본 연구에서는 재무제표의 오류와 사기를 예측하는 신경망모형을 구축하여 감사인이 재무제표의 오류와 사기를 적발하는 기술로의 이용 가능성을 조사한다. 재무제표로부터 도출된 재무비율과 추세 변수를 이용하여 신경망모형을 구축한 후, 이를 시험표본에 적용하여 신경망모형이 얼마나 잘 제무제표의 사기 여부를 탐지할 수 있는가에 대하여 비교·분석한다. 신경망은 학습표본을 통하여 사기재무제표와 비사기재무제표의 패턴에 대한 학습을 하게 되며, 학습에 의하여 인지된 모형을 이용하여 주어진 재무제표를 분류할 수 있게 된다. 사기재무제표란 사기의 위험이 높은 재무제표로서 감사인의 감사위험 평가에 주의를 요하게 되며, 따라서 감사인의 증대된 입증감사를 요구하게 되는 것이다. 종전의 많은 연구들은 감사계획 단계에서 이용되는 분석적검토절차가 재무제표의 왜곡과 오류를 효율적으로 적발할 수 있는가에 대하여 조사하였으나, 연구 결과들에 의하면 이에 대한 일반적인 결론을 내리기 힘들다. 또한 대부분의 종래 연구들은 분석적검토절차가 감사위험 측정에 얼마나 유효한가를 조사하기 위하여 특정 계정에 대한 분석적검토절차를 통해 개 별적으로 조사하였다. 본 연구에서는 주어진 모든 재무자료를 종합적으로 고려하여 비선형 모형을 도출하는 신경망기법을 이용하여 위험을 측정하였다. 따라서 본 연구는 신경망기법의 패턴 인식 능력을 이용한 재무제표의 분류라는 점에서 종래의 분석적검토절차에 대한 연구와 구별된다 하겠다. 본 연구의 결과에 의하면 신경망모형은 사기가 포함되지 않았을 때 잘못된 신호(signal)를 더 적게 주면서, 사기가 포함되었을 때에는 추가의 조사가 필요하다는 신호를 더 우월하게 준다. 감사인은 감사과정에 있어 신경망기법을 이용함으로써 감사의 효율을 높일 수 있다. 현존하는 사기위험 측정 방법이 동전 던지기 이상의 효과가 없는 것임을 감안할 때 신경망기법을 이용한 위험 측정의 개선은 감사실무 상에서 상당한 유용성을 가져올 수 있다.