Heterogeen misschien?
Wij borduren voort op column 41 van Paul van Batenburg. We gebruiken dezelfde casus. Nu voegen we als bijzonderheid toe dat de er een deelpopulatie is waarin fouten worden verwacht terwijl de andere deelpopulatie schoon wordt verondersteld.
Wouter Gerards en Hein Kloosterman
De casus:
Een financieel verslag heeft een omvang in geld van € 10.000.000. De materialiteit voor de verantwoording als geheel is vastgesteld op € 600.000.
De gecontroleerde laat weten dat er een hoeveelheid afwijkingen, fouten, verwacht wordt. In geld is de vooraf verwachte afwijking € 320.000. In de column van Paul van Batenburg zagen we dat als de projectie van de fout zal worden gecorrigeerd, de accountant kan volstaan met hanteren van een steekproefomvang van 75.
De gecontroleerde meldt nu dat de fouten zich voordoen in maar één van twee deelpopulaties en dat daarom de populatie niet homogeen, maar heterogeen is. De gecontroleerde beargumenteert dat de populatie had moeten worden gestratificeerd voor het trekken van de steekproef. Dit is een argument dat soms te pas en meestal te onpas wordt gebruikt. Toelichting: een geldsteekproef maakt het stratificeren – dat is het opdelen van een populatie in deelpopulaties met posten van vrijwel gelijke omvang – overbodig. Door de populatie boekingen aan te merken als een populatie geldeenheden wordt die populatie in evenveel strata opgedeeld als er posten zijn.
De gecontroleerde beschrijft vervolgens de deelpopulaties als volgt: er is een deel van € 4.000.000 waarin een fout van 8% wordt verwacht. In het complement, in € 6.000.000 dus, verwacht de gecontroleerde geen fouten.
De vraag is nu hoeveel werk er nu moet worden gedaan om beide deelpopulaties goedgekeurd te krijgen? Kan dat met diezelfde steekproefomvang van 75 of moet er meer worden gecontroleerd?
Omdat hier sprake is van heterogeniteit – in de zin van onafhankelijke deelpopulaties met een verschillende verwachte foutdichtheid – moet berekend worden wat het effect is van het combineren van de uitkomsten van de controles op de twee deelpopulaties. En wel zodanig dat de maximale fout na correctie van de (geaggregeerde) projectie kleiner is dan de materialiteit. Bij het aggregeren van onafhankelijke delen lopen we het risico dat kleine foutjes in het ene deel optellen bij kleine foutjes in het andere deel tot grote fouten in het totaal. In COS 320, paragraaf 9 is vastgelegd hoe dat zit (merk daarbij op dat de foutprojectie geen gemiddelde is maar een meest waarschijnlijke uitkomst; zulke uitkomsten gedragen zich lastiger dan gemiddelden).
De combinatie leidt tot de cijfers in tabel 1.
Deelpopulatie | Foutprojectie na correctie | Maximale fout na correctie |
€ 4.000.000 | 0 | € 600.000 |
€ 6.000.000 | 0 | € 600.000 |
Totaal | € 200.000 | € 950.000 |
We zullen dus meer werk moeten doen om de overall maximale fout naar € 600.000 terug te brengen. Dat is de prijs van de opgelegde heterogeniteit. Wat is de opbrengst van dat extra werk? Dat de geprojecteerde fout aan de juiste deelpopulatie kan worden toegerekend.
Wie wil weten hoeveel extra werk dat is (98 in plaats van 75) moet even door een zure appel heen bijten. In zijn proefschrift laat Trevor Stewart (1) , gepensioneerd partner van Deloitte New York en spreker op het symposium van de Stuurgroep in 2008, zien dat de kleinste steekproef waarbij het aggregatieprobleem het hoofd wordt geboden de volgende situatie is:
Deelpopulatie |
Foutprojectie na correctie |
Maximale fout na correctie |
€ 4.000.000 | 0 | € 352.289 |
€ 6.000.000 | 0 | € 404.657 |
Totaal | € 125.000 | € 600.000 |
In tabel 2 worden de maximale fouten per deelpopulatie geaggregeerd tot de toegestane afwijking, de materialiteit, voor het geheel.
Bij de steekproefopzet moet weer rekening gehouden worden met de foutverwachting van € 320.000 in de deelpopulatie van € 4.000.000. Dat leidt tot tabel 3.
Deelpopulatie | omvang steekproef | som taintings | Projectie van de fout | Maximale fout |
€ 4.000.000 | 63 | 5 | € 320.000 | € 672.289 |
€ 6.000.000 | 45 | 0 | € 0 | € 404.657 |
Totaal | 98 |
Als de accountant volstaat met een oordeel over de verantwoording als geheel (de € 10.000.000) dan zagen we in column 41 dat hij kan volstaan met een steekproefomvang op het totaal van 75. Nu de gecontroleerde wil dat rekening wordt gehouden met de heterogeniteit van de deelpopulaties moeten er 23 waarnemingen meer worden gecontroleerd. Die extra elementen moeten voor de gecontroleerde informatie toevoegen. Voor de beoordeling van de populatie als geheel voegen zij geen informatie toe.
Wie moet voor de extra kosten opdraaien? Wij vinden: de gecontroleerde! Zo zien we maar weer dat een verweer leidt tot meer werk. Mogen de lasten daarvan bij de juiste partij terechtkomen.
(1) Het rekenwerk is verricht met behulp van de methode voor het aggregeren van uitkomsten zoals Trevor Stewart die in zijn dissertatie 'A Bayesian Audit Assurance Model' in 2013 heeft beschreven.
Gerelateerd
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...
Symposium: Machine Learning in de audit
Hoe is het momenteel gesteld met de toepassing van Machine Learning in de audit? Aankondiging van een symposium.