持續經營審計判斷專家系統：國外研究述評

［摘 要］持續經營審計判斷專家系統作為提高判斷質量的途徑之一，在國外的開發與應用已取得一定的成果，而國內尚未有實質性的開展。基于此，本文試圖從整理國外持續經營審計判斷專家系統研究和應用的基本情況整理著手，從系統模型、規則建立方式、開發過程等層面進行多角度的分析考察，為推進中國上市公司持續經營審計判斷專家系統的研究提供借鑒。

［關鍵詞］持續經營審計判斷專家系統；系統模型；規則建立方式；開發過程

［中圖分類號］F239.1［文獻標識碼］A［文章編號］1673-0194（2007）01-0061-05

20世紀80年代初，審計環境的復雜化、事務所競爭的加劇以及對提高審計判斷一致性的強烈希望等諸多因素，使得國外學術界和實務界對運用專家系統解決審計問題表現出了極大的興趣，專家系統很快成為非常流行的審計工具。已開發的審計判斷專家系統涉及了許多審計實務中的關鍵問題，其中持續經營審計判斷專家系統受到較多的關注。截至目前，國內關于持續經營審計判斷專家系統的研究尚未有實質性的開展，本文試圖通過對國外文獻的整理，對持續經營審計判斷專家系統進行多角度的分析考察，目的在于能對中國經濟環境背景下持續經營審計判斷專家系統的開發有所啟發。

一、持續經營審計判斷專家系統研究的基本狀況

通過對相關資料庫的搜集，共獲得文獻資料10余篇，其中兩篇為博士學位論文。這些文獻集中討論了從20世紀80年代中期至今的3個系統：Biggs 和 Selfridge（1986）開發的GC-X、Harris（1989）開發的專家系統以及Lenard（1999）研制的名為GC-Advisor 混合專家系統，這些系統的基本情況見表1。

另外，在此期間，Messier、Hansen（1988）和Anandarajan（1999）也對持續經營審計判斷專家系統進行了不同程度的研究。Anandarajan（1999）在比較機器學習技術實施持續經營定性判斷的不同時，使用了1st Class專家系統工具開發了一個簡單的持續經營審計判斷專家系統模型。

1st Class軟件可以將規則歸納（Rule induction）作為知識表示的方法裝入專家系統。該系統采用ID3算法，這種算法可以通過財務比率產生用以判斷被審單位持續經營情況的規則，形成規則速度快、對某些參數敏感性較低的特點使其更適合描繪審計人員的決策過程。但是，該系統的預測準確性僅為69.1%。

二、系統模型

盡管開發和利用持續經營審計判斷專家系統的目的和用途十分明確，研究人員的觀點也基本一致，但是不同的系統設計開發人員的開發思路卻有較大差異，使得每個系統的結構各有特點。

GC-X系統是一個面向對象（Object-oriented）系統，它可以根據數據庫中的數據直接做出判斷，也可以通過與用戶相互交流做出判斷，它也有解釋推理的特點。該系統將持續經營審計判斷行為分為4個推理過程，即辨認持續經營問題、推斷問題原因、評判解決問題的措施和實施持續經營判斷。4個推理過程都是基于財務與事項知識（Financial and events knowledge）而得以完成的，這些知識包括6方面的內容：財務措施、公司財務、實際事項、正常事項、公司運作及判斷程序知識等。推理過程、財務與事項知識一同構成了GC-X系統模型，如圖1所示。

Harris在開發持續經營輔助決策支持系統時，結合AICPA于1988年頒布的SAS No.59的具體內容，構建了以3個框架（Frame）：公司情況（Company）、相反信息（Contrary-Info）和緩解因素（Mitigating-Factors）為主體的系統模型，如圖2所示。模型中的每個框架都包括與其相關的子框架的規則與參數。

GC-Advisor系統的主層以審計環境的主要特點表示企業的總體風險。子層表示企業財務狀況的其他具體特征，這些特征被分為經濟環境、融資資源、未來的現金需求、風險判斷和報告等模塊，如圖3。該系統也是一個面向對象的模型，并運用層級（Hierarchy）思想對企業的財務環境進行評價并建議應給予的審計報告。

三、推理規則的建立方式

構建專家系統的一個重要步驟是獲取該領域的專家知識，并將專家知識轉化為專家系統的推理規則。專家系統水平的高低，基本上取決于它的知識庫，知識庫中的推理規則越完備、越客觀，則專家系統的水平就越高。從現有的研究文獻看，專家系統知識庫推理規則的建立有兩種方式：程序化和自主學習。程序化方式是通過調查問卷、專家訪談、現有推理規則分析或者綜合應用以上手段直接獲取專家知識，并將所獲取的專家知識轉化為知識庫所需的程序化的推理規則。自主學習方式則是一種間接獲取專家知識的方式，它采用歸納算法（Induction Algorithms）自動計算系統所裝入大量案例而形成推理規則。

1. 程序化方式

程序化方式建立在認知學的基本觀點之上，認知學對專家和新手比較研究的一個普遍結論是專家的優越表現并非是專家比新手更聰明，而是專家能以恰當的方式回憶起解決該問題所需的專業知識。認知學認為經驗知識可以通過語義、事件以及程序等手段被表示。程序化建立推理規則的方式與認知學的研究過程也基本相同，可被表述為一個由以下4個步驟組成的不斷循環遞進的過程：①行為觀測；②假想能解釋該行為的理論；③將理論計算機程序化；④實驗驗證該理論。

程序化方式可以直接獲取專家知識，可以借鑒已有的一些法規、準則制度和以前研究所建立的推理規則，而且還能得到在解決該問題時專家所采取的通用推理模式，風險較少，因而其應用較為廣泛，GC-X、Harris開發的專家系統以及GC-Advisor 混合專家系統推理規則都是基于該方式建立的。其中，GC-X專家系統推理規則的建立方式如下：

（1）確定在持續經營審計領域有專長的合伙人和經理各一名，研究人員與合伙人和經理就持續經營審計判斷問題進行多次的面對面或電話訪談，并記錄訪談內容。

（2）在初始模型構建階段，合伙人和經理決定在持續經營審計判斷時所使用的財務指標，如果被審計單位財務指標取值落在行業正常取值范圍之外，則認為被審計單位持續經營能力存在重大疑慮。

（3）在概念模型構建階段，基于持續經營能力存在問題的特定公司，獲取專家對持續經營審計判斷的過程和推理模式。Biggs 和 Selfridge（1986）認為，專家對持續經營審計判斷過程由問題識別、事件后向推理、管理層措施有效性評價、出具持續經營審計意見等4個步驟組成，而推理模式采用后向推理，即從持續經營危機的外在征兆（財務指標異常）入手，逆向探尋引發持續經營危機的背后真正動因。

（4）計算機模型構建階段，基于財務指標異常與事件后向推理方式采用LISP語言編制持續經營審計判斷的推理規則。

（5）其他專家對專家系統的試用，對存在爭議的推理規則進行修正與完善。

盡管程序化方式得到了大量應用，但也存在一些缺點：①通過訪談直接獲取專家知識是一個耗費大量時間和精力的過程，知識來源范圍比較局限；②專家知識表示為可被計算機執行的程序化的推理規則較為困難，而且對內容有沖突的專家知識如何取舍尚無標準；③基于特定公司開發的推理規則如何標準化以擴展到不同行業、不同規模的公司，其判斷的有效性如何仍有待進一步驗證。

2. 自主學習方式

自主學習方式采用歸納算法，依靠所獲取的大量案例而自動計算形成推理規則，它的特點是能從大量案例中概括出一般性的推理規則。自主學習方式的優點是不受預定的推理模式束縛，并把推理規則建立在大量案例的基礎上。支持自主學習方式的研究者認為專家對于解決問題所需的知識經驗進行準確完整的表述是比較困難的，專家對于在判斷過程中所需的知識經驗的應用要比準確表述它更有信心，因此，通過研究專家對代表性案例的判斷過程可以獲取專家所運用的知識經驗。

歸納算法是自主學習方式的核心，其目標是根據研究對象的某些與分類相關的屬性特征變量建立推理規則，從而將研究對象正確分類，屬性特征變量的選取標準是分類的不確定性最小化，即熵值（entropy）最小化。歸納算法有其具體步驟：

（1）研究對象C被分成n個類別c₁，…，c_n；

（2）研究對象屬于c₁的概率為p（c₁），分類的熵值（反映分類的不確定性）

（4）選取研究對象的下一個屬性變量進一步分類，選取的標準同上；

（5）分類的熵值等于0時，停止選取分類的屬性變量。

基于歸納算法的自主學習方式建立推理規則所耗費的時間和精力較少，隨著新案例的加入，能自動完善推理規則，而且不受預定推理模式的束縛，通用性較好。但是，自主學習方式也存在一些不足之處：①遺漏重要的案例或變量會使推理規則產生偏誤；②對于屬性特征變量取值相近，但卻屬于不同類別的案例處理較為困難，目前的做法要么舍棄案例要么進一步尋找能予以區分的新的屬性特征變量；③自主學習方式的一個特點是推理規則建立在大量案例的基礎上，因此如何與現有法規制度和該領域專家所采取的通用推理模式保持一致有待進一步研究。

四、系統開發過程

審計判斷專家系統建立的關鍵問題在于如何將審計判斷的過程通過專家系統技術來反映、審計專家的經驗如何被獲取、載有專家經驗的知識庫如何建設與維護、專家系統的可靠程度等等，系統的開發過程就是逐步解決這些具體問題的過程。持續經營審計判斷專家系統的開發過程與其所采用的規則構建方式有著密切的聯系，前述3個比較成熟的專家系統均采用了程序化方式構建規則。因此，本部分以最新開發的GC-Advisor為代表，對以程序化方式構建規則的專家系統的開發過程做簡單回顧。

Lenard將GC-Advisor的開發過程分為3個階段，第一階段由開發系統原型和咨詢第一位專家構成，在第二階段引入第二位專家，這兩位專家一同配合系統的開發直到第三階段開始為止。在最后階段，其余兩位專家參與進來。

在第一階段，作者構建專家系統原型時，采用4項財務比率作為評價企業財務狀況的規則和11項其他規則評價企業的經營情況。原始流程以4項財務指標為起點，分別從不同的方面逐步完成持續經營審計判斷的過程。

在第二階段，作者將持續經營審計任務劃分為4個問題域（Problem Area）：運營風險（Risk From Operation）、經營風險（Business Risk）、債務風險（Debt Service Risk）和未來的現金需求（Future Cash Needs）。每個問題域均表現在GC-Advisor知識結構的不同層級中，分別代表不同的風險因素，共同構成了被審單位的總體風險。

作者在系統開發的最后階段，首先對風險的高低水平進行賦值，將高中低三檔分別賦予0分、0.5分和1分，然后根據前述4類風險的分值計算綜合風險分。系統建議，在綜合風險分高于3的情況下，應當出具非標準審計意見。但是，在咨詢了4位專家之后，作者又給系統追加了新的內容，即用戶在總結屏幕可以修改已做的選擇。

該系統與其他系統不同的特點在于，研究人員將破產預測模型作為專家系統的判斷規則之一，構建了混合專家系統模型。Lenard根據已有關于持續經營決策和破產模型的研究成果，建立了破產預測模型，并將這一模型取代了初始專家系統流程中的單個財務指標，進而對混合專家系統的程序邏輯進行了修改完善，如圖4所示。

至此，專家系統的構建主要過程已基本完成，然而，系統的有效性（Validation）驗證也是專家系統設計、開發與實施過程的重要環節，它對系統能否做出正確決策有著重要的影響。系統有效性驗證必須涉及許多方面，包括結構有效性、內容有效性和標準有效性。Lenard確立了兩個有效性驗證的目標：①通過與許多專家和一部分新手溝通對系統作初步評估；②開發定量程序測試系統的判斷結果。作者運用樣本公司1990年的有關數據資料對GC-Advisor的有效性進行了驗證。

分析GC-Advisor的完整開發過程，可以發現，該系統的設計開發共包括5個步驟，即分別與4位專家溝通并構建系統流程的3個階段、破產預測模型與專家系統的整合、系統有效性的驗證。

五、思考與啟示

隨著專家系統技術的不斷成熟與完善，國外對持續經營審計判斷專家系統的開發與研究也有了一定的發展。在對上述4個層面分析的基礎上，可以發現國外研究成果既有許多值得借鑒的特點，也有需要進一步完善的方面。

1. 從1986年的GC-X到1999年GC-Advisor，系統的開發語言和外殼越來越趨于先進。LISP是1960年研究出的函數性語言，其主要特點是它具有靈活簡便的符號處理、自動存儲管理、強有力的編輯和調試手段以及對程序設計代碼與數據的統一處理的性能。但是，傳統的計算機不能高效地執行LISP，對用LISP編寫的外殼情況更糟，而且用LISP語言編寫的專家系統一般難以嵌入用其他語言編寫的程序。Level 5 Object是一個可以反向鏈接（Backward-chaining）的專家系統外殼。但隨著信息技術的不斷發展，這些已有專家系統的開發語言已略顯過時。

另外，系統應用平臺的適用性得到改善，從只能在Apple Macintosh Ⅱ逐步發展到可以應用于通用的Windows系統，使得持續經營審計判斷專家系統的運行成本得以降低，便于促進系統的開發與推廣。

2. 無論是GC-X和Harris開發的系統，還是GC-Advisor，都將審計專家的思維判斷過程與面向對象技術進行了恰當的整合，但所表現的結構特征差異較大。GC-X依據審計專家的持續經營審計判斷推理過程為主線，將流程的每個階段所需的專業知識和判斷行為條塊化、層次化，構建了系統模塊和數據庫，并再次利用專家的判斷流程將模塊和數據庫連接起來，形成了完整的專家系統整體框架。Harris開發的專家系統根據不同的級別的框架構建系統模型。GC-Advisor系統主要運用層級（Hierarchy）思想對持續經營審計判斷中所涉及的審計領域進行了細分，關注的焦點側重于被審計公司的財務環境，但這些具體的審計領域之間的邏輯關系不是十分突出。另外，該系統缺乏對專家判斷流程的重視。

3. 開發專家系統的規則建立方式不同使得系統研發的工作量不同。相比于自主學習方式，程序化方式主要利用調查問卷、專家訪談等手段獲取專家知識，需要人工構建判斷模型建立規則，所使用的人力、財力和物力可能相對較大，過程也相對復雜。然而，盡管自主學習方式利用某些算法通過大量案例建立規則，工作量較小，但其系統規則在建立過程中受異常案例的干擾較大，可能影響專家系統的質量。通過程序化方式構建規則的GC-Advisor的系統有效性為96.2%，而Anandarajan（1999）通過歸納算法建立的系統的有效性僅為69.1%，由此可以推斷規則建立方式的不同可能是導致系統有效性差異較大的主要原因之一。

4. 推理規則的構建和知識庫的開發是持續經營審計判斷專家系統開發過程的核心內容。已有系統的開發過程表現出了邏輯層次清晰、步驟清楚、環節聯系緊密的特點。如Lenard分階段將破產預測模型、審計專家的知識等與專家系統逐次進行整合，開發出有效性非常高的GC-Advisor混合專家系統。

國外持續經營審計判斷專家系統研究雖然取得了很大的進展，但仍然存在一定的局限性。本文認為國外研究的主要缺陷在于，系統開發人員的主觀影響因素過多。如，Harris在開發系統時對所涉及的因素進行10~100分之間的評級，他認為低于20分的因素被認為是幾乎不支持持續經營假設的，通過對因素的進一步評價而獲得判斷結論。GC-Advisor對審計領域的劃分主要依據研究人員自身的知識，僅是在建立推理規則時引入了專家的判斷。

由于我國和國外在文化背景、經濟環境等等諸多方面存在差異，國外已開發的專家系統無法直接應用于國內上市公司的持續經營審計判斷業務中，這便促使我們去思考，如何構建中國上市公司持續經營審計判斷專家系統。本文認為，在分析國外研究的基礎上，借鑒開發思路、模型構建方法、技術應用等方面的經驗，但由于在判斷背景、所需審計專家和審計規范等方面中外存在較大差異，應該從以下幾個方面作深入思考和研究。

1. 以上市公司的實際狀況和所處環境為判斷背景。中國的經濟環境尚處于轉型時期，上市公司所處的經濟環境非常復雜，不確定因素繁多，環境因素對其持續經營能力的影響往往大于其自身經營水平的影響，此種情況是注冊會計師進行持續經營審計判斷的背景，也應該是構建專家系統的前提。

2. 嚴格依據獨立審計具體準則和相關法規。前述國外專家系統不足之一就是對具體準則的考慮不夠充分。在建立中國持續經營審計判斷專家系統中，具體準則作為理論與實踐的總結以及指導注冊會計師審計判斷行為的準繩，應該作為建立專家系統的規則的依據，同時這也源于獨立審計準則在國際趨同的背景下仍基于中國實際并保留著中國特色。

3. 充分發揮本土高水平注冊會計師的作用。作為實施審計判斷的行為主體，專家、注冊會計師的經驗和知識是構建專家系統知識庫的直接來源，他們將來也是推動審計判斷專家系統的先鋒力量。本土事務所的合伙人相比于國際會計公司的高水平審計人員的主要優勢在于，前者經歷了中國20余年經濟環境的發展變革，既有長期的業務經驗又有準確把握上市公司所處環境的能力。因此，研發中國上市公司持續經營審計判斷專家系統應調動本土的高水平注冊會計師的積極性。

4. 利用先進的開發語言和技術外殼。隨著計算機語言技術的不斷發展，無論是曾經功能強大的LISP還是Level5 Object，盡管各有優勢但已相對過時，現階段中國開發持續經營審計判斷專家系統應該使用功能強大、擴展性強的開發工具。最新的專家系統開發工具是1995年由美國Sandia實驗室推出Jess（Java expert system shell），其突出特點是支持正向和逆向推理，可以在系統運行環境下直接調用Java的類庫等，這些特點將專家系統的開發過程同功能強大的Java語言結合起來，使采用Jess開發的專家系統具有良好的移植性、嵌入性。

主要參考文獻

[1] Barr. A and E.A.Feigenbaum， The Handbook of Artificial Intelligence (Vol.Ⅱ). Pittman Books，Ltd，London.

[2] Stanley F.Biggs， Mallory Selfridge and George R. Krupka， 1993， A Computational Model of Auditor Knowledge and Reasoning Processes in the Going-Concern Judgment， Auditing: A Journal of Practice Theory， Vol.12 (Supplement)， No.82.

[3] Biggs， S.F.， and M. Selfridge， 1986， GC-X: A Prototype Expert System for The Auditor’s Going Concern Judgment， Working Paper， University of Connecticut.

[4] Bobrow， D. C.， S. Mittal and M. J. Stefik， 1986， Expert Systems: Perils and Promise， Comm. ACM， 29 (September 1986)， No.1.

[5] Carol E.Brown and David S.Murphy， 1990， The Use of Auditing Expert Systems in Public Accounting，Journal of Information Systems， Fall.

[6] Choo F. and K. Trotman，1991， The Relationship between Knowledge Structure and Judgments for Experienced and Inexperienced Auditors， The Accounting Review (July)， No.464.

[7] Harris， Carolyn R.， 1989， An Expert Decision Support System for Auditor Going Concern Evaluation， PhD Dissertation， The University of Texas at Arlington.

[8] M. Anandarajan and A. Anandarajan， 1999， A Comparison of Machine Learning Techniques with A Qualitative Response Model for Auditor’s Going Concern Reporting， Expert Systems With Applications， No.16.

[9] Mary Jane Lenard， 1999， A Comparison of Statistical， Expert System andHybrid Models Applied to the Auditor’s Going Concern Assessment， PhDDissertation， Kent State University.

[10] O’Leary，Daniel E.， 1987， Validation Of Expert System ---WithApplication to Auditing and Accounting Expert Systems， Decision Sciences， No.18.

[11] William F.Messier， Jr. and James V. Hansen， 1987， Expert Systems in Auditing---The State of the Art， Auditing: A Journal of Practice Theory， Vol.7， No1.

[12] 敖志剛.人工智能與專家系統導論[M].合肥：中國科學技術大學出版社，2002.

[13] 張曉嵐等. 審計判斷專家系統：國外研究整理[J]. 當代經濟科學，2005，（2）.