Pas Toch Steekproeven Toe!
Het toepassen van de theorie van geldsteekproeven is boeiend, al was het alleen om te zien hoe risicoanalyse in de accountantscontrole werkt. Het is bijvoorbeeld zo mooi om te zien hoe statistiek de puzzelstukjes van het risicoanalysemodel in elkaar laat vallen! Mooi! Je reinste schoonheid.
Hein Kloosterman
Maar is het toepassen van geldsteekproeven wel praktisch uitvoerbaar? Natuurlijk!
De ingrediënten om een steekproef te trekken
In abstracto kunnen we de jaarrekening die gecontroleerd moet worden, zien als een zak geld. Als we willen zelfs als slechts één zak geld. Al in 1996 schreef Hans Blokdijk immers dat in beginsel de controletolerantie niet aan de afzonderlijke delen van de jaarrekening hoeft te worden toegedeeld. Daarna kunnen we het begrip materialiteit (voor de jaarrekening als geheel) vervolgens behandelen als, wat statistici noemen, onnauwkeurigheid. Die grootheid kunnen we vervolgens vaststellen. Wat statistici de statistische onbetrouwbaarheid noemen, noemen wij het steekproefrisico.
Nu hebben we bijna alle belangrijke parameters voor het steekproefonderzoek benoemd. Vooralsnog stellen we het auditrisico gelijk aan het steekproefrisico en gaan we er vanuit dat de steekproef alleen maar goede elementen mag bevatten.
Zo, nu hebben we de ingrediënten om een geldsteekproef (aselect) te trekken. We kunnen nu toetsen of alle getrokken steekproefelementen 'goed' zijn. Als alle steekproefelementen 'goed' zijn, dan hebben we met redelijke zekerheid laten zien dat de zak geld geen onnauwkeurigheid - in de zin van een zogenoemd overstatement - kent groter dan of gelijk aan de materialiteit.
De omvang
Omdat we in de accountantscontrole plegen uit te gaan van een maximaal auditrisk van vijf procent, ligt een steekproefrisico - even afgezien van risicoanalyse - van gelijke grootte dus voor de hand. Materialiteit voor de jaarrekening als geheel is een grootheid die per te controleren jaarrekening - en dus meestal ook per afzonderlijk bedrijf - pleegt te worden vastgesteld. De accountant kan de onnauwkeurigheid van de steekproef (noemen we in plaats van materialiteit soms planningsmaterialiteit en soms controletolerantie) naar beneden bijstellen: hij doet dan meer werk.
Hoe complex is vervolgens het feitelijk trekken van een steekproef?
Het trekken
Gelukkig is er gereedschap om een geldsteekproef te kunnen trekken. Denk hierbij aan audittools als IDEA en ACL. Zonder de toeters en bellen uit te leggen: in plaats van de statistische onbetrouwbaarheid van vijf procent, hanteren we in eerste instantie een grootheid R = 3. Die R is van reliability. De controletolerantie noemen we voor het gemak MP (van monetary precision). Het trekkingsgereedschap vraagt om een te hanteren interval. Dat interval is gelijk aan MP/R. Dat is dus simpel. Als die grootheden zijn ingevuld trekt het audittool de steekproef.
En dan risicoanalyse: aan risicoanalyse doen we - technisch - pas als we gaan controleren; dus eerst de grote steekproef trekken, dan de uitkomst van de risicoanalyse gebruiken. Dat doen we door op de grote steekproef een postensteekproef te trekken met de omvang die resteert na de risicoanalyse.
Voorbeeld: stel de geldsteekproef zou 570 elementen bevatten en de risicoanalyse staat toe dat in plaats van een R = 3 een R = 1,2 wordt toegepast. De nieuwe steekproef wordt dan 1,2 / 3 * 570 = 228. Nu alleen nog controleren...
Er zijn geen mitsen en maren!
Gelukkig is het bij goedkeuringssteekproeven zoals de financial audit die gebruikt, niet nodig te piekeren over voorwaarden zoals homogeniteit. Doordat er op geldeenheden wordt getrokken in plaats van op posten is de heterogeniteit voor wat de omvang van de posten betreft opgelost.
Verder over geldsteekproeven om te kunnen goedkeuren: er worden in beginsel geen fouten in de steekproeven verwacht: ook homogeen dus.
De mogelijke problemen beperken zich tot het verkrijgen van de juiste bestanden, het trekken op de juiste (financiële) velden en het zich realiseren dat men controleert op overstatements (de juistheid van de gepresenteerde geldeenheden).
Een dergelijke eenvoud moet naar onze mening de vraag naar de toepassing van geldsteekproeven heel groot maken. Vrees is dus enkel te kenmerken als koudwatervrees!
Gerelateerd

Machine learning in de audit: stratificeren van bedrijfslocaties
In dit derde en laatste deel van een reeks columns over machine learning in de audit gaat het over clusteren. De auteurs laten zien hoe je met een open-source statistiekprogramma...

Machine learning in de audit: uitschieters bij vastgoedwaardering
Regressie is een vorm van machine learning met als doel het voorspellen van cijfers op basis van een aantal kenmerken. Met open-sourcesoftware kun je zonder programmeerkennis...

Machine learning in de audit: voorspellen van klantverloop
Het doel van machine learning is om voorspellingen te maken aan de hand van data. Binnen dit veld worden doorgaans drie hoofdtoepassingen onderscheiden: classificatie,...

De steekproefomvang ontmaskerd - deel 5
In vorige columns hebben we verschillende manieren besproken om tot een steekproefomvang te kunnen komen. Deze column is de laatste van de serie waarin we verschillende...

De steekproefomvang ontmaskerd - deel 4
Een accountant die gebruikmaakt van software om een steekproefomvang te berekenen, moet zeker weten dat die software dat goed doet. Daarvoor moet je de rekenmethode...