The Audit Risk Assessment of European Small- and Mid-Size Enterprises
Notice bibliographique
Résumé
To build trust, SMEs must pass on information as clearly as possible, which can be achieved through a transparent financial reporting process. The article aims to study the impact of six accounting quality risk indicators in audit risk assessment from SME audit reports in EU countries, comparing the findings with the analysis of the same indicators at CEECs level. The qualitative research methodology consists of a descriptive study of the risks in the audit reports, emphasizing their types and connection with the company’s characteristics. The study is based on a sample of 443 SMEs listed on the European stock markets and included in the Audit Analytics database, an online platform with information from the company’s financial statements and audit reports. According to the results, the “Audit Fees-Significant Non-Audit Fees” indicator had the highest accounting quality risk impact on SMEs audit reports in the EU. In contrast, for the CEECs companies, the “Audit Fees–Significant Change” index had a more significant impact on the audit reports. The study’s results showed an average trend of 15–16 reported situations per year, with a substantial increase over recent years for CEECs. The main conclusion from the study is that the uncertainties reported by the auditors depend more on the company’s field of activity and how it is managed; therefore, the SME sector should be coordinated according to the accounting regulations regarding the principles and the content of the financial reports. Considering the fast evolution of risks that may affect the audit reports of a small company and the fact that this topic has yet to be thoroughly researched, we find it relevant. The contribution of this article consists of a systematic analysis of the audit risk matrix completing the existing literature, which is why the field can be discussed more widely.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».