Audit Sampling Worksheet — 감사 샘플링 워크시트

문서 정보 (Document Information)

A. 모집단 (Population Parameters)

항목금액 (Amount)항목수 (# Items)
Account balance (계정잔액)
Key items (주요항목) ?
Negative balance items (음수항목 절대값)
Excluded items (기타 제외 항목)
Sampled balance (최종 샘플링 대상) - -

B. R-Factor 평가 (Assurance Assessment)

평가 항목선택R-factor 값
RMM Level (중요왜곡표시위험) ? 2
TOC Assurance (통제테스트 보증) 0
SAP Assurance (분석적실증절차) ? 0
Other Substantive Procedures (기타실증절차) ? 0
Substantive Sampling R-factor (실증샘플링 R-factor) 2
⚠ Warning: Total assurance exceeds RMM level (총 보증이 RMM을 초과합니다)
⚠ Warning: Total assurance is less than RMM level (총 보증이 RMM보다 부족합니다)
⚠ Note: TOCs cannot provide 100% assurance that all control deviations have been detected. Additional substantive procedures should be considered. (통제테스트는 100% 보증을 제공하지 못합니다)

C. 샘플사이즈 산정 (Sample Size Calculation)

Initial sample size (초기 샘플수) -
Initial sample (rounded) (반올림) -
Variability addressed? (변동성 고려) ?
Adjusted sample size (조정 후 샘플수) -
Key items count (주요항목 건수) 0
Total Sample Size (최종 샘플수) -
산식: Sample Size = Sampled Balance × R-factor / PM × Variability Multiplier + Key Items

D. 표본선택 방법 (Sample Selection Method)

문서 정보 (Document Information)

A. 속성 정의 (Attribute Definition)

Attribute 1 (속성 1)Attribute 2 (속성 2)
Attribute being tested
Assertion tested (주장)

B. R-Factor 평가 (Assurance Assessment)

평가 항목Attribute 1Attribute 2
RMM Level
TOC Assurance
SAP Assurance
Other ToD Assurance
Remaining R-factor 2 2
Attribute Sample Size (속성 샘플수) 40 40
⚠ Attribute 1: Total assurance exceeds or is less than RMM
⚠ Attribute 2: Total assurance exceeds or is less than RMM

C. 속성 샘플사이즈 참조 테이블

R-factorSample Size
00
0.11
0.23
0.35
0.47
0.510
1.020
1.530
2.040
2.550
3.060

D. 표본선택 (Sample Selection)

비층화 수치 추정 (Numeric Extrapolation)

For non-stratified samples: Interval, Random, Haphazard methods

A. Actual value of errors in representative sample (대표표본 오류금액)
B. Value of sampling items tested (표본항목 금액)
C. Value of population tested (모집단 금액, 주요항목 제외)
D. Extrapolation (추정 오류금액) = A/B × C 0
E. Total errors in key items (주요항목 오류금액)
F. Subtotal (소계) = D + E 0
G1. Less: Corrected known misstatements (수정된 오류금액)
G2. Less: Corrected projected misstatements
H. Best Point Estimate (최선추정치) = F - G 0
I. Total Identified Misstatements = A + E - G1 0

IPE Testing Sample Size Calculator

IPE (Information Produced by the Entity) 테스트를 위한 7단계 샘플사이즈 결정 도구입니다.

1RMM Level (중요왜곡표시위험 수준) -
2Balance vs Materiality (FSLI 잔액 대비 중요성) Base A: -
3Volume of Items (항목 수) Base B: -
4Assertion Direction (주장 방향) C: -
5TOC Assurance (통제테스트 보증) D: -
6IPE Complexity (IPE 복잡도) E: -
7Importance of IPE (IPE 중요도) Final: -
Suggested Sample Size (권장 샘플수)
-

Potential for Control Failure Assessment (통제실패 가능성 평가)

평가 요소 (Factor)Control 1Control 2Control 3
Control name (통제명)
1. Type of control (통제유형)
2. Routine or non-routine (정형/비정형)
3. ELC mitigation (ELC 완화 여부)
4. Changes in volume/nature (거래량/성격 변화)
5. History of errors (오류 이력)
6. Competence & authority (역량 및 권한)
7. Subjectivity / judgment (주관성/판단)
8. Complexity (복잡성)
9. Previous testing results (전기 테스트 결과)
10. Overall Assessment (종합 평가)

Internal Audit Reliance (내부감사 의존)

항목Control 1Control 2Control 3
Quantity tested by IA
Competence (역량)
Objectivity (객관성)
Reliance placed (의존 수준)

Sample Selection (표본 선택)

항목Control 1Control 2Control 3
Period operating (운영 기간)
Estimated population (추정 모집단)
Source of population
Sample size (샘플수)
Methodology (방법론)

R-factor의 이해 및 적용

1. Detection Risk (적발위험)

DR = AR - IR - CR
DR: Detection Risk, AR: Audit Risk, IR: Inherent Risk, CR: Control Risk

감사위험(AR)은 고유위험(IR), 통제위험(CR), 적발위험(DR)으로 구성됩니다. 적발위험은 실증절차를 통해 관리하며, R-factor는 이를 수치화한 것입니다.

2. R-factor 산식

R-factor = -ln(1 - Confidence Level)

신뢰수준(Confidence Level)을 R-factor로 변환하는 공식입니다.

3. 신뢰수준 → R-factor 변환표

Audit Risk (AR)Confidence LevelR-factor
5%95%3.0
10%90%2.3
40%60%0.9
60%40%0.5

4. R-factor → 신뢰수준 역변환

Confidence Level = 1 - e-R
R-factorConfidence Level
3.095%
2.086%
1.063%
0.539%

5. RMM 수준별 R-factor

RMM LevelR-factorConfidence
Significant risk (유의적 위험)395%
Normal risk (일반 위험)286%

R-factor 변환 계산기 (Interactive Converter)

%
R-factor: -
⇄
Confidence: -

📖 앱 사용 가이드 (App Usage Guide)

이 앱은 ISA 530 기반 감사 샘플링의 샘플수 결정 → 샘플 추출 → 오류 평가 전 과정을 지원합니다. 아래 워크플로우에서 각 탭을 클릭하면 해당 탭으로 이동합니다.

▸ 경로 1: 대표표본 (Representative Sampling)
→ → 감사 절차 수행 →
▸ 경로 2: 속성표본 (Attribute Sampling)
→ → 감사 절차 수행 → 빈도 평가
▸ 경로 3: 조회서 샘플링 (Confirmation)
→ → 조회서 발송 → 회수 → 대체절차

보조 탭:

  • Tab 4 (IPE 테스트) — 피감사인 생성 정보의 신뢰성 테스트 샘플수 (독립적 사용)
  • Tab 5 (통제테스트) — 내부통제 효과성 평가 → 결과를 Tab 1/2의 TOC에 반영
  • Tab 6 (R-factor 참고) — R-factor 개념 이해 및 신뢰수준 변환기
💡 팁: 먼저 Tab 1에서 샘플수를 결정한 뒤, Tab 8에서 모집단 파일을 업로드하여 실제 샘플을 추출하세요. 모든 입력값은 브라우저에 자동 저장됩니다.

목적: 실증적 세부테스트(Test of Details)의 대표표본 크기를 산정합니다.

A. 모집단 파라미터
입력 필드설명입력 예시
Account balance계정잔액 총액 (금액 + 항목수)10,000,000,000 / 25건
Key itemsPM 초과 등 타겟 항목 (금액 + 건수)2,000,000,000 / 5건
Negative balance음수 항목 절대값 합계50,000,000
Excluded items기타 제외 항목 금액0
Overall Materiality전체 중요성 금액500,000,000
Performance Materiality수행중요성 (PM)375,000,000

Sampled balance = Account balance - Key items - Negative - Excluded (자동 계산)

B. R-Factor 평가
평가 항목선택지R-factor 값
RMM LevelNormal(2) / Significant(3)2 또는 3
TOC Assurance미수행(0) / 수행(2)0 또는 2
SAP AssuranceNone(0) ~ Significant(2)0 ~ 2
Other SubstantiveNo(0) ~ Yes(2.5)0 ~ 2.5
Substantive R-factor = MAX(0, RMM - TOC - SAP - OSP)
C. 샘플사이즈 산식
Sample Size = (Sampled Balance × R-factor / PM) × Variability Multiplier + Key Items

Variability: No(×1.25배) 또는 Yes(×1.0배). 모집단 변동성이 낮다고 판단될 때 Yes를 선택합니다.

D. 표본선택 방법

Monetary Unit(MUS) 선택 시 Monetary Interval(화폐 간격)이 자동 표시됩니다.

💡 팁: R-factor가 0이 되면 샘플수가 0건입니다. 이는 통제테스트 등으로 충분한 보증을 확보한 경우입니다.
⚠️ 주의: PM은 반드시 0보다 큰 값을 입력하세요. PM=0이면 산식에서 나누기 오류가 발생합니다.

목적: Accept/Reject 기반 테스트의 샘플수를 결정합니다. (예: 매출 cut-off 테스트)

대표표본과의 차이: 금액 추정이 아닌 빈도(rate) 기반 평가입니다. 오류 건수로 모집단을 평가합니다.

사용 절차
  1. 속성 정의 (Section A): 최대 2개 속성을 동시에 정의합니다. 속성명과 경영진 주장(Assertion)을 입력합니다.
  2. R-factor 평가 (Section B): 각 속성별로 독립적으로 RMM/TOC/SAP/OSP를 평가합니다.
  3. 샘플수 자동 결정: R-factor에 따라 고정 테이블에서 샘플수가 결정됩니다.
  4. 표본선택 (Section D): 모집단 설명과 선택 방법을 기록합니다.
R-factor → 샘플수 참조표
R-factor00.51.01.52.02.53.0
샘플수0102030405060
💡 팁: 속성표본은 Tab 3 오류추정을 사용하지 않습니다. 발견된 오류 건수를 기반으로 모집단 평가를 수행합니다.

목적: 대표표본에서 발견된 오류를 모집단 전체로 확장(extrapolate)합니다.

모드 선택 기준
추출 방법추정 모드
Random / Interval / Haphazard비층화 추정 (Numeric)
Stratified / MUS층화/MUS 추정 (Stratified)
비층화 추정 흐름
A(표본 오류) → B(표본 금액) → C(모집단 금액) → D = A/B × C (추정 오류)
→ E(Key Item 오류) → F(소계) → G(수정) → H = F - G (최선추정치)
층화/MUS 추정

각 층(행)별로 오류금액 / 표본항목금액 × 간격을 산출하고, 합계를 구합니다. '+ 층 추가' 버튼으로 행을 추가합니다.

💡 팁: 오류가 없으면(A=0) 추정값도 0이 되어 감사결론은 '합격'입니다.
⚠️ 주의: 최선추정치(Best Point Estimate)가 PM을 초과하면 추가 감사절차가 필요합니다.

목적: 피감사인이 생성한 정보(Information Produced by the Entity)의 신뢰성 테스트 샘플수를 결정합니다.

이 탭은 다른 탭과 독립적으로 사용됩니다. Tab 1과 별개의 계산입니다.

7단계 의사결정 트리
  1. RMM Level: Normal 또는 Significant 선택
  2. Balance vs Materiality: FSLI 잔액이 PM의 몇 배인지 구간 선택 → 기본값(A) 결정
  3. Volume of Items: 모집단 항목 수 구간 선택 → 기본값(B) 결정
  4. Assertion Direction: Existence(MIN) / Completeness(MAX) / Both(MAX) → A와 B 중 선택
  5. TOC Assurance: 통제테스트 수행 여부. Yes = ×0.2배 감소
  6. IPE Complexity: Simple(×0.2) / Non-complex(×0.6) / Complex(×1.0)
  7. Importance of IPE: 최종 중요도 배수 적용
💡 팁: 최종 결과는 참고치이며, 감사인의 전문적 판단으로 조정할 수 있습니다. Applied sample size에 최종 수를 기입하세요.

목적: 내부통제 운영의 효과성을 테스트합니다. 결과는 Tab 1/2의 TOC Assurance에 반영합니다.

하위 탭 1: 통제실패 가능성 평가

최대 3개 통제를 동시에 평가합니다. 각 통제별 9개 요소를 평가하여 종합 판단(High/Medium/Low)을 도출합니다:

평가 요소설명
Type of control자동/수동 통제 구분
Routine/Non-routine일상적/비일상적 거래
ELC mitigationEntity Level Control 보완 여부
Changes당기 변경사항 존재 여부
Error history과거 오류 이력
Competence담당자 역량
Subjectivity주관적 판단 필요도
Complexity통제의 복잡도
Previous results이전 연도 테스트 결과
하위 탭 2: 샘플사이즈 참조 테이블

모집단 규모(500+, ~350, ~50, ~12, ~4회)별 × 통제실패 가능성(High/Medium/Low) × 내부감사 의존도(None/Some/Max)로 샘플수를 조회합니다.

💡 팁: 통제테스트 결과가 양호하면 Tab 1에서 TOC Assurance를 '2'로 설정하여 R-factor를 줄일 수 있습니다. 이는 실증테스트 샘플수를 크게 감소시킵니다.

목적: R-factor의 이론적 배경을 이해하고, 신뢰수준과의 변환을 수행합니다.

핵심 개념
Detection Risk (DR) = Audit Risk (AR) - Inherent Risk (IR) - Control Risk (CR)
R-factor = -ln(1 - Confidence Level)
변환 계산기 사용법
방향입력출력예시
좌측신뢰수준 (%)R-factor86% → 1.97
우측R-factor신뢰수준 (%)2.0 → 86.5%
주요 참조값
R-factor0.71.01.52.02.33.0
신뢰수준50%63%78%86%90%95%
💡 팁: R-factor 2.0은 약 86% 신뢰수준에 해당하며, 대부분의 일반 위험 계정에 적용됩니다 (RMM=Normal, TOC 미수행).

목적: 모집단 파일을 업로드하고 실제 샘플을 추출합니다.

3단계 절차
  1. 모집단 업로드: Excel(.xlsx/.xls) 또는 CSV 파일을 드래그&드롭. 다중 시트 파일은 시트 선택 가능. 상위 10행 미리보기 제공.
  2. 샘플링 설정: 방법 선택, 샘플 수 입력, 금액 컬럼 지정 (필요 시). 'Tab 1 결과 적용' 버튼으로 산정된 샘플수를 자동 연동할 수 있습니다.
  3. 결과 확인 및 다운로드: 추출 통계 확인 후 Excel 다운로드. '샘플만'(선택된 항목만) 또는 '전체+표시'(모집단에 Sampled 컬럼 추가) 중 선택.
5가지 샘플링 방법 비교
방법적합한 경우금액 컬럼특징
Random일반적 상황불필요Fisher-Yates 알고리즘
Interval체계적 추출불필요시작점 + 고정 간격
Haphazard소규모 모집단불필요무작위 유사 선택
Stratified금액 편차 큰 모집단필수층별 비례 배분
MUS금액 비례 추출필수금액 큰 항목 우선 선택
💡 팁: Tab 1에서 산정한 샘플수를 'Tab 1 결과 적용' 버튼으로 바로 가져올 수 있습니다.
⚠️ 주의: Stratified/MUS 방법 선택 시 반드시 금액 컬럼을 지정하세요. 미지정 시 실행되지 않습니다.

목적: 채권(매출채권)과 채무(매입채무) 조회서 발송 대상을 샘플링합니다. 채권과 채무는 감사 주장이 다르므로 별도로 추출합니다.

채권 vs 채무 비교
채권 (Receivable)채무 (Payable)
주장실재성 (Existence)완전성 (Completeness)
위험과대계상 위험과소계상 위험
초점큰 금액 집중잔액 0 거래처도 고려
권장 방법MUS (금액 비례)Random (건수 기반)
사용 절차
  1. 공통 설정: Performance Materiality(PM)와 조회서 발송 기준일을 입력합니다. PM은 Tab 1과 동일하게 입력하세요.
  2. 파일 업로드: 채권/채무 모집단을 각각 업로드하고, 거래처명/잔액 컬럼을 지정합니다.
  3. Key Items 설정: PM 초과 항목 자동 선택 옵션을 활성화합니다. 장기 미수 항목 포함도 설정 가능합니다.
  4. 샘플 수 입력: Tab 1에서 산정한 수(Key Items 제외)를 입력합니다.
  5. 샘플 추출 및 다운로드: 개별 또는 채권+채무 통합 Excel을 다운로드합니다.
💡 팁: 채권은 MUS로, 채무는 Random으로 추출하는 것이 감사 표준에 부합합니다. 채권은 과대계상, 채무는 과소계상 위험에 초점을 맞추기 때문입니다.
⚠️ 주의: MUS 알고리즘은 금액 분포에 따라 요청한 샘플 수보다 실제 추출 건수가 적을 수 있습니다. 이 경우 경고 메시지가 표시됩니다.

Q1. 샘플수가 0건이 나옵니다.

R-factor가 0인 경우입니다. TOC + SAP + OSP의 합이 RMM 이상이면 R-factor = 0이 되어 실증테스트 없이도 충분한 보증이 확보된 것입니다. 의도된 결과가 맞는지 확인하세요.

Q2. Tab 1 결과와 Tab 8/9의 실제 추출 수가 다릅니다.

Tab 1은 이론적 샘플수 산정이고, Tab 8/9는 실제 추출입니다. MUS의 경우 금액 분포에 따라 실제 추출 건수가 달라질 수 있습니다. Tab 8에서 'Tab 1 결과 적용' 버튼을 사용하면 자동으로 연동됩니다.

Q3. MUS에서 요청 수보다 적게 추출됩니다.

MUS는 금액 기준 간격(Sampling Interval)으로 선택하므로, 금액이 특정 항목에 집중되어 있으면 고유 선택 건수가 줄어듭니다. 금액이 간격보다 큰 항목은 항상 100% 선택됩니다. 이런 항목은 Key Item으로 분류하는 것이 적절합니다.

Q4. Variability multiplier는 언제 Yes로 하나요?

모집단의 변동성이 낮다고 판단될 때 선택합니다. 사전 분석적 절차(기대값과 실제값 비교)를 수행하여 모집단이 안정적이라고 판단되면 Yes(×1.0)를 선택할 수 있습니다. 확실하지 않으면 No(×1.25)를 유지하세요.

Q5. 비층화 vs 층화 추정 중 어떤 것을 사용하나요?

추출 방법추정 모드
Random / Interval / Haphazard비층화 (Numeric)
Stratified / MUS층화/MUS (Stratified)

Q6. 인쇄 기능은 어떻게 작동하나요?

우측 상단 '인쇄' 버튼 클릭 시, 현재 활성 탭만 A4 포맷으로 인쇄됩니다. 브라우저의 인쇄 다이얼로그를 통해 PDF로도 저장 가능합니다.

Q7. 입력 데이터는 어디에 저장되나요?

브라우저의 localStorage에 탭별로 자동 저장됩니다. 같은 브라우저에서 다시 열면 이전 입력값이 복원됩니다. '현재 탭 초기화' 버튼으로 삭제할 수 있습니다. 파일 업로드 데이터(Tab 8, 9)는 저장되지 않으므로 매번 다시 업로드해야 합니다.

📚 감사 샘플링 방법론 (Audit Sampling Methodology)

Non-statistical sampling은 감사인의 전문적 판단에 의존하는 방법입니다. 샘플 결과를 수학적으로 모집단 전체에 확장(extrapolate)하기 어렵지만, 실무적으로 널리 사용됩니다.

Statistical sampling은 확률이론에 기반하여 샘플을 선택하고 결과를 평가합니다. 샘플링 위험을 정량적으로 측정할 수 있습니다.

두 방법 모두 적절하게 설계되고 실행된다면 충분하고 적절한 감사증거를 제공할 수 있습니다.

Key items은 위험 기반으로 선택되는 타겟 샘플링 항목입니다. 다음과 같은 경우 주요항목으로 선택합니다:

  • 개별적으로 중요한 금액의 항목 (예: PM 초과 항목)
  • 특정 위험 특성이 있는 항목 (비정상 거래, 관계자 거래 등)
  • 오류가 의심되는 항목

주요항목은 대표표본과 별도로 100% 테스트되며, 샘플사이즈 산정 시 모집단에서 제외됩니다.

Dual purpose tests는 하나의 테스트로 통제테스트(ToC)와 세부테스트(ToD)를 동시에 수행하는 것입니다.

이중 목적 테스트의 샘플사이즈는 각 목적의 요구 샘플수 중 큰 값을 사용합니다. 즉, ToC 샘플수와 ToD 샘플수 중 더 큰 샘플을 선택합니다.

이중 목적 테스트에서 통제 편차(deviation)를 발견한 경우, ToD의 R-factor 평가에서 TOC assurance를 줄여야 합니다.

Attribute sampling은 Accept/Reject 방식의 테스트에 사용됩니다. 대표적으로 매출 cut-off 테스트 등에 적용합니다.

속성표본의 샘플사이즈는 R-factor를 기반으로 고정 테이블에서 결정됩니다:

  • R=0.5 → 10건, R=1.0 → 20건, R=2.0 → 40건, R=3.0 → 60건

오류 발견 시 해당 속성의 모집단 전체에 대한 결론에 영향을 줍니다. 속성표본에서는 금액 추정(extrapolation)이 아닌 빈도(rate) 기반으로 평가합니다.

Error extrapolation은 대표표본에서 발견된 오류를 모집단 전체로 확장하는 과정입니다.

비층화 표본 (Numeric Extrapolation)
추정 오류 = (표본 오류금액 / 표본 가치) × 모집단 가치
층화/MUS 표본 (Stratified Extrapolation)
각 층 추정 = (오류금액 / 표본항목 금액) × 간격 또는 층 가치

Best Point Estimate (최선추정치)는 추정 오류에서 수정된 왜곡표시를 차감한 금액으로, 이를 PM과 비교하여 감사결론을 도출합니다.

통제테스트(ToC)는 내부통제가 설계된 대로 효과적으로 운영되고 있는지를 평가하는 절차입니다.

ToC vs ToD 샘플링의 차이
통제테스트 (ToC)세부테스트 (ToD)
목적통제 효과성 평가금액적 왜곡표시 검출
샘플 기준건수(빈도) 기반금액 기반
평가 방식편차율(Deviation rate)오류금액 추정
결과 활용TOC Assurance → R-factor 감소직접적 감사결론

통제실패 가능성(Potential for Control Failure)은 9개 요소를 종합하여 High/Medium/Low로 평가합니다. 이 평가 결과와 모집단 규모(통제 수행 빈도)에 따라 샘플수가 결정됩니다.

내부감사 의존(IA Reliance): 내부감사 결과를 활용할 수 있는 경우, 외부감사인의 직접 테스트 샘플수를 줄일 수 있습니다. 의존 수준은 None/Some/Max로 구분됩니다.

IPE (Information Produced by the Entity)란 피감사인이 생성한 정보로, 감사인이 감사절차에 사용하는 데이터입니다. 예를 들어 AR aging report, 재고 리스트, 매출 상세내역 등이 해당합니다.

IPE 테스트가 필요한 이유

감사인이 사용하는 데이터의 정확성과 완전성이 확인되지 않으면, 해당 데이터에 기반한 감사결론의 신뢰도가 저하됩니다. ISA 500은 감사증거로 사용되는 정보의 신뢰성 평가를 요구합니다.

7단계 결정 프레임워크

IPE 샘플수는 다음 요소들의 상호작용으로 결정됩니다:

  • 위험 수준 (RMM): Significant RMM은 기본 샘플수를 1.5배 증가
  • 금액 규모: PM 대비 잔액이 클수록 기본값 증가
  • 항목 수: 모집단이 클수록 기본값 증가
  • 방향성: Existence(MIN) vs Completeness(MAX)
  • 통제/복잡도/중요도: 배수(multiplier)로 최종 조정

📂 Step 1. 모집단 업로드 (Upload Population Data)

📄

파일을 드래그 & 드롭하거나 클릭하여 선택하세요

지원 형식: .xlsx, .xls, .csv

📨 채권채무조회서 샘플링 (Confirmation Sampling)

채권(매출채권)과 채무(매입채무) 모집단을 각각 업로드하여 별도로 샘플링합니다. 채권은 실재성(Existence), 채무는 완전성(Completeness) 주장에 초점을 맞춥니다.

⚙ 공통 설정 (Common Settings)

Tab 1의 PM과 동일하게 입력하세요

채권 Receivable 매출채권 샘플링

주장: 실재성(Existence) - 과대계상 위험 → 큰 금액 집중

📄

채권 모집단 파일 업로드

.xlsx, .xls, .csv

채무 Payable 매입채무 샘플링

주장: 완전성(Completeness) - 과소계상 위험 → 잔액 0 거래처도 고려

📄

채무 모집단 파일 업로드

.xlsx, .xls, .csv