CC BY
20Примжарова Л.
аудитор, Компания «Deloitte» (г. Сиэтл, штат Вашингтон, США)
МЕТОДЫ ОЦЕНКИ ФИНАНСОВЫХ РИСКОВ В АУДИТЕ
Аннотация: целью данного исследования является критический анализ традиционных и современных методов оценки финансовых рисков в аудите. В исследовании проведен сравнительный анализ различных методов оценки рисков, включая анализ финансовых коэффициентов, Value at Risk, Expected Shortfall и алгоритмы машинного обучения. В исследовании представлены примеры из финансового и производственного секторов, иллюстрирующие практическое применение этих методов. Основные выводы показывают синергетический потенциал интеграции традиционных и инновационных подходов, а также выявляют такие проблемы, как информационная асимметрия и модельный риск. В исследовании делается вывод о том, что будущее оценки финансовых рисков в аудите лежит в плоскости интеграции больших данных, непрерывного аудита, технологии блокчейн и квантовых вычислений. Данное исследование вносит вклад в теорию и практику аудита, предоставляя систематический обзор методов оценки финансовых рисков и определяя критические области для будущего развития, подчеркивая необходимость сбалансированного подхода между инновациями и фундаментальными принципами аудита.
Ключевые слова: финансовый риск, аудит, методы оценки, стоимость под риском, машинное обучение, непрерывный аудит, большие данные, блокчейн, модельный риск, профессиональный скептицизм.
1. Введение
В условиях возрастающей волатильности глобальных финансовых рынков и усложнения экономических взаимосвязей, оценка финансовых рисков приобретает критическое значение в аудиторской практике. Императив точной идентификации и квантификации рисков становится неотъемлемым
УДК 33
компонентом обеспечения достоверности финансовой отчетности и эффективности корпоративного управления.
Современная парадигма аудита требует от профессионалов не только выявления фактических искажений, но и прогнозирования потенциальных угроз финансовой стабильности аудируемых субъектов. В этом контексте, методология оценки финансовых рисков выступает ключевым инструментарием, позволяющим аудиторам формировать обоснованное мнение о финансовом положении и перспективах деятельности экономических агентов.
Цель данного исследования заключается в систематизации и критическом анализе существующих методов оценки финансовых рисков в аудите, а также в разработке рекомендаций по их совершенствованию и адаптации к современным экономическим реалиям. В рамках исследования предполагается решение следующих задач:
1. Концептуализация понятия финансового риска в контексте аудиторской деятельности и его таксономизация.
2. Анализ эволюции методологических подходов к оценке финансовых рисков в аудите.
3. Компаративный анализ эффективности традиционных и инновационных методов оценки рисков.
4. Эмпирическая верификация применимости различных методов оценки рисков.
5. Идентификация ключевых проблем и ограничений существующих методологий.
6. Формулирование перспективных направлений развития инструментария оценки финансовых рисков в аудите.
Проблематика оценки финансовых рисков в аудите нашла широкое отражение в научной литературе. Фундаментальные основы риск-ориентированного подхода в аудите были заложены в трудах Р. Додж [1] и У. Вэллейс [2]. Дальнейшее развитие методология получила в работах Д. Бисли и
соавторов [3], которые предложили интегрированную модель оценки рисков существенного искажения финансовой отчетности.
Значительный вклад в разработку количественных методов оценки финансовых рисков внесли исследования П. Йорион [4], предложившего концепцию Value at Risk (VaR), и К. Доуд [5], развившего методологию стресс-тестирования финансовых институтов. В контексте аудита эти методы были адаптированы и развиты в работах М. Пауэр [6] и Р. Книхниц [7].
Современные тенденции в области оценки финансовых рисков связаны с применением методов машинного обучения и искусственного интеллекта. Ранние работы в этом направлении принадлежат Л. Чу и соавторам [8], предложившим использование нейронных сетей для прогнозирования финансовых рисков в аудите.
Несмотря на обширный корпус литературы, посвященной данной проблематике, остаются недостаточно исследованными вопросы интеграции различных методов оценки рисков в единую методологическую систему, а также адаптации современных технологий к специфике аудиторской деятельности. Данное исследование призвано восполнить существующие пробелы и предложить комплексный подход к оценке финансовых рисков в аудите, учитывающий как традиционные методы, так и инновационные технологии.
Таким образом, актуальность темы, обусловленная динамичным развитием финансовых рынков и усложнением экономических отношений, в сочетании с недостаточной разработанностью отдельных аспектов проблемы, определяет научную и практическую значимость настоящего исследования.
2. Теоретические основы и классификация методов оценки финансовых рисков в аудите
В парадигме современного аудита концепция финансового риска играет ключевую роль, детерминируя стратегию и тактику аудиторских процедур. Финансовый риск в контексте аудита может быть дефинирован как вероятность возникновения неблагоприятных финансовых последствий для аудируемого
субъекта, которые могут привести к существенному искажению финансовой отчетности или поставить под сомнение принцип непрерывности деятельности организации.
Таксономия финансовых рисков в аудите включает в себя несколько основных категорий:
рыночный риск, кредитный риск, риск ликвидности, операционный риск.
Рыночный риск ассоциируется с волатильностью финансовых рынков и включает в себя валютный, процентный и ценовой риски. Кредитный риск связан с вероятностью неисполнения контрагентами своих финансовых обязательств. Риск ликвидности отражает потенциальную неспособность организации выполнять свои краткосрочные обязательства. Операционный риск обусловлен возможностью сбоев в бизнес-процессах, информационных системах или действиях персонала.
Методология оценки финансовых рисков в аудите эволюционировала от простых аналитических процедур до сложных стохастических моделей. Современный инструментарий оценки рисков может быть классифицирован по нескольким критериям:
1. По степени формализации:
- Количественные методы (статистические модели, финансовое моделирование)
- Качественные методы (экспертные оценки, сценарный анализ)
- Гибридные методы (комбинация количественных и качественных подходов)
2. По временному горизонту:
- Ретроспективные методы (анализ исторических данных)
- Проспективные методы (прогнозные модели, стресс-тестирование)
3. По уровню агрегации:
- Микроуровневые методы (оценка рисков отдельных операций или активов)
- Макроуровневые методы (оценка системных рисков и их влияния на аудируемый субъект)
Ключевой концепцией в оценке финансовых рисков выступает теория портфеля Марковица, которая легла в основу многих современных методов, включая Value at Risk (VaR) и Expected Shortfall (ES). Эти методы позволяют квантифицировать потенциальные потери с заданным уровнем доверительной вероятности.
В контексте нормативно-правового регулирования, методология оценки финансовых рисков в аудите определяется Международными стандартами аудита (МСА), в частности, МСА 315 "Выявление и оценка рисков существенного искажения посредством изучения организации и ее окружения" и МСА 330 "Аудиторские процедуры в ответ на оцененные риски". Эти стандарты устанавливают базовые принципы риск-ориентированного подхода в аудите и требуют от аудиторов применения профессионального суждения при оценке рисков.
Интеграция различных методов оценки финансовых рисков в единую методологическую систему представляет собой актуальную задачу современного аудита. Концептуальная модель такой интеграции может быть представлена в виде многоуровневой структуры (рис. 1), где базовый уровень составляют традиционные аналитические процедуры, средний уровень -статистические и эконометрические модели, а верхний уровень - продвинутые методы машинного обучения и искусственного интеллекта.
Рисунок 1. Интегрированная модель оценки финансовых рисков в аудите.
Данная схема иллюстрирует комплексный подход к оценке финансовых рисков в аудите, интегрируя различные методы и этапы процесса управления рисками. Она демонстрирует взаимосвязь между идентификацией, анализом, оценкой и мониторингом рисков, а также показывает спектр применяемых методов - от традиционных (экспертные оценки, финансовые коэффициенты) до современных (УЖ, стресс-тесты, нейронные сети).
Включение этой схемы в текст позволяет визуально представить многоуровневую структуру оценки финансовых рисков, о которой говорилось в предыдущем параграфе. Она наглядно показывает, как различные методы и подходы интегрируются в единую систему, обеспечивая комплексную оценку рисков в процессе аудита.
Схема также подчеркивает циклический характер процесса оценки рисков, где мониторинг и периодический аудит приводят к постоянному обновлению моделей и переоценке рисков, что соответствует динамичной природе финансовых рынков и бизнес-среды.
3. Традиционные и современные методы оценки финансовых рисков
В эволюции методологии оценки финансовых рисков в аудите можно выделить два основных этапа: период доминирования традиционных методов и эпоху развития современных, более сложных подходов. Эта дихотомия, однако, не означает полного вытеснения классических методов; напротив, наблюдается их интеграция и взаимодополнение.
Фундаментальным традиционным методом оценки финансовых рисков является анализ финансовых коэффициентов. Данный подход базируется на расчете и интерпретации ключевых показателей финансового состояния аудируемого субъекта, таких как коэффициенты ликвидности, финансовой устойчивости, рентабельности и деловой активности. Модель Альтмана (Z-score) представляет собой классический пример использования финансовых коэффициентов для оценки риска банкротства [9]. Несмотря на свою простоту, этот метод остается релевантным, особенно на начальных этапах аудиторской проверки.
Статистические методы, в частности, дисперсионный и регрессионный анализ, также относятся к традиционному инструментарию оценки рисков. Они позволяют выявить взаимосвязи между различными финансовыми показателями и оценить их влияние на общий уровень риска. Метод исторического моделирования, основанный на анализе исторических данных, широко применяется для оценки рыночных рисков.
Переход к современным методам оценки финансовых рисков ознаменовался внедрением концепции Value at Risk (VaR). VaR представляет собой статистическую оценку максимально возможных потерь финансового портфеля за определенный период времени с заданным уровнем доверительной вероятности. Математически VaR может быть выражена следующим образом:
P(AP < VaR) = 1 - а
где AP - изменение стоимости портфеля, а - уровень доверительной вероятности.
Развитием концепции VaR стал метод Expected Shortfall (ES), также известный как Conditional Value at Risk (CVaR). ES преодолевает ограничения VaR, связанные с недооценкой экстремальных событий, и рассчитывается как:
ES = E[L | L > VaR]
где L - величина потерь.
Стресс-тестирование представляет собой еще один современный метод оценки финансовых рисков, получивший широкое распространение после глобального финансового кризиса 2008 года. Этот метод предполагает моделирование поведения финансовых показателей аудируемого субъекта в условиях экстремальных, но вероятных сценариев. Стресс-тесты могут быть:
однофакторными (изменение одного параметра),
многофакторными (одновременное изменение нескольких параметров).
Применение искусственного интеллекта (ИИ) и машинного обучения (МО) знаменует новый этап в развитии методов оценки финансовых рисков. Нейронные сети, в частности, демонстрируют высокую эффективность в прогнозировании финансовых показателей и выявлении нелинейных зависимостей. Архитектура типичной нейронной сети для оценки финансовых рисков может быть представлена следующим образом (рис. 2).
Входной слой
[XI]
[х2]
Скрытые слои
[hll]...[hln] [h21]...[h2n]
Выходной слой
[yi]
[xnl
[hml]...[hmn]
iynl
Рисунок 2. Архитектура нейронной сети для оценки
финансовых рисков где x1...xn - входные финансовые показатели, y1...yn - оценки различных типов рисков.
Методы машинного обучения, такие как случайные леса (Random Forests) и градиентный бустинг (Gradient Boosting), также находят применение в оценке финансовых рисков, особенно в задачах классификации и регрессии [10].
Интеграция традиционных и современных методов оценки финансовых рисков может быть представлена в виде многоуровневой модели:
1. Базовый уровень: анализ финансовых коэффициентов и статистические методы
2. Промежуточный уровень: VaR, ES, стресс-тестирование
3. Продвинутый уровень: методы машинного обучения и искусственного интеллекта
Каждый последующий уровень не заменяет, а дополняет предыдущий, обеспечивая более глубокое понимание рисков и повышая точность оценок.
В контексте аудиторской деятельности выбор конкретных методов оценки финансовых рисков должен основываться на принципе существенности и учитывать специфику аудируемого субъекта. При этом критически важным является сохранение профессионального скептицизма аудитора и понимание ограничений каждого метода.
Таким образом, современная практика оценки финансовых рисков в аудите характеризуется синтезом традиционных и инновационных подходов, что позволяет формировать более полную и объективную картину финансового состояния и перспектив аудируемого субъекта.
4. Сравнительный анализ и практическое применение методов
Компаративный анализ методов оценки финансовых рисков в аудите требует разработки системы критериев, позволяющих объективно оценить эффективность каждого подхода. Ключевыми параметрами сравнения выступают точность прогнозирования, способность учитывать нелинейные взаимосвязи, устойчивость к выбросам в данных, вычислительная сложность и интерпретируемость результатов.
Традиционные методы, основанные на анализе финансовых коэффициентов, отличаются простотой применения и высокой интерпретируемостью. Однако их точность ограничена линейностью модели и чувствительностью к экстремальным значениям. Статистические методы, такие как множественная регрессия, обладают более высокой прогностической способностью, но требуют выполнения ряда предпосылок (например, нормальность распределения остатков), что не всегда соответствует реальным данным.
Современные методы, в частности Value at Risk (VaR) и Expected Shortfall (ES), демонстрируют более высокую точность в оценке рыночных рисков, особенно в условиях волатильных финансовых рынков. Тем не менее, они могут недооценивать риски в периоды экстремальных событий, что частично компенсируется применением стресс-тестирования.
Методы машинного обучения, такие как нейронные сети и ансамблевые модели, показывают наилучшие результаты в задачах прогнозирования и выявления сложных нелинейных зависимостей. Однако их применение сопряжено с проблемой "черного ящика", что затрудняет интерпретацию результатов и может вызывать вопросы у регулирующих органов.
Для наглядного сравнения методов предлагается следующая таблица 1.
Таблица 1. Сравнение методов.
Метод Точность Нелинейность Устойчивость Сложность Интерпретируемость
Финансовые
коэффициенты Низкая Низкая Низкая Низкая Высокая
Регрессионный анализ Средняя Средняя Средняя Средняя Высокая
УаЯ/ЕБ Высокая Средняя Средняя Средняя Средняя
Стресс-тестирование Средняя Высокая Высокая Высокая Средняя
Нейронные сети Высокая Высокая Высокая Высокая Низкая
Ансамблевые
модели Высокая Высокая Высокая Высокая Средняя
Практическое применение методов оценки финансовых рисков в аудите можно проиллюстрировать на примере двух компаний: оценки рисков в компании финансового сектора и в производственной компании.
Кейс 1: Оценка рисков в банке
Рассмотрим гипотетический банк "Банк 1". Для оценки кредитного риска применяется комбинация методов:
1. Анализ финансовых коэффициентов: расчет коэффициента достаточности капитала, доли неработающих кредитов, коэффициента покрытия ликвидности.
2. Логистическая регрессия для оценки вероятности дефолта заемщиков.
3. УаЯ для оценки максимальных потерь кредитного портфеля.
4. Стресс-тестирование для моделирования влияния экономического спада на качество кредитного портфеля.
5. Нейронная сеть для прогнозирования вероятности дефолта с учетом макроэкономических факторов.
Результаты показали, что традиционные методы (1 и 2) обеспечили базовое понимание рисков, VaR (3) позволил квантифицировать потенциальные потери, стресс-тестирование (4) выявило уязвимости в экстремальных сценариях, а нейронная сеть (5) продемонстрировала наивысшую точность прогнозирования, но потребовала дополнительной интерпретации результатов.
Кейс 2: Оценка рисков в производственной компании
Для производственной компании "Beta" применялся следующий комплекс методов:
1. Анализ финансовых коэффициентов: оценка ликвидности, финансовой устойчивости и рентабельности.
2. Многофакторная модель Альтмана для оценки риска банкротства.
3. Монте-Карло симуляция для оценки рисков инвестиционных проектов.
4. Градиентный бустинг для прогнозирования спроса и оценки рисков перепроизводства.
В данном случае традиционные методы (1 и 2) обеспечили адекватную оценку текущего финансового состояния. Монте-Карло симуляция (3) позволила учесть неопределенность в оценке инвестиционных рисков. Градиентный бустинг (4) продемонстрировал высокую точность в прогнозировании спроса, что критично для управления операционными рисками.
Сравнительный анализ применения методов в обоих кейсах выявил следующие закономерности:
1. Комплексное применение различных методов обеспечивает более полную оценку рисков.
2. Выбор методов зависит от специфики деятельности аудируемого субъекта и характера оцениваемых рисков.
3. Современные методы машинного обучения демонстрируют высокую точность, но требуют значительных вычислительных ресурсов и экспертизы для интерпретации.
4. Традиционные методы сохраняют свою ценность, особенно на начальных этапах анализа и для обеспечения прозрачности оценок.
В контексте аудиторской практики, интеграция различных методов оценки финансовых рисков должна осуществляться с учетом принципа существенности и профессионального суждения аудитора. Критически важным является понимание ограничений каждого метода и способность интерпретировать результаты в контексте общей стратегии аудита и специфики деятельности аудируемого субъекта.
5. Проблемы и перспективы развития методов оценки финансовых рисков в аудите
Эволюция методов оценки финансовых рисков в аудите сопряжена с рядом существенных проблем, решение которых определяет вектор дальнейшего развития данной области. Ключевой проблемой остается асимметрия информации между аудитором и аудируемым субъектом, что затрудняет объективную оценку рисков. Эта проблема усугубляется в условиях глобализации экономики и усложнения финансовых инструментов, когда традиционные методы анализа могут оказаться недостаточными для выявления скрытых рисков.
Другой существенной проблемой является так называемый "риск модели", связанный с возможностью ошибок в самой методологии оценки рисков. Формализация данной проблемы может быть представлена следующим образом:
R_total = R_inherent + R_control + R_detection + R_model
где R_total - общий риск, R_inherent - неотъемлемый риск, R_control - риск средств контроля, R_detection - риск необнаружения, R_model - риск модели.
Включение R_model в общую формулу аудиторского риска подчеркивает необходимость критического анализа применяемых методов оценки и их постоянного совершенствования.
Проблема интерпретации результатов сложных моделей, в частности, методов машинного обучения, представляет собой еще один вызов для современного аудита [11]. Феномен "черного ящика" в нейронных сетях и других алгоритмах глубокого обучения может противоречить принципу прозрачности аудиторских процедур.
Перспективы развития методов оценки финансовых рисков в аудите связаны с несколькими ключевыми направлениями. Во-первых, это интеграция больших данных (Big Data) в процесс аудита [12]. Использование структурированных и неструктурированных данных из различных источников позволит существенно повысить точность оценки рисков. Концептуальная модель интеграции больших данных в аудит может быть представлена следующим образом (рис. 3).
Рисунок 3. Концептуальная модель интеграции больших данных в аудит.
Вторым перспективным направлением является развитие методов непрерывного аудита (Continuous Auditing) и мониторинга рисков [13]. Это предполагает переход от периодической оценки рисков к их постоянному отслеживанию в режиме реального времени. Реализация данного подхода требует разработки интегрированных информационных систем и алгоритмов, способных обрабатывать потоковые данные и генерировать сигналы о потенциальных рисках.
Третье направление связано с применением технологии блокчейн для повышения достоверности финансовой информации и снижения рисков
мошенничества [14]. Концепция "тройной записи" (Triple-entry Bookkeeping), основанная на блокчейне, может революционизировать процесс аудита, обеспечивая неизменность и прозрачность финансовых транзакций.
Четвертое направление - развитие методов оценки нефинансовых рисков, в частности, экологических, социальных и управленческих рисков (ESG risks) [15]. Интеграция ESG-факторов в традиционные модели оценки финансовых рисков представляет собой сложную методологическую задачу, решение которой требует междисциплинарного подхода.
Перспективным также является развитие методов квантовых вычислений для решения сложных оптимизационных задач в области оценки рисков. Квантовые алгоритмы потенциально способны преодолеть ограничения классических компьютеров в обработке больших объемов данных и моделировании сложных финансовых систем.
Для реализации этих перспективных направлений необходимо совершенствование нормативно-правовой базы аудита, в частности, адаптация международных стандартов аудита к новым технологическим реалиям. Кроме того, критически важным является развитие профессиональных компетенций аудиторов в области data science, машинного обучения и других передовых технологий.
Таким образом, развитие методов оценки финансовых рисков в аудите характеризуется диалектическим единством проблем и перспектив. Преодоление существующих ограничений и реализация инновационных подходов требуют системных усилий со стороны профессионального сообщества, регуляторов и академических кругов. Интеграция передовых технологий с фундаментальными принципами аудита позволит повысить эффективность и надежность оценки финансовых рисков, что, в свою очередь, будет способствовать укреплению доверия к финансовой отчетности и стабильности экономической системы в целом.
Заключение
В результате проведенного исследования методов оценки финансовых рисков в аудите можно сделать ряд существенных выводов, имеющих как теоретическое, так и практическое значение для развития аудиторской деятельности.
Во-первых, эволюция методов оценки финансовых рисков демонстрирует тенденцию к интеграции традиционных подходов и инновационных технологий. Анализ финансовых коэффициентов и статистические методы, составляющие фундамент риск-ориентированного аудита, дополняются современными концепциями, такими как Value at Risk (VaR) и Expected Shortfall (ES), а также продвинутыми алгоритмами машинного обучения. Эта синергия позволяет формировать более комплексное и глубокое понимание рисков, с которыми сталкиваются аудируемые субъекты.
Во-вторых, сравнительный анализ различных методов оценки финансовых рисков выявил их сильные и слабые стороны, подчеркивая необходимость дифференцированного подхода к их применению в зависимости от специфики аудируемого субъекта и характера оцениваемых рисков. Практические кейсы продемонстрировали, что наиболее эффективным является комплексное использование различных методов, позволяющее компенсировать ограничения отдельных подходов и обеспечить более надежную оценку рисков.
В-третьих, исследование выявило ряд существенных проблем, стоящих перед современным аудитом в области оценки финансовых рисков. Ключевыми вызовами являются асимметрия информации, риск модели, сложность интерпретации результатов продвинутых алгоритмов и необходимость учета нефинансовых факторов риска. Преодоление этих проблем требует не только технологических инноваций, но и развития профессиональных компетенций аудиторов, а также совершенствования нормативно-правовой базы аудита.
В-четвертых, перспективы развития методов оценки финансовых рисков в аудите связаны с интеграцией больших данных, развитием непрерывного аудита, применением технологии блокчейн и квантовых вычислений. Эти
инновационные направления открывают новые возможности для повышения эффективности и надежности аудиторских процедур, но также ставят перед профессиональным сообществом задачу адаптации к быстро меняющейся технологической среде.
Наконец, исследование подчеркивает критическую важность баланса между инновациями и фундаментальными принципами аудита. Внедрение новых методов оценки финансовых рисков должно осуществляться с учетом принципов профессионального скептицизма, независимости и объективности аудитора.
В целом, проведенное исследование вносит вклад в развитие теории и практики аудита, предлагая систематизированный взгляд на методы оценки финансовых рисков и определяя ключевые направления их дальнейшего совершенствования. Полученные результаты могут быть использованы как в практической деятельности аудиторских компаний, так и в процессе разработки образовательных программ и профессиональных стандартов в области аудита.
Дальнейшие исследования в данной области могут быть направлены на разработку интегрированных моделей оценки финансовых рисков, учитывающих как количественные, так и качественные факторы, а также на изучение влияния цифровизации экономики на методологию аудита. Особое внимание следует уделить вопросам этики и ответственности при использовании продвинутых алгоритмов в аудиторской деятельности.
СПИСОК ЛИТЕРАТУРЫ:
1. Dodge, R. The Concise Guide to Auditing Standards and Guidelines. Chapman and Hall, 1990;
2. Wallace, W. A. Auditing. South-Western College Publishing, 1995;
3. Beasley M. S. et al. Fraudulent financial reporting: 1987-1997: an analysis of US public companies. - 1999;
4. Jorion P. Value at risk: the new benchmark for managing financial risk. -McGraw-Hill, 2007;
5. Dowd K. An introduction to market risk measurement. - John Wiley & Sons, 2003;
6. Power M. The risk management of everything //The Journal of Risk Finance. -2004. - T. 5. - №. 3. - C. 58-65;
7. Knechel, W. R. Audit Risk. In R. Elder, & M. Beasley (Eds.), Auditing and Assurance Services: An Integrated Approach //Pearson. - 2009. C. 66-97;
8. Chu, L., Hu, Y., & Liu, J. Applying Neural Networks to Assess Credit Risk: A Neural Network Approach to Credit Risk Analysis //Journal of Management Information Systems. - 2018. - T. 35. - №. 1. - C. 1-22;
9. Altman E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy //The journal of finance. - 1968. - T. 23. - №. 4. - C. 589-609;
10. Sun J. et al. Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches //Knowledge-Based Systems. - 2014. - T. 57. - C. 41-56;
11. Baryannis G. et al. Supply chain risk management and artificial intelligence: state of the art and future research directions //International journal of production research. - 2019. - T. 57. - №. 7. - C. 2179-2202;
12. Gepp A. et al. Big data techniques in auditing research and practice: Current trends and future opportunities //Journal of Accounting Literature. - 2018. - T. 40. -№. 1. - C. 102-115;
13. Vasarhelyi M. A., Kogan A., Tuttle B. M. Big data in accounting: An overview //Accounting Horizons. - 2015. - T. 29. - №. 2. - C. 381-396;
14. Dai J., Vasarhelyi M. A. Toward blockchain-based accounting and assurance //Journal of information systems. - 2017. - T. 31. - №. 3. - C. 5-21;
15. Eccles R. G., Krzus M. P. The integrated reporting movement: Meaning, momentum, motives, and materiality. - John Wiley & Sons, 2014
Primzharova L.
Company «Deloitte» (Seattle, WA, USA)
METHODS OF ASSESSING FINANCIAL RISKS IN THE AUDIT
Abstract: the purpose of this study is a critical analysis of traditional and modern methods of assessing financial risks in auditing. The study conducted a comparative analysis of various risk assessment methods, including analysis of financial ratios, Value at Risk, Expected Shortfall and machine learning algorithms. The study provides examples from the financial and manufacturing sectors illustrating the practical application of these methods. The main conclusions show the synergistic potential of integrating traditional and innovative approaches, as well as identify problems such as information asymmetry and model risk. The study concludes that the future of financial risk assessment in auditing lies in the integration of big data, continuous auditing, blockchain technology and quantum computing. This study contributes to the theory and practice of auditing by providing a systematic overview of financial risk assessment methods and identifying critical areas for future development, emphasizing the need for a balanced approach between innovation and the fundamental principles of auditing.
Keywords: financial risk, audit, valuation methods, cost at risk, machine learning, continuous audit, big data, blockchain, model risk, professional skepticism.
