 рублей, стандартноеотклонение генеральной совокупности 2 982 284 рубля, коэффициент вариации349.5%. Данный коэффициент вариации показывает, что совокупность достаточнонеоднородна, применение классической равновероятностной статистической выборкипотребует значительной стратификации и повышенного объема выборочных процедур.Монетарная выборка, как и любой вид аудиторской выборки, по существу,начинается с отбора, хотя конечно же до процедуры самого отбора следует этаппланирования.
Мы определили первоначальный объем выборочных процедур равным60-иэлементам.Дляотбораэлементовмыиспользовалиавторскиймодифицированный случайный отбор [169]. Однако, мы решили глубже исследоватьпроцедуру отбора в монетарной выборке. Одним из важнейших критериев обоснованияметодов аудиторской выборки является сумма отобранных элементов, т.е.
суммарнаястоимость отобранных элементов. По этой причине мы решили сравнить результаты:1. Классического (равновероятностного) случайного отбора (далее РСО), дляравновероятностной выборки.2. Систематическогоотбораклассическойравновероятностнойвыборки(далее СО).3. Модифицированного случайного (монетарного) отбора (далее МСО).4.
Модифицированного случайного(монетарного) отбора с измененнымивероятностями (далее МСОсИВ), где менее существенные операции имеют большуювероятность быть отобранными.5. Простого случайного (монетарного) отбора (далее ПСО).6. Интервально-случайного (монетарного) отбора (далее ИСО).7. Систематического (монетарного) отбора (далее СМО).На основе единичных случайных выборок, полученные данные могут быть нестоль информативны.
Поэтому мы провели симуляционные исследования в программе183 Wolfram Mathematica для проверяемой совокупности, состоящей из 1074 элементов.Семь видов выборки были применены 100 раз (каждая), с объемом выборочнойсовокупности 60 элементов, и было подсчитано для каждого вида выборки, среднее длясуммарной стоимости отобранных элементов, и стандартное отклонение для этогосреднего, которое показало значение разброса суммы отобранных операций средипроведенных выборок. А также выявлена максимальная и минимальная стоимостьотобранных элементов, и подсчитано сколько операций были отобрано бесповторнодля тех методов, где одни и те же элементы были отобраны несколько раз, в ходеиспытаний методов аудиторской выборки.
Ожидаемая сумма отобранных элементовклассического случайного отбора будет 916 475 304 ∙ 60⁄107451 199 737 рублей.Для модифицированного случайного отбора с измененными вероятностями было взяточисло трансформирования 51 000 000.Для проведения симуляционных испытаний мы использовали следующиеалгоритмы, составленные автором в программе Wolfram Mathematica для:1.
Модифицированного случайного (монетарного) отбора (МСО).Clear["Global`*"] g = (r[m_] := RandomInteger[{1, Total[Subscript[b, m][[All, 1]]] // IntegerPart}]; f[m_] := Delete[Subscript[b, m], Position[Table[IntervalMemberQ[ Interval[{If[x == 1, 1, Accumulate[Subscript[b, m][[All, 1]]][[x ‐ 1]] + 1], Accumulate[Subscript[b, m][[All, 1]]][[x]]}], Subscript[r, m + 1]], {x, Length[Subscript[b, m]]}], True]]; a = Import["C:\\Users\\Alex\\Documents\\selecting1.xlsx", {"Data"}][[1, Range[1, 1074], 2]]; n = 60; Subscript[b, 0] = Transpose[{a, Table[x, {x, Length[a]}]}]; Do[{Subscript[r, i] = r[i ‐ 1]; Subscript[b, i] = f[i ‐ 1]}, {i, n}]; c = Delete[Subscript[b, 0], Table[{Subscript[b, n][[All, 2]][[x]]}, {x, Length[Subscript[b, n][[All, 2]]]}]]; c[[All, 2]]; c[[All, 1]]) & /@ Range[100]; g1 = Total[g, {2}] Max[g1] // AccountingForm Min[g1] // AccountingForm g2 = g1 // Mean // AccountingForm g3 = g1 // StandardDeviation // AccountingForm 2.
Модифицированногослучайного(монетарного) отбора с измененнымивероятностями (МСОиИВ).Clear["Global`*"] g = (r[m_] := RandomInteger[{1,Total[Subscript[b, m][[All, 1]]] // IntegerPart}]; f[m_] := Delete[Subscript[b, m], Position[Table[IntervalMemberQ[ Interval[{If[x == 1, 1,Accumulate[Subscript[b, m][[All, 1]]][[x ‐ 1]] + 1], Accumulate[Subscript[b, m][[All, 1]]][[x]]}], Subscript[r, m + 1]], {x, Length[Subscript[b, m]]}], True]]; a = Import["C:\\Users\\Alex\\Documents\\selecting1.xlsx", {"Data"}][[1, Range[1, 1074], 2]]; t = 51000000; a1 = Table[t ‐ a[[x]], {x, Length[a]}]; n = 60; 184 Subscript[b, 0] = Transpose[{a1, Table[x, {x, Length[a1]}]}]; Do[{Subscript[r, i] = r[i ‐ 1]; Subscript[b, i] = f[i ‐ 1]}, {i, n}]; c = Delete[Subscript[b, 0], Table[{Subscript[b, n][[All, 2]][[x]]}, {x, Length[Subscript[b, n][[All, 2]]]}]]; Transpose[{c[[All, 2]], Part[a, c[[All, 2]]]}]; Part[a, c[[All, 2]]] ) & /@ Range[100]; g1 = Total[g, {2}] Max[g1] // AccountingForm Min[g1] // AccountingForm g2 = g1 // Mean // AccountingForm g3 = g1 // StandardDeviation // AccountingForm 3.
Классического (равновероятностного) случайного отбора (РСО).Clear["Global`*"] g = (a = Import["C:\\Users\\Alex\\Documents\\selecting1.xlsx", {"Data"}][[1, Range[1, 1074], 2]]; n = 60; b = RandomSample[a, n] ) & /@ Range[100]; g1 = Total[g, {2}] Max[g1] // AccountingForm Min[g1] // AccountingForm g2 = g1 // Mean // AccountingForm g3 = g1 // StandardDeviation // AccountingForm 4. Простого случайного (монетарного) отбора (ПСО).Clear["Global`*"] g = (a = Import["C:\\Users\\Alex\\Documents\\selecting1.xlsx", {"Data"}][[1, Range[1, 1074], 2]]; n = 60; b = Transpose[{a, Table[x, {x, Length[a]}]}]; int = Total[a] // IntegerPart; r = Table[RandomInteger[{1, int}], {x, n}]; b1 = Table[Interval[{If[x == 1, 1, Accumulate[b[[All, 1]]][[x ‐ 1]] + 1], Accumulate[b[[All, 1]]][[x]]}], {x, Length[a]}]; b2 = Table[Position[IntervalMemberQ[b1,r[[x]]], True],{x, n}] // DeleteDuplicates; x = Flatten[Extract[b, b2], 1]; y = Dimensions[Flatten[Extract[b, b2], 1]];Join[{x}, {y}]) & /@ Range[100]; g1 = Take[Flatten[g, 1], {#, ‐1, 2}] & /@ {1, 2}; g2 = Table[ Total[g1[[1]][[x]][[All, 1]]], {x, Length[g3 = g1[[2]][[All, 1]]]}]; Max[g2] // AccountingForm Min[g2] // AccountingForm g3 = g1[[2]][[All, 1]]; g4 = Mean[g2] // AccountingForm // N g5 = StandardDeviation[g2] // AccountingForm // N g6 = Mean[g3] // AccountingForm // N g7 = StandardDeviation[g3] // AccountingForm // N 5.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
