Аудиторские доказательства

Аудиторские доказательства – это доказательства , полученные аудиторами в ходе финансового аудита и зафиксированные в рабочих документах аудита .

Аудиторские доказательства необходимы аудиторам для определения того, имеет ли компания правильную информацию о своей финансовой отчетности. Если информация верна, CPA (сертифицированный бухгалтер) может подтвердить финансовую отчетность компании. Аудиторские доказательства являются основным подтверждением мнения аудитора о том, существует ли разумная уверенность в том, что финансовая отчетность компании не содержит существенных искажений из-за мошенничества или ошибки. ^[1] Аудиторские доказательства состоят из различных аудиторских процедур и часто могут играть разную роль на разных этапах аудита. Аудиторские доказательства должны быть достаточными и уместными, а это значит, что они надежны и актуальны. ^[2] Аудитор должен использовать собственное профессиональное суждение при определении того, являются ли аудиторские доказательства убедительными и достаточными. ^[2]

Аудиторские доказательства претерпели значительные изменения с появлением искусственного интеллекта, больших данных и анализа данных аудита. Поскольку сфера бухгалтерского учета трансформируется, такие технологии, как ИИ (искусственный интеллект), играют важную роль в аудиторских доказательствах. ИИ улучшает сбор аудиторских доказательств благодаря большому объему данных, которые можно обработать с минимальной ошибкой. ^[3] Сбор аудиторских доказательств также улучшается за счет анализа данных аудита, который также дает аудитору возможность просматривать всю совокупность данных, а не только выборку. ^[4] Просмотр больших объемов данных приводит к более эффективному аудиту и лучшему пониманию аудиторских доказательств.

Наряду с анализом данных аудита, большие данные позволили аудиторам использовать больше источников аудиторских доказательств и помогают повысить качество и эффективность аудитов. С другой стороны, качество данных в этих новых источниках не всегда можно считать надежным, что может стать недостатком больших данных.

Аудиторские процедуры

Совет по надзору за бухгалтерским учетом публичных компаний (PCAOB) описывает процедуры, используемые для получения аудиторских доказательств. Сюда входят проверка, наблюдение, запрос, подтверждение, перерасчет, повторное выполнение и аналитические процедуры. ^[5]

Проверка происходит, когда аудитор проверяет записи клиентов на наличие важных доказательств. Эти записи могут исходить от клиента или от сторонних компаний, предоставляющих информацию о клиенте.
Наблюдение — это когда аудитор наблюдает, как кто-то выполняет определенную работу, например, наблюдает, как сотрудник подсчитывает продукты на складе. Доказательства, собранные в ходе наблюдения, обычно относятся к этой дате. Это означает, что наблюдение за запасами 31 декабря показывает объем запасов, имеющихся у компании на эту дату.
Запрос предполагает общение с людьми, как внутри, так и за пределами компании клиента, для получения конкретной информации.
Подтверждение — это ответ аудитору со стороны третьей стороны на информацию, касающуюся утверждения. ^[6]
Перерасчет — это когда аудитор проверяет правильность математических процедур, таких как повторное сложение итогов.
Повторное выполнение происходит, когда аудитор переделывает определенные процессы, чтобы убедиться, что они были выполнены правильно.
Аналитические процедуры проводятся для проверки непредвиденных отклонений и изучения финансовой и нефинансовой информации.

Аудиторские доказательства на всех этапах аудита

Аудиторские доказательства играют важную роль на каждом этапе аудита. На этапе принятия и продолжения аудиторские доказательства — это информация, которую аудитор рассматривает перед принятием решения. Некоторыми примерами этого являются компетентность и возможности аудиторской группы, добросовестность ключевых сотрудников компании-клиента, возможность соблюдения соответствующих этических требований, а также любые другие последствия, которые повлияют на завершение аудита. ^[7] На этапе планирования аудита аудиторские доказательства — это информация, которую аудитор учитывает при определении наиболее эффективного и действенного подхода к аудиту. ^[8] Например, надежность процедур внутреннего контроля и систем аналитического обзора. На этапе тестирования средств контроля аудиторские доказательства используются аудитором для рассмотрения сочетания аудиторских тестов средств контроля и аудиторских тестов по существу. ^[9] На этапе проверки по существу аудиторские доказательства определяются как информация, которая необходима аудитору для подтверждения утверждений финансовой отчетности. ^[10] Наконец, на этапе формулирования заключения и мнения аудиторские доказательства — это информация, которую аудитор рассматривает перед определением того, является ли финансовая отчетность в целом полнотой, достоверностью, точностью и соответствием пониманию аудитором организации. ^[11]

Качества приемлемых аудиторских доказательств

Есть несколько аспектов доказательств, которые обеспечивают хорошее качество различных аудиторских доказательств. Это состоит из достаточности и целесообразности. Аудиторских доказательств достаточно, если обнаружено приемлемое количество доказательств. Ситуация меняется в зависимости от риска существенного искажения и качества найденных доказательств. Чем выше риск того, что финансовая отчетность существенно искажена, тем больше доказательств должен собрать аудитор. Чем лучше конкретное доказательство, тем меньше аудитору нужно искать дополнительные доказательства. ^[5]

Чтобы аудиторские доказательства были уместными, они должны быть актуальными и надежными. Это актуально, когда оно тесно связано с проверяемым утверждением или элементом управления. Структура аудита может изменить уровень релевантности. Сюда входит проверка того, проверяют ли они выявленное утверждение или средство контроля или проверяют существенность различий в утверждениях. Далее надежность определяется на основе того, откуда взялись доказательства и что произошло, чтобы их получить. Доказательства, полученные извне от эксперта или профессионала, не имеющего отношения к клиенту, имеют более высокий уровень надежности по сравнению с доказательствами, полученными внутри компании клиента. Надежность внутренних доказательств можно повысить, обеспечив правильное функционирование внутреннего контроля компании. Другой очень надежной формой доказательства является прямое знание, что означает, что аудитор узнал эту информацию напрямую. ^[5]

Влияние технологий на аудиторские доказательства

Сбор аудиторских доказательств преобразился с использованием искусственного интеллекта (ИИ). Эта новая технология позволяет аудиторам эффективно проверять большие объемы доказательств, позволяя аудиторам быстро определять достоверность аудиторских доказательств, которые они исследуют. ^[3] Благодаря тому, что можно собирать и концентрировать большие объемы данных, аудиторы могут использовать информацию от ИИ для принятия более эффективных решений на протяжении всего аудита. Кроме того, ИИ можно запрограммировать на обнаружение определенных вещей, например существенных искажений, и выявлять эти ошибки за меньшее время, чем люди. ^[3] Технология способна переформатировать различные части аудиторских доказательств так, чтобы они были сопоставимы с другими найденными доказательствами, повышая эффективность аудитора. ^[12] Правильно функционирующий и обслуживаемый искусственный интеллект также может сократить объем проверки аудиторских доказательств по существу, что сократит время аудита. ^[12]

Хотя ИИ может облегчить процесс аудита, существуют опасения, что ИИ отклонит доказательства аудита, которые люди не упустили бы из виду из-за несущественности. ^[3] В настоящее время многие аудиторы, использующие ИИ, используют его возможности для эффективного анализа доказательств, но по-прежнему зависят от человеческого суждения и профессионального скептицизма. ^[3] Технология искусственного интеллекта все еще относительно нова, а это означает, что еще необходимо пройти много обучения, прежде чем аудиторы во всем мире смогут использовать это приложение. ^[3]

Большие данные и аудиторские доказательства

Технология аудита позволила аудиторам получать аудиторские доказательства из множества источников, как финансовых, так и нефинансовых. ^[2] Технологии, работающие с большими данными, могут работать вместе с аудиторскими доказательствами, повышая качество и эффективность аудита. Большие данные используют распознавание образов, обработку естественного языка и интеллектуальный анализ данных для повышения качества анализа данных аудита. ^[2] что кратко обсуждается в параграфе ниже. Кроме того, большие данные характеризуются размером, скоростью, достоверностью и разнообразием. ^[2] Эти характеристики позволяют большим данным способствовать достаточности и релевантности аудиторских доказательств. Большие данные представляют собой внешний источник, получаемый непосредственно аудитором, и, следовательно, могут повысить надежность аудиторских доказательств. ^[2] Поскольку это данные в реальном времени из внешних источников и они настолько велики, человеку сложнее подделать их, что повышает надежность. ^[2] Если у аудитора возникают трудности с получением информации о клиентах, использование больших данных может служить альтернативным способом получения соответствующей информации для аудита или может использоваться в сочетании с существующими доказательствами в качестве дополнения. ^[2]

С другой стороны, большие данные могут иметь некоторые недостатки. Существуют некоторые опасения относительно качества данных, которые вы получаете при работе с большими данными, из-за возможности увеличения количества ложных срабатываний, что может снизить надежность. ^[2] Кроме того, данные больших данных могут быть индикатором связи, но могут быть ошибочно истолкованы как причинно-следственная связь, что может привести к неверным выводам. ^[2] Что касается проблем, с которыми могут столкнуться аудиторы, можно было бы связать большие данные с соответствующими традиционными аудиторскими доказательствами, чтобы дополнить их. ^[2] Еще одна задача связана с эффективной и точной сортировкой и обобщением большого объема данных, чего можно достичь с помощью интеллектуального анализа данных, если все будет сделано успешно. ^[2] Некоторые источники больших данных могут поступать из таких средств массовой информации, как новостные статьи или социальные сети, что может повлиять на предвзятость и сделать данные неподходящими для использования в качестве репрезентативных для населения. ^[2]

Аналитика аудиторских данных

Вместо полной замены или устранения традиционных методов аудита анализ данных аудита может использоваться наряду с традиционными методами для оптимизации достаточности и актуальности аудиторских доказательств. ^[13] Аналитика данных аудита позволяет аудиторам рассматривать всю совокупность, а не только выборку, что может помочь аудиту, предоставляя аудитору больше уверенности и предоставляя аудиторские доказательства более высокого качества. ^[4] Такое полное тестирование может сделать доказательства более точными. Аналитика данных аудита также может предоставить аудитору лучшее понимание доказательств, что приведет к принятию более обоснованных решений. ^[14] Процесс анализа данных аудита может занять несколько лет, прежде чем он станет полностью функциональным. В первый год компания должна найти соответствующий набор данных, а аудитор должен выполнить обработку данных на этом наборе данных, чтобы можно было выполнить аналитические процедуры. ^[4] В этом случае обработка данных означает, что аудитор согласовывает и форматирует набор данных. ^[4] Этот процесс, выполняемый в первый год, потребует дополнительного времени, добавленного к традиционному аудиту, поэтому первоначально он может занять больше времени, чем выборка. ^[13]

Кроме того, анализ данных аудита может помочь аудитору в оценке рисков; Используя эту технологию, аудитор может выявить тенденции компании и сравнить их с отраслевыми нормами. ^[13] Если аудитор обнаружит необычную разницу или несоответствие, он может исследовать его дальше. ^[13] В частности, аудиторы могут улучшить этап планирования, используя эту технологию, чтобы улучшить свое понимание компании и ее отрасли. ^[13] Аналитика данных также может обеспечить тщательный и подробный анализ главной книги или субрегистров компании, что может предоставить аудитору больше доказательств. ^[13]

Что касается конкретных видов аудиторских доказательств, есть несколько примеров, когда анализ данных аудита может изменить методы сбора. Традиционно банковские подтверждения, аналитические процедуры и проверка записей в журнале, скорее всего, будут выполняться на территории клиента самой аудиторской командой. ^[13] С использованием этой технологии подобные процедуры можно будет передать другим группам для выполнения удаленно (специалистам, третьим лицам), без необходимости лично ездить на объекты. ^[13]

С появлением и растущей популярностью анализа аудиторских данных перед бухгалтерской профессией стоит задача разработать стандарты аудита, включив в них использование технологий анализа данных, больших данных и «непрерывного аудита». ^[13]

См. также

Ссылки

^ «AS 1105: Аудиторские доказательства» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 4 марта 2022 г.
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я ^дж ^к ^л ^м Юн, Кёнхи; Хугдуин, Лукас; Чжан, Ли (1 июня 2015 г.). «Большие данные как дополнительные доказательства аудита». Горизонты бухгалтерского учета . 29 (2): 431–438. дои : 10.2308/acch-51076 .
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж Аль-Сайед, Салех Мохаммед (8 декабря 2020 г.). «Влияние технологий искусственного интеллекта на аудиторские доказательства» .
^ Перейти обратно: ^а ^б ^с ^д Тайсиак, Кен (21 января 2020 г.). «Как компании добиваются успеха с помощью анализа данных аудита» . Журнал бухгалтерского учета . АИКПА и CIMA.
^ Перейти обратно: ^а ^б ^с «AS 1105: Аудиторские доказательства» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 4 марта 2022 г.
^ «AS 2310: Процесс подтверждения» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 13 марта 2022 г.
^ «Контроль качества задания, выполненного в соответствии с общепринятыми стандартами аудита» (PDF) . АИКПА . Американский институт сертифицированных профессиональных бухгалтеров.
^ «AS 2101: Планирование аудита» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.
^ «AS 2201: Аудит внутреннего контроля над финансовой отчетностью, интегрированный с аудитом финансовой отчетности» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.
^ «AS 2305: Аналитические процедуры по существу» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.
^ «AS 2810: Оценка результатов аудита» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.
^ Перейти обратно: ^а ^б Ти, Чви Мин; Гюль, Фердинанд А.; Фу, Йи-Бун; Те, Чи Гхи (22 января 2017 г.). «Институциональный мониторинг, политические связи и аудиторские сборы: данные малазийских фирм» . Международный журнал аудита . 21 (2): 164–176. дои : 10.1111/ijau.12086 . ISSN 1090-6738 . S2CID 157871655 .
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я Мерфи, Мария (13 апреля 2015 г.). «Анализ данных помогает аудиторам получить более глубокое понимание» . Журнал бухгалтерского учета . АИКПА и СИМА.
^ Майкл, Амир; Диксон, Роб (06 сентября 2019 г.). «Анализ данных аудита нерегулируемого добровольного раскрытия информации и разрыва в ожиданиях аудита» . Международный журнал раскрытия информации и управления . 16 (4): 188–205. дои : 10.1057/s41310-019-00065-x . ISSN 1741-3591 . S2CID 203242307 .

Внешние ссылки

[:9-1] «AS 1105: Аудиторские доказательства» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 4 марта 2022 г.

[:02-2] Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я ^дж ^к ^л ^м Юн, Кёнхи; Хугдуин, Лукас; Чжан, Ли (1 июня 2015 г.). «Большие данные как дополнительные доказательства аудита». Горизонты бухгалтерского учета . 29 (2): 431–438. дои : 10.2308/acch-51076 .

[:0-3] Перейти обратно: ^а ^б ^с ^д ^и ^ж Аль-Сайед, Салех Мохаммед (8 декабря 2020 г.). «Влияние технологий искусственного интеллекта на аудиторские доказательства» .

[:102-4] Перейти обратно: ^а ^б ^с ^д Тайсиак, Кен (21 января 2020 г.). «Как компании добиваются успеха с помощью анализа данных аудита» . Журнал бухгалтерского учета . АИКПА и CIMA.

[:92-5] Перейти обратно: ^а ^б ^с «AS 1105: Аудиторские доказательства» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 4 марта 2022 г.

[6] «AS 2310: Процесс подтверждения» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 13 марта 2022 г.

[7] «Контроль качества задания, выполненного в соответствии с общепринятыми стандартами аудита» (PDF) . АИКПА . Американский институт сертифицированных профессиональных бухгалтеров.

[:5-8] «AS 2101: Планирование аудита» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.

[:6-9] «AS 2201: Аудит внутреннего контроля над финансовой отчетностью, интегрированный с аудитом финансовой отчетности» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.

[:7-10] «AS 2305: Аналитические процедуры по существу» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.

[:8-11] «AS 2810: Оценка результатов аудита» . ПКАОБ . Совет по надзору за бухгалтерским учетом публичных компаний . Проверено 19 апреля 2022 г.

[:3-12] Перейти обратно: ^а ^б Ти, Чви Мин; Гюль, Фердинанд А.; Фу, Йи-Бун; Те, Чи Гхи (22 января 2017 г.). «Институциональный мониторинг, политические связи и аудиторские сборы: данные малазийских фирм» . Международный журнал аудита . 21 (2): 164–176. дои : 10.1111/ijau.12086 . ISSN 1090-6738 . S2CID 157871655 .

[:4-13] Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час ^я Мерфи, Мария (13 апреля 2015 г.). «Анализ данных помогает аудиторам получить более глубокое понимание» . Журнал бухгалтерского учета . АИКПА и СИМА.

[14] Майкл, Амир; Диксон, Роб (06 сентября 2019 г.). «Анализ данных аудита нерегулируемого добровольного раскрытия информации и разрыва в ожиданиях аудита» . Международный журнал раскрытия информации и управления . 16 (4): 188–205. дои : 10.1057/s41310-019-00065-x . ISSN 1741-3591 . S2CID 203242307 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]