一、审计中的分层抽样（论文文献综述）
邢文[1]（2019）在《大数据技术在电力营销审计中的应用研究 ——以南方电网为例》文中指出近年来,审计署陆续出台文件,要求深化大数据应用,推动大数据审计发展。在这样的背景下,如何有效利用大数据技术,推动形成大数据审计新模式已成为我国审计人员、企业管理层愈发关注的问题。数据资源不断丰富的背景下,将大数据技术应用到审计作业中,帮助进行多维比较、协同分析,能够有效提高数据的可用性。本文以大数据技术在南方电网电力营销审计中的应用为例,深入分析,以此思考大数据技术在电力营销审计中存在的问题,并提出建议,以期促进大数据审计的理论和实践发展。本文首先对研究背景进行简单叙述,探究本文的研究意义,明确研究思路与方法,确定本文的结构路线。其次,本文围绕大数据审计、大数据技术应用以及营销审计的国内外相关研究进行文献梳理,明确本文的研究方向。然后,本文围绕风险导向审计理论与大数据技术相关理论进行基本理论的阐述,对比传统审计与大数据审计的区别,并具体介绍聚类和分类数据分析理论。接着,具体介绍大数据技术在电力营销审计案例中各阶段的应用。之后,对大数据技术在电力营销审计中可能存在的问题进行总结,并提出相应的建议,以期对大数据审计发展提供借鉴。最后,进行研究总结并对未来大数据审计的发展进行展望。
汤晓超[2]（2009）在《信息系统审计下的分层抽样方法研究》文中研究表明针对信息系统审计中业务数据量大、数据分析方法单一,提出了通过将计算机学科的数据挖掘方法与审计分层抽样算法相结合的方法,从大量的被审计数据中抽取少量的特征数据,从而达到降低数据分析门槛、缩小分析数据范围、提高信息系统审计效率的目的。通过审计实验表明,该方法在现实信息系统审计优于传统审计分层抽样方法。
汤晓超[3]（2010）在《基于数据挖掘技术的审计抽样系统开发和研究》文中研究说明随着计算机技术的日益普及,它替代手工核算的优越性也不言而喻,会计电算化和业务数据电子化在许多单位开始了广泛运用。对被审计单位财务和业务数据的抽样审计是日常审计工作开展的基础,随着数据信息化,如何从大量的、杂乱无章的海量数据中发现潜在的有用的信息变得致关重要。因此,如何从这些海量的数据中找出有真正有价值的东西,为审计人员提供发现问题的线索和依据,成了目前许多审计机关迫切需要解决的问题。本文针对作者参与研究和开发的审计抽样系统进行了详细的描述,并通过数据挖掘技术将审计分层抽样分析技术提升到了一个新的领域。本文的主要研究内容包括:1.对数据挖掘相关概念与现状进行了阐述,并对审计抽样的相关内容以及审计抽样系统在国内和国际的发展现状,以及数据挖掘技术在审计抽样系统中的意义做了分析。其次对审计抽样系统开发所需的聚类和关联规则相关技术进行了详细的介绍,并结合审计抽样系统的开发,介绍了数据挖掘技术在审计抽样中的实现过程以及影响。2.通过对数据挖掘过程的分析,结合审计抽样系统数据挖掘应用实际,提出改进的CRISP-DM数据挖掘模型。然后在对审计抽样系统设计时采用引入AJAX技术的改进MVC模式,该模式利用EXTJS框架用来创建一个与后台技术无关的前端用户界面;通过EXTJS可以更加方便和快捷地完成视图层的工作;通过AJAX可以最大程度的减少冗余请求、减轻对服务器造成的负担、无需刷新更新页面以及减少用户心理和实际的等待时间。3.利用作者提出的基于优化K-means的改进算法对传统审计分层抽样算法进行改进,在保证层次抽样数据代表性的前提下,不但降低了审计抽样样本的数量,而且提高了审计抽样的准确性。采用Aprioir关联分析模型对被审计单位的抽样数据进行关联分析,找出经济责任审计和固定资产投资审计中高风险审计项目,为审计人员挑选重点审计对象提供有用信息,提高了审计质量。
王红霞,景波[4]（2014）在《多维数据聚类技术在电子政务审计分层抽样中的应用研究》文中研究指明本文分析了聚类技术及其对电子政务审计的意义,结合电子政务抽样审计中对多维数据进行分层抽样的需要,提出将基于主次属性划分的聚类方法应用于分层抽样算法之中,以适应多维数据分层抽样的需要,为电子政务审计分层抽样系统的实现提供了一种新的解决方案。
韩易霖[5]（2019）在《计算机审计在中国移动“养卡”审计中的应用研究 ——以A移动公司为例》文中研究说明自20世纪80年代以来,我国计算机审计研究经历了 20多年的发展历程,已经得出了较为系统化和完整化的计算机审计体系。我国计算机审计体系发展和完善离不开前辈们的辛苦研究。但现阶段,随着我国企业信息化的程度越来越高,信息技术的应用更加广泛,计算机审计的应用研究已经到了无法突破的地步。面对这种情况,我们应针对计算机审计的应用进一步进行研究。据智研咨询发布的中国企业信息化行业运营分析及发展前景预测报告（2018-2024年）显示,截止2017年底,我国使用互联网的企业在市场企业当中占比超过90%,首次达到95.6%的超高比例。这代表着,我国的企业信息化程度稳步提升。中国移动作为三大运营商之一,其信息化程度非常高,各类业务操作均在信息系统当中进行。尤其是中国移动对于“养卡”行为的审计项目,该项目旨在通过分析社会渠道办理业务的明细中发现社会渠道是否存在“养卡”行为,进而对社会渠道采取相关处理措施,以减少中国移动损失,避免多发酬金。在这样的背景下,传统审计技术已经无法完全满足中国移动“养卡”项目审计职责的需求。作为具有监督监察企业运行的“经济警察”和“财务医生”,审计工作人员也应紧跟时代发展,提升自己的计算机水平。首先,对于“养卡”审计工作来说,最先变化的是审计人员的工作环境。传统审计工作面对的审计环境是纸质版的业务资料内容,而如今,审计人员需要面对的是计算机上的业务数据、财务数据,需要使用计算机对审计资料进行查看。其次,审计手段发生了变化。传统审计工作需要通过手工审计完成,对于“养卡”行为这种数据量较大的审计内容,需要利用办公软件、数据库、数据挖掘等先进技术手段完成审计工作,能够快速的发现问题,准确定位。最后,提高了审计人员自身的计算机水平和综合素质。现在的社会需要复合型人才,审计人员不仅需要掌握并熟练运用会计和审计知识,同时还需要知晓计算机技术、网络技术,还要在审计工作中具备快速学习的能力,以面对不同的企业和不同的而业务,能够利用计算机审计快速发现漏洞并准确抓取问题根源所在。综上所述,计算机审计工作因为时代的变化,环境、技术、人员素质的要求,如果无法完全适应现有的审计工作,可能会给工作带来极大的审计风险,降低审计工作质量。本文主要研究计算机审计在中国移动“养卡”审计项目中的应用,并以A移动公司为例,A移动公司具有高度信息化的特点,其社会渠道所办理业务量十分庞大,业务数据一天之内可达几十万条。通过计算机审计中的数据挖掘技术在“养卡”审计项目中的运用,对养卡客户群进行分类,找出客户群的特点,完善养卡审计模型。运用观察法、文献分析法、案例分析法和定性定量分析法,并利用计算机审计中的数据挖掘技术,进一步探讨计算机审计在中国移动“养卡”审计中的应用性。根据在“养卡”审计项目中的数据挖掘,提出A移动公司完善养卡防范措施。通过研究计算机审计在中国移动“养卡”审计中的应用,不仅丰富了计算机审计的内涵,而且为今后计算机审计的发展指明了一条发展道路。
杨俊龙,金勇进[6]（2002）在《分层抽样技术在应收账款审计中的应用》文中研究说明随着审计业务量日益加大 ,统计抽样在中国审计中的应用会逐渐增多 ,本文旨在说明如何使用分层抽样技术提高应收账款审计的效率。
吴悠[7]（2017）在《数据挖掘技术在企业风险审计中的应用研究 ——以X市农业保险客户聚类和分类分析为例》文中研究指明信息技术的发展使得数据式审计模式应运而生,审计的核心方法转变为数据分析方法。但在如今的大数据环境下,传统的计算机辅助审计技术已经难以满足当前环境下的审计数据分析需求,需要更强大的数据分析技术来应对这一挑战。数据挖掘可以从海量数据中发现有价值的信息并把这些数据转化成有组织的知识,近年来,研究如何利用数据挖掘技术进行审计一直是国内外学者关注的一个热点,经过几年的探索,研究范围不断扩大研究程度不断加深,但依旧处在发展中,还存在很多空白领域。本文研究数据挖掘技术在保险公司风险审计中的应用,并针对农业保险这一细分业务。农业保险是针对农业的风险分散机制,但是由于我国从2007年开始才逐步建立起农业保险制度,起步较晚,因此制度、监督体系尚不完善,农保市场存在较为严重的信息不对称问题,尤其是由此导致的投保农户的逆向选择和道德风险,使得保险公司经营成本高,经营风险大。因此,保险公司亟需加强对投保农户的风险审计,但在信息化时代背景下,每天都会产生巨大的农业保险业务数据,传统的审计方法存在诸多局限性,无法实施有效的客户风险审计。此时,我们需要借助计算机技术来辅助审计,充分发挥如今数据保存完善容易获取的优势,利用数据挖掘发现海量数据背后隐藏的有用知识,帮助保险公司更好的实施客户风险审计,有效应对农业保险客户风险。本文的目标是为保险公司提出应对投保农户逆向选择和道德风险问题的解决方案并弥补使用传统审计方法实施客户风险审计的不足。经过研究我们认为综合使用聚类和分类方法构建客户风险等级划分模型,并依据划分结果厘定差额保险费率可以成为保险公司应对上述问题的有效对策。本文首先介绍了聚类和分类技术,综述了其在审计领域的已有研究。然后聚焦到本文的研究对象农业保险,描述了现阶段农业保险公司面临的一系列问题,提出相应的解决对策,即运用数据挖掘技术辅助客户风险审计。接下来使用R语言软件对X市农业保险的投保农户数据进行挖掘,综合使用无监督学习方法聚类中的k-means算法和监督学习方法分类中的随机森林构建客户风险等级划分模型,分别阐述其算法理论原理,并介绍了数据准备、数据预处理、模型构建、模型运用及评估的实际操作过程。基于聚类模型,我们将投保农户的风险等级确定为五类即高风险、较高风险、中等风险、较低风险和低风险。接着基于分类方法优化此模型,训练出可以直接供审计人员使用并能预测新投保农户风险的模型,通过检验,该模型的准确率达到99.6%。由此可见,本文所构建的农业保险客户风险等级划分模型是切实可行的,可以帮助保险公司提高客户风险审计效率,规避农业保险经营风险。最后,结合整个研究过程,提出将数据挖掘技术应用到客户风险审计中的相关建议。本文研究的理论意义在于比较了聚类、分类这两种数据挖掘方式的运用前提和运用效果,充分挖掘农业保险公司的数据信息对投保客户风险进行了首次定量研究。实践意义在于借助数据挖掘技术为X市农业保险公司构建了客户风险等级划分模型,并清晰地展现了数据建模的全过程,从而为保险公司进行客户风险审计提供了一条可借鉴的思路。
钟海芳[8]（1998）在《审计中的分层抽样》文中提出
冉继琰[9]（2016）在《统计方法在审计抽样中的应用》文中进行了进一步梳理随着我国数字化领域和社会经济的快速发展,以及企业规模的不断扩大,审计工作的要求更高了,因为各行各业的数据信息变得更加复杂了。行政事业单位审计和社会企业审计面临着各种挑战:审计人员和时间有限,而被审计对象信息量大、范围广,导致审计人员的审计责任加大,审计风险无法控制到可接受范围内,审计人员根据经验判断的单一传统的审计方法已经跟不上社会的快速发展。在上述情况下,审计人员在规定时间内审计所有财务会计信息,是不可能回答被审计单位的资产、负债、损益的真实性问题的。如果采用非统计抽样方法,虽然容易操作,但是承担的审计风险太大,要对总体做出正确的评价是很困难的。如果采用审计统计方法,则可以很大幅度的提高审计效率,以达到审计目的。本论文分为五个部分,前三部分主要是理论知识的介绍,包括审计背景现状、审计概况以及常用的统计方法。第四部分就统计方法在审计工作中的应用做了实证分析:运用R软件对数据进行预处理分析,包括聚类分离以及主成分分析;运用概率比例规模抽样法进行抽样测试,并从样本结论推断至总体结论,分析测试结果。第五部分就整个课题的研究做出结论与展望。实践是检验真理的唯一标准,本课题的基础数据是走访各审计现场而取得的,通过在现场对审计统计抽样的技术与方法进行反复验证,并同时听取一线审计人员的宝贵意见,为本论文的正确性从实践上得到了论证。
李晋宇[10]（2020）在《现代风险导向模式下獐子岛事件的审计策略研究》文中研究说明根据审计准则的要求,目前我国审计采用的是现代风险导向审计,现代风险导向审计将注册会计师的审计工作流程分为了审计计划阶段、风险评估阶段、风险应对阶段以及审计完成阶段,注册会计师应当在各个阶段使用合理的审计策略控制检查风险,从而控制审计风险。近年来,我国农业类上市公司财务舞弊案件层出不穷,各类财务造假手段花样繁多,而注册会计师在审计农业类上市公司时,由于审计策略不合理多次被证监会处罚,人们开始对农业类上市公司的财务报告提出质疑,对注册会计师的工作提出了更高的要求。作为农业类上市公司中极具代表性的獐子岛,在2014年以来多次核销虾夷扇贝或计提大额减值准备,对獐子岛的经营状况造成了巨大影响,并于2019年受到证监会处罚,而注册会计师在近几年的审计中,并未发现獐子岛的造假情况,这在一定程度上反映了注册会计师在使用现代风险导向审计的过程中,并未合理使用审计策略。因此,以现代风险导向为基础,将獐子岛作为案例从而研究农业类上市公司审计过程中的各个阶段内应当如何执行审计策略具有重要意义。本文通过对2015-2018年近4年上市公司以及农业类上市公司的审计意见和被处罚的情况进行分析,得出农业类上市公司的注册会计师更为谨慎,其审计失败的风险也更高,农业类上市公司的主要造假手段包括存货、收入、成本与关联方交易等科目,注册会计师在审计失败的案例中对农业类上市公司的审计策略问题主要集中在风险评估阶段、风险应对阶段和审计完成阶段。随后针对獐子岛这一典型案例进行分析,从獐子岛的主营业务入手,对其几次计提大额减值准备或核销存货的过程以及獐子岛年报的审计过程进行分析,发现大华会计师事务所存在没有严格执行初步业务活动,在风险评估阶段没有合理应用分析性程序,风险应对阶段没有进行合理的控制测试和实质性程序等问题,导致大华会计师事务所及注册会计师在审计过程中,并未发现獐子岛的相关问题。最后本文将农业类上市公司审计失败的案例与獐子岛相结合,针对审计失败的原因,从现代风险导向审计的各个阶段入手,提出会计师事务所应当加强对项目组独立性、业务能力、时间资源的评估,加强对农业类上市公司管理层诚信的评估,充分实施分析性程序,综合使用分析方法,对重大错报风险需要制定合理的总体应对措施,对高风险领域执行控制测试和实质性程序,完善事务所底稿复核制度等有针对性的建议,以期对完善农业类上市公司审计策略,提高审计质量提供参考。
二、审计中的分层抽样（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、审计中的分层抽样（论文提纲范文）
（1）大数据技术在电力营销审计中的应用研究 ——以南方电网为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 文献综述 |
| 1.2.1 大数据审计的相关研究 |
| 1.2.2 营销审计的相关研究 |
| 1.2.3 文献述评 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 现实意义 |
| 1.4 研究思路与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 创新与不足 |
| 2 基本理论 |
| 2.1 风险导向审计理论 |
| 2.1.1 传统风险导向审计 |
| 2.1.2 现代风险导向审计 |
| 2.2 大数据技术相关理论 |
| 2.2.1 大数据相关技术及应用 |
| 2.2.2 数据分析相关理论 |
| 3 大数据技术在南方电网电力营销审计中的应用 |
| 3.1 南方电网电力营销审计概况 |
| 3.1.1 南方电网公司概况 |
| 3.1.2 南方电网公司电力营销业务概况 |
| 3.1.3 南方电网公司电力营销审计概况 |
| 3.2 大数据技术在电力营销审计中的应用 |
| 3.2.1 大数据技术在营销审计流程应用思路和步骤 |
| 3.2.2 大数据技术在数据收集阶段中的应用 |
| 3.2.3 大数据技术在数据分析阶段中的应用 |
| 3.2.4 数据可视化技术在成果应用阶段的应用 |
| 3.2.5 大数据技术在电力营销审计应用中的评价分析 |
| 4 大数据技术在电力营销审计应用中存在的问题及建议 |
| 4.1 大数据技术在电力营销审计应用中存在的问题 |
| 4.1.1 部分审计工作停留在传统风险导向审计上 |
| 4.1.2 新审计模式和技术的挑战 |
| 4.1.3 大数据审计发展基础仍存在缺陷 |
| 4.2 推动大数据技术在电力营销审计应用的建议 |
| 4.2.1 重视审计成果的拓展应用 |
| 4.2.2 建立审计全覆盖的创新模式 |
| 4.2.3 促进内部审计人员形成大数据思维 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（2）信息系统审计下的分层抽样方法研究（论文提纲范文）
| 一、引言 |
| 二、传统的审计分层抽样 |
| 三、信息系统审计下传统审计分层抽样的不足 |
| 四、解决审计分层抽样在信息系统审计中存在问题的对策 |
| 五、新型审计分层抽样方法应用实例 |
| 六、结束语 |
（3）基于数据挖掘技术的审计抽样系统开发和研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 数据挖掘概念与现状 |
| 1.1.1 数据挖掘概念 |
| 1.1.2 数据挖掘现状 |
| 1.2 审计抽样的概述及现状 |
| 1.2.1 审计抽样的概述 |
| 1.2.2 审计抽样系统的现状 |
| 1.2.3 数据挖掘在审计抽样系统中的意义 |
| 1.3 主要工作 |
| 1.4 本章小结 |
| 2 审计抽样系统中的技术综述 |
| 2.1 聚类数据挖掘 |
| 2.1.1 聚类的定义 |
| 2.1.2 聚类分析的应用 |
| 2.1.3 聚类分析的数据类型 |
| 2.1.4 主要聚类算法分类 |
| 2.2 关联规则数据挖掘 |
| 2.2.1 关联规则挖掘技术的产生 |
| 2.2.2 关联规则的基本概念 |
| 2.2.3 关联规则挖掘经典算法 |
| 2.2.4 FP-growth算法 |
| 2.3 审计抽样系统数据挖掘过程 |
| 2.4 审计抽样系统对审计抽样的影响 |
| 2.5 本章小结 |
| 3 审计抽样系统的数据挖掘模型分析 |
| 3.1 数据挖掘过程模型 |
| 3.1.1 数据挖掘过程模型简介 |
| 3.1.2 数据挖掘过程模型SA |
| 3.1.3 数据挖掘过程模型SEMMA |
| 3.2 CRISP-DM模型 |
| 3.2.1 CRISP-DM模型简介 |
| 3.2.2 CRISP-DM模型 |
| 3.2.3 改进的CRISP-DM模型 |
| 3.3 审计抽样系统数据挖掘分析过程 |
| 3.4 本章小结 |
| 4 审计抽样系统设计与实现 |
| 4.1 审计抽样系统概述 |
| 4.2 审计抽样系统关键技术 |
| 4.2.1 AJAX技术 |
| 4.2.2 EXTJS |
| 4.2.3 MVC设计模式 |
| 4.2.4 引入AJAX的改进MVC模式 |
| 4.3 审计抽样系统需求分析 |
| 4.3.1 审计抽样系统业务分析及业务流程 |
| 4.3.2 审计抽样系统数据流程 |
| 4.3.3 审计抽样系统功能分析 |
| 4.3.4 审计抽样系统数据库设计 |
| 4.4 审计抽样系统功能实现 |
| 4.5 本章小结 |
| 5 数据挖掘技术对审计分层抽样方法的改进和应用 |
| 5.1 基于优化K-means算法的审计分层抽样算法研究 |
| 5.1.1 K-means算法 |
| 5.1.2 分层抽样 |
| 5.1.3 原始分层抽样的弊端 |
| 5.1.4 改进算法在分层抽样中的应用 |
| 5.1.5 改进算法在审计抽样系统应用实例 |
| 5.1.6 改进K-means算法对审计抽样的影响 |
| 5.2 基于关联规则的审计抽样数据挖掘 |
| 5.2.1 几种改进Apriori算法的思想 |
| 5.2.2 利用关联规则分析审计要素之间的关联关系 |
| 5.2.3 结论 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间所发表的论文 |
（4）多维数据聚类技术在电子政务审计分层抽样中的应用研究（论文提纲范文）
| 一、 聚类技术及其对电子政务审计的意义 |
| (一)聚类与聚类算法 |
| (二)聚类技术对电子政务审计的意义 |
| 二、 基于主次属性划分的多维数据聚类算法 |
| (一)基本思想 |
| (二)算法 |
| 三、 聚类技术在审计分层抽样中的应用 |
| (一)分层抽样 |
| (二)聚类技术的应用 |
| 四、结论 |
（5）计算机审计在中国移动“养卡”审计中的应用研究 ——以A移动公司为例（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究意义与研究方法 |
| 1.3 研究创新及不足 |
| 1.3.1 研究的创新点 |
| 1.3.2 论文研究不足 |
| 1.4 论文框架 |
| 2 文献综述与相关概念 |
| 2.1 文献回顾 |
| 2.1.1 我国计算机审计研究的发展阶段 |
| 2.1.2 国外计算机审计的发展现状 |
| 2.1.3 国内计算机审计的发展现状 |
| 2.1.4 养卡审计国内研究现状 |
| 2.1.5 文献评述 |
| 2.2 相关概念 |
| 2.2.1 计算机审计 |
| 2.2.2 数据挖掘技术 |
| 2.2.3 “养卡”行为 |
| 2.3 本章小结 |
| 3 计算机审计在“养卡”审计中的应用与问题分析 |
| 3.1 “养卡”行为计算机审计流程 |
| 3.2 “养卡”审计数据的处理 |
| 3.2.1 “养卡”审计数据的采集 |
| 3.2.2 “养卡”审计数据的清理 |
| 3.2.3 “养卡”审计数据的转换 |
| 3.2.4 “养卡”审计数据的分析 |
| 3.3 “养卡”行为计算机审计流程问题分析 |
| 3.3.1 抽取样本过少 |
| 3.3.2 “养卡”审计实地观察效果不佳 |
| 3.3.3 数据分析工具不足以支持大数据分析 |
| 3.4 本章小结 |
| 4 案例分析——以A移动公司“养卡”审计为例 |
| 4.1 A移动公司概况 |
| 4.2 A移动公司“养卡”审计流程优化 |
| 4.3 应用计算机审计前后效果分析 |
| 4.3.1 对“养卡”审计项目结果的影响 |
| 4.3.2 对“养卡”审计项目成本的影响 |
| 4.3.3 对审计软件投入资金的影响 |
| 4.3.4 对审计人员配置的影响 |
| 4.4 A移动公司计算机审计存在的问题 |
| 4.4.1 “养卡”审计监控模型仍有待完善 |
| 4.4.2 增加了购置成本 |
| 4.4.3 审计软件的开发有待加强 |
| 4.4.4 仍需进一步培训和引进专业审计人员 |
| 4.5 本章小结 |
| 5 计算机审计的优化措施 |
| 5.1 完善“养卡”审计监控模型 |
| 5.2 加强对计算机审计成本的管理 |
| 5.3 完善计算机信息系统和审计软件 |
| 5.3.1 加快内部审计信息化建设 |
| 5.3.2 完善计算机信息系统 |
| 5.3.3 加强计算机审计软件开发与管理 |
| 5.3.4 发展大数据平台 |
| 5.4 加强计算机审计人员管理 |
| 6 结论与展望 |
| 6.1 研究的结论 |
| 6.2 未来研究的展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）分层抽样技术在应收账款审计中的应用（论文提纲范文）
| 一、选定分层和确定各层样本量 |
| 二、抽取样本并函证通过样本客户资料作出审计评价 |
| 三、分层抽样审计效率评价 |
（7）数据挖掘技术在企业风险审计中的应用研究 ——以X市农业保险客户聚类和分类分析为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 研究目的和研究方法 |
| 1.4 论文内容和结构 |
| 第二章 概念界定与文献综述 |
| 2.1 数据挖掘技术在审计中的应用研究综述 |
| 2.1.1 数据挖掘概述 |
| 2.1.2 数据挖掘技术在审计中的应用 |
| 2.2 聚类和分类技术在审计中的应用研究综述 |
| 2.2.1 聚类和分类技术概述 |
| 2.2.2 聚类和分类技术在审计中的应用研究综述 |
| 2.3 聚类和分类技术在保险公司中的应用案例 |
| 2.3.1 国外经典案例 |
| 2.3.2 国内经典案例 |
| 2.4 对本文的启发和借鉴 |
| 第三章 农业保险公司风险审计存在的问题及数据审计基本框架设计 |
| 3.1 农业保险公司风险审计存在的问题 |
| 3.1.1 我国农业保险基本情况介绍 |
| 3.1.2 农业保险公司风险审计现状 |
| 3.1.3 农业保险公司面临的问题 |
| 3.2 农业保险公司利用数据挖掘进行风险审计的必要性和可行性 |
| 3.2.1 农业保险公司面临问题的对策分析 |
| 3.2.2 农业保险公司利用数据挖掘进行风险审计的必要性 |
| 3.2.3 农业保险公司利用数据挖掘进行风险审计的可行性 |
| 3.3 农业保险公司客户数据审计的基本框架设计 |
| 3.3.1 审计目标的确定 |
| 3.3.2 数据准备及数据预处理 |
| 3.3.3 数据挖掘模型的构建 |
| 3.3.4 模型的运用及评估 |
| 3.3.5 审计决策 |
| 第四章 聚类和分类技术在农业保险客户风险审计项目中的具体运用 |
| 4.1 基于聚类技术的投保农户风险等级划分模型 |
| 4.1.1 数据准备及数据预处理 |
| 4.1.2 构建基于k-means算法的数据挖掘模型 |
| 4.1.3 聚类模型的运用及评估 |
| 4.1.4 保险费率的厘定 |
| 4.2 基于分类技术的投保农户风险等级划分优化模型 |
| 4.2.1 数据准备及数据预处理 |
| 4.2.2 构建基于随机森林的数据挖掘模型 |
| 4.2.3 分类模型的运用及评估 |
| 4.3 建立基于数据挖掘技术的客户风险等级划分模型总结 |
| 第五章 应用数据挖掘技术进行客户风险审计的建议 |
| 5.1 丰富数据来源 |
| 5.2 重视数据预处理过程 |
| 5.3 基于具体审计目标构建数据挖掘模型 |
| 5.4 多角度评估模型 |
| 5.5 提高审计师能力 |
| 第六章 结论和展望 |
| 6.1 研究结论和创新 |
| 6.1.1 研究结论 |
| 6.1.2 研究创新 |
| 6.2 研究不足 |
| 6.3 未来展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（9）统计方法在审计抽样中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究的问题与背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外现状 |
| 1.4 论文结构 |
| 2 审计抽样概论 |
| 2.1 审计抽样概况 |
| 2.2 抽样风险与非抽样风险 |
| 2.2.1 抽样风险 |
| 2.2.2 非抽样风险 |
| 2.3 统计抽样与非统计抽样 |
| 2.4 属性抽样与变量抽样 |
| 3 审计抽样方法理论基础 |
| 3.1 审计抽样的数学模型 |
| 3.2 常用的抽样方法 |
| 3.2.1 简单随机抽样 |
| 3.2.2 分层抽样 |
| 3.2.3 系统抽样 |
| 3.2.4 概率比例规模抽样（PPS抽样） |
| 4 审计抽样的设计与运行 |
| 4.1 变量抽样的设计 |
| 4.2 审计抽样的应用 |
| 4.2.1 数据来源 |
| 4.2.2 数据的预处理分析 |
| 4.2.3 审计抽样实践测试 |
| 5 研究结论与意见 |
| 致谢 |
| 参考文献 |
（10）现代风险导向模式下獐子岛事件的审计策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 1.5 研究路线 |
| 第2章 相关理论基础及概述 |
| 2.1 信息不对称理论 |
| 2.2 委托代理理论 |
| 2.3 成本效益理论 |
| 2.4 现代风险导向审计模式相关概述 |
| 第3章 我国上市公司审计及审计策略应用状况 |
| 3.1 审计状况分析 |
| 3.1.1 上市公司整体层面 |
| 3.1.2 农业类上市公司层面 |
| 3.2 审计策略应用分析 |
| 3.2.1 上市公司整体层面 |
| 3.2.2 农业类上市公司层面 |
| 3.3 小结 |
| 第4章 獐子岛事件及其事务所审计策略应用分析 |
| 4.1 公司基本概况 |
| 4.1.1 组织结构 |
| 4.1.2 主要业务 |
| 4.1.3 财务状况 |
| 4.2 公司业务经营分析 |
| 4.2.1 主营业务分析 |
| 4.2.2 经营状况分析 |
| 4.3 獐子岛事件 |
| 4.3.1 2014年獐子岛事件 |
| 4.3.2 2018年獐子岛事件 |
| 4.3.3 2019年一季度事件 |
| 4.3.4 2019年11月事件 |
| 4.3.5 小结 |
| 4.4 獐子岛事件中事务所审计策略存在的问题 |
| 4.4.1 初步业务活动不合理 |
| 4.4.2 风险评估程序不充分 |
| 4.4.3 风险应对程序不合理 |
| 4.5 小结 |
| 第5章 基于獐子岛事件的农业类上市公司审计策略优化 |
| 5.1 审计计划阶段的审计策略优化 |
| 5.1.1 加强管理层诚信评估 |
| 5.1.2 加强项目组业务能力评估 |
| 5.1.3 评估项目组职业道德规范 |
| 5.1.4 评估项目组开展业务的时间和资源 |
| 5.2 利用分析程序完善风险评估程序 |
| 5.2.1 完善分析程序的实施过程 |
| 5.2.2 重视相关信息的运用 |
| 5.2.3 综合使用分析方法 |
| 5.3 完善风险应对程序 |
| 5.3.1 制定恰当的总体应对措施 |
| 5.3.2 提升控制测试的有效性 |
| 5.3.3 提升实质性程序的有效性 |
| 5.4 审计完成阶段的审计策略优化 |
| 5.4.1 加强审计复核人员管理 |
| 5.4.2 严格执行项目复核制度 |
| 结论和展望 |
| 参考文献 |
| 致谢 |
四、审计中的分层抽样（论文参考文献）
- [1]大数据技术在电力营销审计中的应用研究 ——以南方电网为例[D]. 邢文. 广东财经大学, 2019(07)
- [2]信息系统审计下的分层抽样方法研究[A]. 汤晓超. 江苏省审计机关第三届青年审计论坛论文集, 2009
- [3]基于数据挖掘技术的审计抽样系统开发和研究[D]. 汤晓超. 江苏大学, 2010(08)
- [4]多维数据聚类技术在电子政务审计分层抽样中的应用研究[J]. 王红霞,景波. 商业会计, 2014(01)
- [5]计算机审计在中国移动“养卡”审计中的应用研究 ——以A移动公司为例[D]. 韩易霖. 北京交通大学, 2019(01)
- [6]分层抽样技术在应收账款审计中的应用[J]. 杨俊龙,金勇进. 经济经纬, 2002(05)
- [7]数据挖掘技术在企业风险审计中的应用研究 ——以X市农业保险客户聚类和分类分析为例[D]. 吴悠. 南京大学, 2017(02)
- [8]审计中的分层抽样[J]. 钟海芳. 中国审计信息与方法, 1998(12)
- [9]统计方法在审计抽样中的应用[D]. 冉继琰. 重庆大学, 2016(03)
- [10]现代风险导向模式下獐子岛事件的审计策略研究[D]. 李晋宇. 兰州理工大学, 2020(01)