Decision Tree Tool for Auditors' Going Concern Assessment in Spain

Abstract

The COVID-19 pandemic increased uncertainty about the financial future of many organizations, and regulators alerted auditors to be increasingly skeptical in assessing an entity’s ability to continue as a going concern. An auditor’s assessment of an entity’s ability to continue as a going concern is a matter of significant judgment. This paper proposes to use machine learning to construct a Decision Tree Automated Tool, based on both quantitative financial indicators (e.g., Zscores) and qualitative factors (e.g., partners’ judgment and assessment of industry risk given the pandemic). Considering both quantitative and qualitative factors results in a model that provides additional audit evidence for auditors in their going-concern assessment. An auditing firm in Spain used the model as a supplemental guide, and the model’s suggested results were compared to auditors' reports to evaluate its effectiveness and accuracy. The model’s predictions were significantly similar to the auditors’ assessments, indicating a high level of accuracy, and differences between the model's proposed outcomes and auditors' final conclusions were investigated. This paper also provides insights for regulators on both the use of machine-learning predictive models and additional factors to be considered in future going-concern assessment research.

La pandemia del COVID-19 aumentó la incertidumbre sobre el futuro financiero de varias organizaciones, y los reguladores alertaron a los auditores para que fueren escépticos a la hora de evaluar la habilidad de las entidades de continuar como empresa solvente. La evaluación de un auditor sobre la habilidad de una entidad de continuar como empresa solvente es un asunto que requiere un juicio significativo. Este artículo propone el uso de aprendizaje automático para construir una Herramienta Automatizada de Árbol de Decisión, basada en indicadores financieros cuantitativos (e.g., Z-scores) y factores cualitativos (e.g., juicio de compañeros y evaluación de riesgo de la industria debido a la pandemia). La consideración de factores tanto cuantitativos como cualitativos resulta en un modelo que proporciona evidencia de auditoría adicional a los auditores en su evaluación de la solvencia de la empresa. Una empresa de auditoría en España empleó el modelo como guía suplementaria, y se comparó los resultados sugeridos por el modelo con los informes de los auditores para evaluar su eficacia y precisión. Las predicciones del modelo fueron significativamente similares a las evaluaciones de los auditores, indicando un alto nivel de precisión, y se investigaron las diferencias entre los resultados propuestos por el modelo y las conclusiones finales. Este artículo también ofrece información para reguladores sobre el uso de modelos predictivos de aprendizaje automático y factores adicionales de consideración en futuras investigaciones sobe la evaluación de la solvencia.