MétaCan
Menu
Retour à la cohorte
Enregistrement W2089468888 · doi:10.1506/ap.7.3.1

A Framework for Identifying (and Avoiding) Fraudulent Financial Reporting*

2008· article· en· W2089468888 sur OpenAlexaffvenue
Wally Smieliauskas

Notice bibliographique

RevueAccounting Perspectives · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingFinancial statementBusinessSet (abstract data type)Conceptual frameworkPerspective (graphical)CertificationExternal auditorActuarial scienceRisk analysis (engineering)Computer scienceInternal auditEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This commentary analyzes the relationship of fraud risk assessments to other risk assessments by auditors. The Public Company Accounting Oversight Board notes that this is a problem area of current practice. Effective detection of fraudulent financial reporting requires an integrative accounting/auditing conceptual framework. As a result, this paper is as much about accounting theory as it is about auditing. To simplify the development of such an integrated framework, this paper uses an expanded risk model. This effectively results in a risk perspective on fraudulent financial reporting. There are many potential implications but the major findings are as follows. First, the study identifies the crucial role of benchmarks based on acceptable levels of risk to help differentiate between intentional and unintentional misstatements. Such differentiation is critical to successfully implementing the American Institute of Certified Public Accountants' Statement on Auditing Standards (SAS) No. 99 and international standards ISA Nos. 240, 540, and 700. Second, the paper shows the importance of not allowing the major categories of risks identified here from getting too high. This paper explains the need to set acceptable levels of these risks, either by standard‐setters as a matter of broad policy, or by individual practitioners as part of the terms of specific engagements. I propose that a major factor in the concept of “present fairly” be the acceptable levels of accounting risks that are defined here, especially the risks due to intentional forecast errors. Third, this paper clarifies how the fraud risk of SAS No. 99, and similar international standards, relates to the current audit risk model framework.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,002
Études des sciences et des technologies0,0030,017
Communication savante0,0120,011
Science ouverte0,0050,007
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,278
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207