抽样，一场与概率的博弈，审计师最痛并快乐着的日常

作为一名在注会行业摸爬滚打多年的“老兵”，每当年报季来临，伴随着键盘敲击声和速溶咖啡的香气，有一个词就像幽灵一样盘旋在我们每一个审计人的脑海里——抽样。

如果你问我，审计的本质是什么？教科书会告诉你，审计是为了对财务报表的公允表达发表意见，但如果你问坐在堆积如山的凭证底稿前的我，我会告诉你：审计的本质，就是一场关于抽样的豪赌。 我们在用有限的样本，去试图还原那个庞大、复杂且充满不确定性的经济真相。

我想撇开那些枯燥的审计准则条文，用最接地气的方式，和大家聊聊“抽样”这门手艺，谈谈我们在数字海洋里捞针时的焦虑、直觉与那些不得不说的个人观点。

为什么我们不能“全查”？——那个关于“尝葡萄”的真理

很多人对审计师有一个天大的误解，觉得我们拿着放大镜，会把公司每一笔账、每一张发票都看一遍，每当听到亲戚朋友说：“哎呀，你是审计啊，那你们查账一定查得特别细，连买个订书机的发票都看吧？”我只能报以一个尴尬而不失礼貌的微笑。

亲爱的，如果真的要全查，别说一家上市公司，就是一家稍微成规模的中小企业,我们也得查到地老天荒去。

这就好比你去水果摊买葡萄，老板热情地递过来一颗让你尝尝，说：“不甜不要钱！”你吃了一颗，甜得齁嗓子，于是你放心地买了一整串，在这个场景里，你就是一个审计师，那一整串葡萄就是“总体”，而你吃的那一颗就是“样本”。

你并没有把整串葡萄都吃一遍（那是采购，不是审计），你通过“抽样”这一颗,推断出整串葡萄的品质。

这就是抽样的第一层逻辑：成本与效益的权衡。

在审计实务中，面对一年几十万、上百万笔的银行流水和销售记录，全查的成本是客户无法承受的，也是我们无法完成的，我们必须用科学的方法，从这庞大的数据中抽取一部分,以此来推断整体的情况。

这里有一个巨大的风险：万一你尝的那颗是甜的，但藏在袋子底下的那几颗是酸的呢？万一你抽到的凭证都是合规的，而那些被你漏掉的、藏在阴暗角落里的舞弊凭证呢？

这就是审计师焦虑的根源，我们永远在问自己：这一把，会不会抽偏了？

职业判断 vs. 统计模型：谁才是老大？

在注会考试的教材里，关于抽样有着大段大段的理论，什么“统计抽样”、“非统计抽样”、“随机选样”、“系统选样”，这些公式在考场上是拿分利器，但在实际工作中,情况往往要复杂得多。

我见过刚毕业的实习生，拿着计算器，严格按照随机数表来选样，一脸虔诚地仿佛在进行某种宗教仪式，我也见过退休返聘的老法师，叼着烟斗，随手一翻，指着几行凭证说：“查这几笔，准有问题。”

这就是审计界的“学院派”与“实战派”。

我个人更倾向于一种“混合主义”的观点。

统计抽样虽然科学，能计算出抽样风险，能算出置信区间，但它有一个致命的弱点：它对数据是“盲视”的，它不知道哪笔交易背后有故事,它只知道这是第1001号还是第1002号。

而职业判断，也就是非统计抽样，虽然听起来有点“玄学”,但它往往能直击要害。

举个具体的例子：

记得有一年，我去一家制造企业审计存货，这家公司的仓库非常大，堆满了各种规格的钢材，如果按照纯统计学的随机抽样，我们可能会被随机指引到仓库最外面的几排,或者随机到一些并不重要的零星配件。

带我的经理——一位拥有敏锐嗅觉的“老审计”，并没有完全依赖随机数，他先在仓库里转了一圈，跟仓库管理员聊了聊天，他发现，仓库最深处的一个角落被帘子遮住了,而且管理员经过那里时眼神有些闪躲。

经理立刻调整了抽样策略，他不再完全随机，而是特意指定了几笔位于那个“死角”的存货进行盘点。

结果你猜怎么着？那几笔存货全是发霉生锈的废料，根本无法使用，账面价值却高达数百万，如果完全依赖随机数表,这几笔废料被抽中的概率可能只有千分之一。

这就是我为什么一直强调：工具是死的，人是活的。 统计模型是我们的手杖，但职业判断才是我们的眼睛，在这个例子里，管理员的闪躲眼神就是最强烈的“审计迹象”,比任何Excel公式都来得真实。

货币单位抽样（PPS）：那个让大额金额颤抖的“神技”

说到具体的抽样技术，我必须得吹一波“货币单位抽样”（PPS），也就是概率比例规模抽样，这绝对是现代审计中最伟大的发明之一，它完美地体现了“抓大放小”的哲学。

传统的抽样是按“凭证数量”来算的，每一张凭证被抽中的机会是一样的，但在PPS抽样里,每一分钱被抽中的机会是一样的。

这意味着什么？意味着金额越大的凭证,被抽中的概率就越高。

生活实例来了：

这就好比安检，如果安检员采用“按人数抽样”，那么不管是背着大包小包的商务客，还是只带个手机的过路人，被拦下来搜身的概率是一样的，这显然不合理，因为商务客包里藏违禁品的“风险敞口”更大。

如果安检员采用PPS的逻辑（按物品体积或重量抽样），那么那个背着巨大登山包的人，被抽中检查的概率就是100%，而那个两手空空的人,概率几乎为零。

在审计工作中，PPS抽样简直是神技，当我们审计应收账款时，如果公司有一笔5000万的巨额欠款，还有100笔每笔5万的小欠款，在PPS逻辑下，那笔5000万的大单几乎是必查的（因为它在总体中占比巨大）,而那些小单可能被忽略。

我的观点是：PPS抽样极大地提升了审计效率，但也带来了“幸存者偏差”的陷阱。

因为我们太关注大额项目了，往往会忽略那些“苍蝇腿”也是肉，我经手过一个舞弊案例，作案者非常狡猾，他从来不在大额资金上动手脚，因为那里是审计的“重灾区”，相反，他通过虚构了几百笔几百块、几千块的小额费用报销，积少成多,一年居然贪了五十多万。

如果我们当时完全迷信PPS抽样，只盯着大额看，这笔由无数“小额”组成的舞弊可能就漏网了。PPS虽好，但千万不要忘了对异常事项的关注，哪怕金额再小。

那些被我们漏掉的“漏网之鱼”：关于风险的思考

做审计久了，人容易变得神经质，哪怕我们设计了完美的抽样方案，选了100个样本，查了99个没问题，只要最后1个发现了错报，或者更惨——在外部审计结束后，监管机构查出了我们没发现的错报,那就是灾难。

这就涉及到了抽样风险：误受风险和误拒风险。

误受风险： 我们以为没问题，其实有大坑，这是最致命的，可能导致审计失败,甚至诉讼。
误拒风险： 我们以为有问题，其实没问题，这通常只是让我们多做了一些无用功,效率低点而已。

我想讲一个让我至今心有余悸的故事。

那是对一家连锁餐饮企业的审计，我们在测试营业收入时，对全年的POS机流水进行了抽样，样本结果非常好，误差率在可容忍范围内,我们出具了无保留意见的审计报告。

半年后，有内部员工举报，说该公司的店长有“飞单”的行为：即客人扫码点餐付款，钱进了店长个人的二维码,然后店长在系统里把这笔单子作废删除。

为什么我们的抽样没发现？因为我们的抽样是基于“系统里生成的记录”，既然单子被删除了，系统里就没有记录，我们的总体里自然就没有这笔交易,又怎么可能抽中呢？

这就是典型的“总体定义错误”导致抽样失效，我们就像是在打捞沉船，却只在地图上画好的区域里打捞,而真正的宝藏其实在地图之外。

这件事给我上了一课：抽样不仅仅是数学题，更是对业务流程的理解题。 如果你不理解业务，不知道钱是怎么进来的，又是怎么出去的，你设计的抽样模型再完美,也是在盲人摸象。

大数据时代，抽样会消失吗？

我想聊聊未来。

随着大数据、人工智能和区块链技术的发展，有一种声音越来越响亮：既然计算机算力这么强，为什么还要抽样？我们可以做“全量审计”啊！

理论上，是的，如果企业的ERP系统与审计软件实时对接，每一笔交易都被AI算法实时监控,那么抽样确实可能成为历史。

我个人对此持保留态度。 至少在相当长的一段时间内，抽样不会消失,反而会变得更加重要。

为什么？

数据的“垃圾进，垃圾出”： 哪怕我们能全量读取数据，如果原始数据本身就是假的（比如前面提到的“飞单”，或者虚构的合同）,全量分析也只是在分析一堆精致的谎言。
职业判断的不可替代性： 审计不仅仅是核对数字，更是对商业逻辑的审视，计算机可以告诉你“这笔交易没有发票”，但它无法告诉你“这笔交易虽然发票齐全，但在这个时间点、跟这家关联方发生交易，非常不合常理”，这种对“商业合理性”的判断，依然需要审计师通过抽样（或者说是聚焦检查）来完成。
成本依然存在： 虽然算力便宜了,但分析复杂业务逻辑的人力成本依然高昂。

未来的审计，可能会从“随机抽样”进化为“智能抽样”，AI会帮我们识别出高风险区域，然后告诉我们：“老板，这几千笔数据看起来很正常，不用管；但这几笔虽然金额小，但特征很诡异，建议重点检查。”