第 1 章 审计财务报告的基础／1
1.1 审计／1
1.2 审计中的计算机和审计分析的诞生／1
1.3 现代财务会计和审计的根源／3
1.4 新兴技术和无形资产／10
1.5 财务会计／14
1.6 本书所需的 R 程序包／19
1.7 参考文献／20
第 2 章 审计分析的基础／22
2.1 商业和数据分析／22
2.2 会计数据类型／28
2.3 数值与分类／28
2.4 分类 （枚举、因子、名义、多分类） 数据／30
2.5 二进制 （二分、逻辑、指标、布尔） 数据／32
2.6 序数 （有序因子） 数据／33
2.7 数据存储和检索／35
2.8 进一步研究／41
2.9 本章所需的 R 安装包／42
2.10 参考文献／42
第 3 章 会计交易分析／43
3.1 审计程序和会计循环／43
3.2 会计交易的起源／44
3.3 作为学习模型的审计测试／45
3.4 日期的处理／45
3.5 会计业务／46
3.6 用统计术语表达机构语言／49
3.7 交易样本和数量／50
3.8 会计循环／52
3.9 实质性测试／52
3.10 指标和估计／53
3.11 概率和统计中的重要概念／552 审计分析：会计专业的数据科学
3.12 机器学习方法／61
3.13 审计证据及其信息内容的统计视角／63
3.14 参考文献／64
第 4 章 风险评估和审计计划／65
4.1 审计／65
4.2 审计计划中的风险评估／66
4.3 访问美国证券交易委员会 EDGAR 财务信息数据库／67
4.4 使用 R 语言访问 EDGAR 信息的注意事项／76
4.5 审计人员配置和预算／78
4.6 风险评估矩阵／79
4.7 使用 Shiny 创建风险评估矩阵面板／80
4.8 根据风险评估矩阵生成审计预算／83
4.9 值得注意的审计失败及其发生的原因／86
4.10 审计：一个坏问题／87
4.11 审计：关于审计计划和预算的最后思考／88
4.12 参考文献／88
第 5 章 分析复核：技术分析／90
5.1 分析复核／90
5.2 分析复核的制度背景／90
5.3 衡量公司财务状况的技术指标／93
5.4 分析复核因特网资源／103
5.5 美国人口普查数据／104
5.6 R 和应用程序编程接口 （API） ／107
5.7 来自网络的产品和客户信息的技术分析／108
5.8 基于词汇的向量化／109
5.9 参考文献／115
第 6 章 分析复核：智能扫描／117
6.1 互联网资源智能扫描／117
6.2 使用整洁的数据进行情绪分析／117
6.3 扫描社交网络中未经认证的新闻来源／125
6.4 情报扫描策划的新闻流／129
6.5 通过网页抓取访问一般网页内容／134
第 7 章 审计程序设计／141
7.1 作为自然实验的审计程序／141
7.2 收集和分析审计证据：抽样／141
7.3 美国注册会计师协会审计抽样指南／142目 录 3
7.4 中期符合性测试的抽样方法／143
7.5 用于审计的统计决策框架／148
7.6 作为学习模型的审计测试／149
7.7 重要性／151
7.8 风险／152
7.9 AICPA 关于抽样方法和风险的建议／153
7.10 AICPA 关于公认审计准则的声明／154
7.11 AICPA 承认或研究过的取样类型／156
7.12 会计事项分布／160
7.13 审计循环／161
7.14 审计和信息技术的背景／162
7.15 审计师意见：审计的结果／163
7.16 参考文献／164
第 8 章 期中符合性测试／167
8.1 期中符合性测试和管理建议书／167
8.2 给管理层的 SAS 115 号信函／167
8.3 三种抽样方法／169
8.4 期中测试的统计数据／171
8.5 审计控制的机器学习模型／181
8.6 自动编码器和非平衡数据集／184
8.7 机器学习在审计中应用的最后思考／193
8.8 参考文献／193
第 9 章 实质性测试／195
9.1 实质性测试／195
9.2 一步创建试算平衡表数据／200
9.3 应收账款审计／204
9.4 应收账款函证审计程序的步骤／211
9.5 坏账准备的估计与计提／218
9.6 分层样本和货币单位抽样／229
9.7 审计盘点／233
9.8 参考文献／248
第 10 章 萨班斯-奥克斯利协议／249
10.1 《萨班斯-奥克斯利法案》：公司系统面临的安全、隐私和欺诈威胁／249
10.2 SOX 有效性的学术研究／251
10.3 来自行业的关于 SOX 有效性的证据／252
10.4 使用 R 语言评估 SOX 在预测违规和识别控制缺陷方面的有效性／2534 审计分析：会计专业的数据科学
10.5 SOX-Privacy Clearinghouse 数据集的探索性分析／257
10.6 使用自动编码器检测控制缺陷／260
10.7 Fama-French 风险度量和机器学习模型的网格搜索以补充信息／279
10.8 Fama-French 风险因素／283
10.8 关于萨班斯-奥克斯利报告的最后思考／288
10.9 参考文献／289
第 11 章 区块链、网络犯罪和取证／292
11.1 用于保护交易的区块链／292
11.2 网络犯罪和取证／296
11.3 取证分析：本福德定律／300
11.4 参考文献／304
第 12 章 特殊业务：预测与估值／305
12.1 担保和估值的特殊业务／305
12.2 战略驱动和业绩指标 ／307
12.3 估值模型／309
12.4 其他估值方法／318
12.5 进一步研究／319
12.6 参考文献／320
第 13 章 用于审计组织的模拟交易／321
13.1 “测试组”及其后代／321
13.2 服务组织审计／321
13.3 会计循环、审计任务和审计数据的生成／322
13.4 用于审计程序 A/B 测试的销售和采购循环数据库的生成／322
13.5 建立模拟／324
13.6 用于审计分析的代码和数据存储库／324
13.7 生成模拟数据时使用的假设／325
13.8 统计假设和会计交易的分布／327
13.9 模拟的一般参数／328
13.10 销货日记账／329
13.11 现金和银行存款／331
13.12 存货和用于补充库存的采购订单／332
13.13 存货／333
13.14 永续盘存、应付账款和其他与存货相关的账户／337
13.15 客户信贷限额和未付应收账款／337
13.16 应收账款／338
13.17 应收账款账龄／339目 录 5
13.18 员工支出／340
13.19 交易中的遗漏、重复和货币错误／341
13.20 审计任务：存货和应收账款／345
13.21 应收账款确认／346
13.22 审计用会计档案／346
13.23 模拟会计业务的审计／348
13.24 参考文献／348
| 会员指南
