基于智能匹配的计算机审计数据采集技术研究

当前计算机审计数据采集中面临的主要问题是审计人员需要大量地手动匹配源表与目标表字段.基于字段的智能匹配技术同时利用了属性值和属性名的信息进行属性匹配,可以实现数据采集过程中源表与目标表字段的自动匹配,减少审计人员手动参与.实验表明,该技术适用于电子审计数据,具有较好的查准率.     

持续审计技术发展与现状

持续审计是现代信息技术与审计相结合的交叉领域,也是当前研究的热点问题。其概念提出已近20年,早期的持续审计技术和模型不能满足现代高度自动化和智能化的审计需求,因此产生了基于智能Agent技术的持续审计系统模型。为了解决数据交换、系统整合和异构平台下持续审计效率较低的问题,XBRL、Web Service、SOA以及其他一些新技术、新模型应运而生。同时,数据挖掘技术的应用缓解了持续审计中信息超载的问题。持续审计是未来审计发展的必然趋势,但目前实施和应用程度参差不齐,总体水平较低,缺乏相应的法律法规,对技术、环境、费用、领导支持、企业能力等方面存在着巨大的挑战。     

智能财务危机预警与原因诊断方法研究——基于自适应贝叶斯网络模型SABNM的探析

随着经济环境的复杂化和信息化水平的提高,企业对财务危机预警和诊断的有效性和智能化也越来越受到重视。基于SABNM的财务预警与诊断模型利用遗传算法搜索最优贝叶斯网络,利用其正向推理进行财务危机预警,利用逆向推理进行财务危机原因诊断,避免了统计方法的局限性和人工神经网络的不足。实验表明,SABNM预测模型准确率较高,且短期预测能力明显强于中长期预测能力,而SABNM诊断模型的原因诊断结果与实际资料也基本相符。     

智能财务危机预警与原因诊断方法研究——基于自适应贝叶斯网络模型SABNM的探析

随着经济环境的复杂化和信息化水平的提高，企业对财务危机预警和诊断的有效性和智能化也越来越受到重视。基于SABNM的财务预警与诊断模型利用遗传算法搜索最优贝叶斯网络，利用其正向推理进行财务危机预警，利用逆向推理进行财务危机原因诊断，避免了统计方法的局限性和人工神经网络的不足。实验表明，SABNM预测模型准确率较高，且短期预测能力明显强于中长期预测能力，而SABNM诊断模型的原因诊断结果与实际资料也基本相符。