SENSORVEILEDNING
MRR 445 TOPICS IN AUDITING
HØST 20131
OPPGAVE 1 (20 %)
a) Notatet bør inneholde tre elementer, hva som menes med revisjonskvalitet (generelt ulik og
ofte flerdimensjonale forståelse; DeAngelo’s definisjon med fokus på revisor kompetanse
og uavhengig, og IAASB’s perspektiv kan kommenteres), hvorfor EU ønsker å stramme
inn regelverket (revisjonskvaliteten svekkes som følge av bindingene mellom revisor og
klient (særlig de finansielle) blir for tette) og hva vi vet fra forskningen (hovedresultatet er
at det bare helt unntaksvis har vært mulig å finne belegg for den vanlige antagelsen om at
revisjonskvaliteten svekkes som følge av utstrakt rådgivning).
Det er derfor en naturlig konklusjon at det foreligger en reel motsetning (hvis utstrakt
rådgivning ikke svekker revisjonskvaliteten, synes det ikke fornuftig å stramme inn på
muligheten til å levere rådgivning), men gode studenter vil også trekke frem at dette er en
konklusjon med modifikasjoner (revisjonskvalitet er ikke veldefinert; det er rimelig å anta
at EU mener, om de i hele tatt tar notis av hva forskningen forteller, at det også er andre
forhold (rene politiske?) som må tas i betraktning, og «bevisene» fra forskning er som i
revisjon «mer underbyggende enn absolutte»).
Oppgave 2 (40 %)
a) Ved å gjennomføre testen kan Olsen først og fremst skaffe bevis for eksistens av
kundefordringene, men han skaffer også noe bevis for verdsettelsespåstanden.
b) Når risiko for feilaktig aksept er satt til 5 %, gir dette et ønsket konfidensnivå på 95 %.
Bruk av tabell 8-5 gir n = 124 (forventet feilandel: 63.750/4.250.000=0,015, tolererbar
feilandel 212.500/4.250.000=0,05). Dette gir et utvalgsintervall på 34.274 (4.250.000/124).
c) Beregning av øvre feilgrense:
Overvurderingsfaktor
(«tainting factor»)
Utvalgsintervall
Projisert
feil
Feil 1: 0,667 (4.000/6.000) 34.274
22.861
Feil 2: 0,167 (4.000/24.000) 34.274
5.724
Total
Feil 3: Feil større enn utvalgsintervall
Basispresisjon («Basic precision ») (3,0 x 34.274)
Øvre feilgrense
1
Inkrementell Projisert feil
endring
pluss avsetning
for utvalgsrisiko
1,7 (4,7-3,0)
38.864
1,5 (6,2-4,7)
8.586
47.450
75.000
102.822
225.272
Kandidatene har ikke tilgang på ISA-ene ved eksamen. Revisorloven er ikke pensum.
d) Ettersom øvre grense er større enn tolererbar feil, kan Lorring ikke akseptere
populasjonen.
e) Beregning av endring ny øvre grense:
Undervurderingsfaktor
Utvalgsintervall
(«tainting factor»)
Feil 4: 0,25 (500/2.000)
34.274
Feil 5: 0,33 (5.000/15.000)
Reduksjon øvre grense
34.274
Projisert feil
8.569
11.310
19.879
f) Ny øvre grense blir 205.393 (225.272 -19.879). Denne grensen er lavere enn tolererbar
feil slik at populasjonen kan aksepteres, dvs. feilen knyttet til varelageret er ikke
vesentlig.
Oppgave 3 (40 %)
a) Revisjonsrisiko: Revisjonsrisikoen bør settes til «lav» siden Outdoor Gear er et børsnotert
selskap som følges tett av investorer, analytikere og reguleringsmyndigheter.
Risiko for vesentlig feilinformasjon: Flere forhold tilsier at risikoen for vesentlig
feilinformasjon bør settes «høy».
Kundefordringer er relatert til salget som har økt med 15 % for Outdoor Gear i forhold til
2011, mens salgsveksten i Outdoor Gear’s marked har vært på 4 % de siste 4 årene. Du har
også uttrykt bekymring for de relativt store utestående kundefordringene. 900 millioner i
fordringer pr. 31.12.2012 tilsier en omløpshastighet på ca. 82 dager utstående dager (365/
/(4.000/900) som er høyt gitt kredittvilkårene (maks 60 dager).
Som følge av at de normale betingelser for å innvilge kreditt er fraveket i siste halvår av
2012, er det også et større spørsmål i hvilken grad fordringene vil bli betalt. At den interne
kontrollen for kundefordringer er vurdert til generelt god (og ikke meget god), kan
indikerer at dette er visse problemer.
Aksjekursen har vært stabil de siste 3 årene. Aksjeopsjonene er betydelige. At
utøvelsestidspunktet for ledelsens aksjeopsjoner er ved utgangen av 2013 kan bety at
ledelsens ønsker å bedre resultatene og at resultatstyring («earnings management») eller
misligheter kan kunne forekomme, også på salgsområdet, for å øke aksjekursen.
Tilsvarende betyr det faktum at flere store investorer har tatt betydelige korte posisjoner i
aksjen at disse investorene forventer at Outdoor Gear resultater/aksjekurs vil svekkes
fremover og dette kan ha sammenheng med mulig resultatstyring («earnings
management») eller misligheter på salgsområdet.
Oppdagelsesrisikoen: Oppdagelsesrisikoen bør være «lav» som følge av at
revisjonsrisikoen settes «lav» og risikoen for vesentlig feilinformasjon settes «høy».
Se McKee forelesning om «Risk Based Auditing» og slides 36-37 for diskusjon av
revisjonsrisikomodellen.
b) Several empirical studies have indicated that more than 50% of financial frauds related to
revenue recognition and since revenues and receivables are interrelated accounts, this risk
relates to receivables. Auditing standards indicate that the auditor has a responsibility to
assess fraud risk. Fraud risk can be assessed using a quantitative fraud model or via
evaluation of a «red flags» checklist based on the auditing standards. See Hoffman and
Zimbelman assigned article about using strategic reasoning to identify fraud risks. See
McKee fraud lectures Powerpoints 19-28 for discussion of objective fraud models.
Going concern is a risk which should be evaluated on all audits. Given the large company
size and high level of net income it would appear that this risk should be low. However,
poor liquidity can increase going concern risk and given the large amounts of inventory
and receivables there could be a liquidity problem. Going-concern risk can be assessed
using a quantitative model and/or via evaluation of going concern problem indicators listed
in the auditing standards. See Lensberg, Eilifsen, and McKee article on quantitative model
for assessing going concern risk.
Auditing standards require that the auditor test revenue recognition policies and procedures
to help the fraud risk evaluation as well as test compliance with accounting standards. An
open question is whether the significant relaxation in credit requirements would fall into
the area of a change in accounting principles. Revenue recognition can be tested via direct
tests, such as selecting a sample of transactions from shipping documents and tracing to the
revenue account (bottom up test) and selecting a sample from transactions recorded in the
revenue account and tracing back to shipping and other supporting documents (top down
test). It is also possible to test revenue recognition via a variety of analytical models such
as a regression equation predicting revenues from a variety of factors such as advertising
budget, prior month sales, and inventory change amounts.
c) A common direct test would be to send positive and/or negative confirmations to a sample
of year-end receivable balances.
Another common direct test would be to examine subsequent cash collections related to the
year-end receivable balances.
Still another direct test would be to break receivables down into aging categories to help
evaluate collectability.
An analytical test would be to compare ratios such as receivable turnover, days sales in
receivables, etc. to both industry norms and to time-series trends for Outdoor Gear.
Another analytical test would be to perform a time-series modeling of either weekly or
monthly receivable balances to see what the predicted value for year-end receivables
would be.
An additional analytical test would be to perform a regression modeling of receivables
based on recorded revenues and inventory change amounts. A test which considers the
joint relationship between receivables, revenues, and inventory changes would be more
powerful. See assigned article by Vandervelde, Chen and Leitch for more discussion on
the joint consideration of accounts.
See McKee Analytical Auditing lecture Powerpoints 40-46 for discussion of regression
applications.
d) An explanation based on assigned article:
See page 80 in the Vandervelde, Chen, and Leitch article; «From a cross-sectional
perspective, accounts such as sales and receivables are considered to be related…» and
«From a temporal perspective, the business process of the organization causes some
accounts to be related to other accounts from one period to the next. »
The Martingale model reflects only a temporal perspective since is only considers the prior
period balance of the receivables account.
The Stepwise Regression model reflects both a temporal and cross-sectional perspective
since it has prior month receivables influencing current month receivables (temporal
perspective) and current month revenue and current month receivable collections
influencing current month receivables (cross-sectional perspective). See page 93 in the
Vandervelde, Chen, and Leitch article, «… both cross sectional and temporal analysis
shows significantly fewer Type II errors when the joint method of analysis is used…»
An explanation based on logic:
The Stepwise Regression model includes the Martingale Model as the X1 variable and two
other possible predictors, therefore it would be expected to have fewer errors, both Type I
and Type II assuming there is any predictive power in X2 and X3.
e) See McKee lectures and On The Go Stores cases for discussion.
Negative approach suggest error if | Residual | ≥ tolerable error – [ Z ( 1 – alpha) x
Standard Error ]
Negative approach suggests account is in error if 20 million ≥ 35 million – [ 1.96 x 15
million ]
Negative approach suggests 20 million ≥ 5.6 million so account is in error.
Positive approach suggests account is in error if 20 million ≥ [ 1.96 x 15 million ]
Positive approach suggests 20 million ≤ 29.4 so account is NOT in error.
Positive approach does not control risk of incorrect acceptance and leaves risk of incorrect
acceptance at approximately 50%.
f) One analytical procedure to consider would be a «systems analytics» approach where
monthly revenue transactions are analyzed via software such as ACL, Ideal, or Excel
which filters out transaction above some reasonable size limit, say 10 million. The filtered
transactions would be tested directly to ascertain that they were bona fide transactions. See
McKee Analytical Auditing Powerpoints 33-38 for system analytic discussion.
Another analytical procedure would be to do a weekly graphical analysis of sales revenues
to see if any weeks were abnormally high. It would be possible to do this procedure via
regression and use the standard error of the regression equation to set up a decision rule for
determining which weeks were abnormal enough to warrant detailed testing. See McKee
Analytical Auditing Powerpoints 22-30 for discussion of simple time series analysis and
40-46 for discussion of regression applications.