BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Smejda Anna (Szkoła Główna Handlowa w Warszawie)
Tytuł
Modelowanie ryzyka rewizji finansowej
Źródło
Studia i Prace Kolegium Zarządzania i Finansów / Szkoła Główna Handlowa, 2005, z. 59, s. 27-46, rys.,tab., bibliogr. 14 poz.
Słowa kluczowe
Ryzyko finansowe, Rewizja finansowa, Zbiory rozmyte
Financial risk, Auditing, Fuzzy sets
Uwagi
streszcz.
Abstrakt
Biegły rewident ocenia ryzyko badania na podstawie stopniowo gromadzonych dowodów badania pochodzących z wielu źródeł, zróżnicowanych zarówno pod względem rodzaju, jak i stopnia rzetelności. To zróżnicowanie oraz sekwencyjny charakter badania czynią zagadnienie oceny ryzyka rewizji finansowej wyjątkowo złożonym. Według L. Zadeha: złożoność i precyzja są ze sobą w relacji odwrotnej w tym sensie, że jeżeli złożoność rozpatrywanego problemu wzrasta, to zmniejsza się możliwość jego precyzyjnej analizy . Z tej perspektywy konwencjonalne metody matematyczne, oparte na klasycznej teorii zbiorów i logice dwuwartościowej są nieadekwatnym narzędziem analizy ryzyka badania. Brak teoretycznych ram modelowania niepewności związanej z informacją nieprecyzyjną stwarza niebezpieczeństwo jej pomijania lub błędnej interpretacji (jako losowości), dlatego teoria zbiorów rozmytych wydaje się proponować lepsze metody reprezentacji i analizy ryzyka badania niż teoria prawdopodobieństwa. Teoria zbiorów rozmytych umożliwia formalizację subiektywnych przekonań biegłego rewidenta (nieprecyzyjnych stwierdzeń) na temat zgromadzonych dowodów badania, dostarczając formalnych narzędzi kwantyfikacji jego sądów. Próby wprowadzenia nadmiernej dokładności do zagadnień, w których kluczową rolę odrywają pojęcia nieprecyzyjne i niejednoznaczne relacje, zmniejszają wiarygodność wyników. Tym samym - pozornie paradoksalnie - teoria zbiorów rozmytych jako teoria wnioskowania przybliżonego stwarza możliwość dokładniejszego modelowania zagadnienia ryzyka badania niż klasyczna teoria prawdopodobieństwa. Przedstawione w pracy propozycje: modelu ryzyka badania opartego na teorii zbiorów rozmytych oraz zastosowania uogólnionej teorii Dempstera-Shafera do oceny jednej ze składowych tego ryzyka mogą stanowić podstawę budowy modeli bardziej zaawansowanych. Propozycje takich modeli to przykładowo: 1) model ryzyka oparty na teorii zbiorów rozmytych uwzględniający szacowanie ryzyka nieodłącznego, kontroli i przeoczenia w odniesieniu do poszczególnych stwierdzeń dotyczących badanej pozycji (np. istnienia, kompletności, dokładności, wyceny). Taki model wierniej odzwierciedlałby proces szacowania ryzyka badania. Do agregacji ryzyka na poziomie poszczególnych kont oraz całego sprawozdania finansowego można zastosować przedstawiony w pracy schemat wnioskowania z zastosowaniem bazy reguł rozmytych; 2) całościowy model ryzyka badania zbudowany na podstawie uogólnionej teorii funkcji przekonania. W oszacowaniu składowych ryzyka badania można wykorzystać przedstawiony w pracy przykład 2. Agregacja ocen ryzyka (RN, RK i RP) na poziomie kont i sprawozdania finansowego następowałaby przy wykorzystaniu reguły składania przekonań Dempstera. Model ten uwzględniałby zarówno aspekt niekompletności, jak i braku precyzji informacji uzyskiwanych na podstawie dowodów badania. (abstrakt oryginalny)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. art. 65 ust. 1 ustawy z dnia 29 września 1994 r. o rachunkowości (Dz.U. z 2002 r. Nr 76,poz. 694, ze zm.) .
  2. Czogały E., Pedrycza W., Elementy i metody teorii zbiorów rozmytych, PWN, Warszawa 1985.
  3. Houghton C.W., Fogarty J.A., Inherent risk, "Auditing: A Journal of Practice and Theory", t. 10, 1991.
  4. Klir G. J., Yuan B., Fuzzy Sets and Fuzzy Logic. Theory and Applications, Prentice Hall, 1995.
  5. Lee H.M., Applying fuzzy set theory to evaluate the rate of aggregative risk in software development, "Fuzzy Sets and Systems", t. 79, 1996
  6. SAS Nr 47, AICPA, New York 1983.
  7. Kinney W.R., Achieved Audit Risk and the Audit Outcome Space, "Auditing: A Journal of Practice and Theory", Spring, 1989.
  8. MSRF Nr 200 Cel i ogólne zasady badania sprawozdań finansowych, Międzynarodowe Standardy Rewizji Finansowej 2001, IFAC, tłumacz. SKwP.
  9. Kacprzyka J., Zbiory rozmyte w analizie systemowej, PWN, Warszawa 1986.
  10. Peters J. , A Cognitive computational model of risk hypothesis generation, "Journal of Accounting Research", t. 28, Supplement, 1990.
  11. Srivastava R P. , Shafer G. R., Belief - Function Formulas for Audit Risk, "The Accounting Review", 1992.
  12. Yang M., Chen T., Wu K., Generalized Belief Function, Plausibility Function, and Dempster's Combinational Rule to Fuzzy Sets, "International Journal of Intelligent Systems", t. 18, 2003.
  13. Zebda A., The Problem of Ambiguity and Vagueness in Accounting, "Behavioral Research in Accounting", t. 3, 1991.
  14. Zadeh L. A., Fuzzy Sets, "Information and Control", t. 8, 1965.
Cytowane przez
Pokaż
ISSN
1234-8872
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu