Детальная информация

Целью работы является способствовать оптимизации и инновации методов статистической выборки в государственном аудите. Задачи работы: - Углубленное изучение теоретических основ статистической выборки; - Анализ традиционных и искусственных методов статистической выборки в государственном аудите; - Проанализировать финансовую отчетность компании, собрать и подготовить данные; - Чистка и обработка полученных данных для дальнейшего анализа. - Отбор ключевых признаков с помощью анализа главных компонент. - Моделирование нейронных сетей. - Сравнение и анализ регрессионных алгоритмов и нейросетевых BP-lstm в аудите; - Оценка двух алгоритмов. Работа выполнялось на базе исследования и включает международные стандарты аудита, российские правила аудита, а также аудиторские материалы соответствующих компаний. Методы исследования: статистическое изучение выбранной отрасли, диалектический и системный подход к теме исследования, проявляющийся в изучении применения статистических выборочных методов в аудиторской практике. Основные результаты работы: после завершения обучения нейросетевой модели BP-LSTM итоговый результат нашей модели составил 88,4 %, то есть наша модель смогла правильно предсказать вероятность финансового мошенничества в ОАО «РЖД» на 88,4 %. После завершения прогнозирования аудитору необходимо дополнительно проверить данные, предсказанные нейросетевой моделью, чтобы убедиться в правильности проведенного аудита. Практическая значимость работы заключается в том, что внедрение искусственного интеллекта и более эффективного управления рисками может существенно повысить эффективность проверок в российской аудиторской службе. Выводы. В контексте теоретико-методического исследования государственных аудиторских выборок представлены традиционные и искусственно-интеллектуальные методы аудита. Сделаны важные выводы о текущем состоянии и результатах деятельности ОАО «РЖД». Выявлены ключевые тенденции и показатели, оценено влияние различных факторов на результаты деятельности железной дороги, определены возможные риски. Внедрение искусственного интеллекта и более эффективное управление рисками может значительно повысить эффективность аудита российской аудиторской службы.

The purpose of the research is promoting optimization and innovation of statistical sampling methods in government auditing. Tasks of the work: - In-depth study of the theoretical foundations of statistical sampling. -Analysis of traditional and artificial statistical sampling methods in government audit. - Analyze the company’s financial statements, collect and prepare data. - Cleaning and processing of received data for further analysis. - Selection of key features using principal component analysis. - Modeling neural networks. - Comparison and analysis of regression algorithms and neural network BP-lstm in auditing. - Evaluation of two algorithms. The research was based on research and includes international auditing standards, Russian auditing rules, and audit materials of the relevant companies. Research methods: statistical study of the selected industry, a dialectical and systematic approach to the research topic, manifested in the study of the application of statistical sampling methods in audit practice. The main results of the study: After completing the training of the BP-LSTM neural network model, the final result of our model was 88.4%, that is, our model was able to correctly predict the probability of financial fraud in JSC Russian Railways by 88.4%. After completing the prediction, the auditor needs to further check the data predicted by the neural network model to ensure that the audit was performed correctly. The practical significance of the work lies in the fact that the introduction of artificial intelligence and more effective risk management can significantly increase the efficiency of audits in the Russian audit service. Conclusions. In the context of the theoretical and methodological study of state audit samples, traditional and artificially intelligent audit methods are presented. Important conclusions are drawn about the current state and performance of JSCo ‘Russian Railways’. Key trends and indicators are identified, the impact of various factors on the railways performance is assessed, and possible risks are identified. The introduction of artificial intelligence and more effective risk management can significantly improve the audit efficiency of the Russian audit service.