ChatGPT时代下基于深度自编码网络的企业内部审计智能预警——以往来款项审计为例
An intelligent risk warning model of enterprise internal audit based on deep autoencoder network in the ChatGPT era:Audit case of current accounts
查看参考文献46篇
|
文摘
|
以ChatGPT为代表的生成式人工智能技术被誉为第二次信息革命,其强大的数据深入分析能力为企业智能化内部审计提供了新思路.针对现有审计风险预警中传统机器学习泛化能力提升有限以及特征分析维度不足等问题,提出一种基于ChatGPT技术内核的深度自编码网络方法,来对往来款项这一重要会计活动中的风险做出事前判别.首先,根据影响因素从业务匹配、期限结构、减值损失、关联交易、单体统计和文本信息多个角度筛选提取审计特征;随后,考虑到风险样本的不平衡性以及业财指标在经营周期下的前后时变特性,基于无监督和深度学习思想,构建了以添加注意力机制双向长短期记忆(Bi-LSTM)作为神经网络的深度自编码器(DAE)预训练模型,并借鉴多任务学习思想,利用融合模型迁移的集成框架量化审计风险概率以保证预警的稳定性;最后,通过大数据技术采集企业往来业务和财务的真实数据对上述方法进行了多方面对比验证.试验结果表明,该方法有助于不同预警时间窗口下审计特征的高效精准挖掘,相较常用的监督学习和迭代聚类法能显著提升审计风险预警的精度和鲁棒性,同时能识别出导致风险产生的关键因素以快速定位审计疑点,为企业改善内部审计的质量和效率提供智能化决策支持. |
|
其他语种文摘
|
The generative AI technology represented by ChatGPT,considered as the second information revolution,have transformed the depth of data analysis,offering new perspectives for intelligent internal audits in enterprises.In response to the limitations in the existing audit risk warnings,such as the limited improvement in the generalization capability of traditional machine learning and the insufficient feature analysis dimensions,we propose a method based on the core technology of ChatGPT-A deep autoencoder network.This method aims to predetermine risks in the critical accounting activity of incoming funds.First,based on influencing factors,audit features are selected and extracted from various perspectives including business matching,term structure,impairment loss,related transactions,individual statistics,and text information.Subsequently,considering the imbalance of risk samples and the temporal characteristics of financial indicators over the operating cycle,an unsupervised and deep learning-based approach is employed.This involves constructing a deep autoencoder (DAE) pre-training model with the addition of an attention mechanism and employing bidirectional long short-term memory (Bi-LSTM) as the network.Additionally,drawing from the concept of multi-task learning,an integrated framework with model transfer is utilized to quantify audit risk probabilities,ensuring the stability of warnings.Finally,real data from enterprise transactions and finances are collected by using big data technology for comprehensive comparative validation of the proposed method.Experimental results indicate that this method effectively and accurately extracts audit features under different warning time windows.In comparison to common practices like supervised learning and iterative clustering,it significantly enhances the precision and robustness of audit risk warnings.Moreover,it also identifies key factors leading to risk,enabling quickly swift localization of audit suspicions.Our study can provide intelligent decision support for enterprises to improve the quality and efficiency of internal audit. |
|
来源
|
系统工程理论与实践
,2024,44(1):316-337 【核心库】
|
|
DOI
|
10.12011/SETP2023-1640
|
|
关键词
|
深度自编码器
;
内部审计风险预警
;
应收及应付账款
;
智能审计
|
|
地址
|
1.
重庆理工大学云会计大数据智能研究所, 重庆, 400054
2.
浙江吉利汽车有限公司财务中心, 余姚, 315400
3.
余姚领克汽车部件有限公司财务部管理会计科, 余姚, 315400
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-6788 |
|
学科
|
社会科学总论 |
|
基金
|
国家社会科学基金
;
来也科技智能RPA财务与审计研究课题
|
|
文献收藏号
|
CSCD:7663385
|
参考文献 共
46
共3页
|
|
1.
张庆龙. 新一代内部审计:数字化与智能化.
审计研究,2020(5):113-121
|
CSCD被引
1
次
|
|
|
|
|
2.
Raschke R L. AI-enhanced audit inquiry: A research note.
Journal of Emerging Technologies in Accounting,2018,15(2):111-116
|
CSCD被引
1
次
|
|
|
|
|
3.
鲁清仿. 智慧审计构想与实践探索——基于解构法律法规条款.
审计研究,2018(1):28-34
|
CSCD被引
2
次
|
|
|
|
|
4.
范莉莉. 基于云计算的AIS审计实施研究.
中国注册会计师,2020(2):98-101
|
CSCD被引
1
次
|
|
|
|
|
5.
Moffitt K C. Robotic process automation for auditing.
Journal of Emerging Technologies in Accounting,2018,15(1):1-10
|
CSCD被引
1
次
|
|
|
|
|
6.
Yu Z. Design of online audit mode based on blockchain technology.
Journal of Physics: Conference Series. 1176,2019:042072
|
CSCD被引
1
次
|
|
|
|
|
7.
毕秀玲. 科技新时代下的"审计智能+"建设.
审计研究,2019(6):13-21
|
CSCD被引
4
次
|
|
|
|
|
8.
Commerford B P. Man versus machine: Complex estimates and auditor reliance on artificial intelligence.
Journal of Accounting Research,2022,60(1):171-201
|
CSCD被引
3
次
|
|
|
|
|
9.
蔡春. 关于构建治理导向审计模式的探讨.
会计研究,2009(2):89-92
|
CSCD被引
1
次
|
|
|
|
|
10.
张庆龙. 内部审计工作模式与信息化关系的历史演进——基于信息技术二重性理论分析.
财会月刊,2022(2):91-97
|
CSCD被引
1
次
|
|
|
|
|
11.
吴勇. 深度学习模型应用:面向审计业务全流程的整合性框架.
财会月刊,2023,44(1):108-116
|
CSCD被引
2
次
|
|
|
|
|
12.
程平. 财务共享下资金滚动预算审计预警研究——基于决策树算法.
财会月刊,2023,44(4):97-104
|
CSCD被引
1
次
|
|
|
|
|
13.
张淑英. 基于随机森林算法的应收应付账款审计预警模型应用.
财会通讯,2019(28):86-90
|
CSCD被引
1
次
|
|
|
|
|
14.
Wang H. An optimization model for poverty alleviation fund audit mode based on BP neural network.
Journal of Intelligent and Fuzzy Systems,2019,31:481-491
|
CSCD被引
1
次
|
|
|
|
|
15.
孙洁. 基于ECOC-SVM的多类别审计意见预测建模研究.
会计之友,2018(24):87-92
|
CSCD被引
1
次
|
|
|
|
|
16.
王威. 稀疏组Lasso-logistic回归模型在财务报告舞弊识别中的应用研究.
数学的实践与认识,2020,50(9):49-58
|
CSCD被引
2
次
|
|
|
|
|
17.
吴花平. 基于机器学习的企业内审机构组织效能评价研究.
会计之友,2023(5):126-135
|
CSCD被引
1
次
|
|
|
|
|
18.
Bao Y. Detecting accounting fraud in publicly traded U.S. firms using a machine learning approach.
Journal of Accounting Research,2020:199-235
|
CSCD被引
14
次
|
|
|
|
|
19.
吕君杰. ChatGPT在审计中的可能应用路径.
商业会计,2023(9):47-49
|
CSCD被引
1
次
|
|
|
|
|
20.
吴花平. ChatGPT对智慧审计的机遇与挑战.
中国注册会计师,2023(7):67-72
|
CSCD被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问