MUS vs 古典的変数サンプリング

Definition

サンプリング設計の段階で「MUSか古典的変数か」と聞かれて、母集団の特性ではなく「いつもMUSでやっています」と答える調書が多い。経験上、これが繁忙期の終盤に金融庁モニタリングで真っ先に質問される箇所である。MUSと古典的変数サンプリングはどちらも監基報530で認められた手法だが、母集団の金額分布が偏っているか均等かで選ぶべき手法が変わる。デフォルトで選ぶものではない。

仕組み

ISA 530は監査人が2つの異なるサンプリング方法を選択できるとしている。MUS（貨幣単位サンプリング）は、ISA 530.A12で説明されるように、母集団内の各貨幣単位を等しく重要として扱う。高い金額の項目は自動的により多くのサンプリング単位を受け取るため、金額が偏った分布をしている母集団に適している。

古典的変数サンプリング（ISA 530.A25～A35）は、統計的抽出を使用して母集団の推定値の信頼区間を計算する。金額が比較的均等に分散している場合、このアプローチはより効率的である。両方法は異なる仮定に基づいているため、それぞれに独自の有効性条件がある。

ISA 530.A16では、MUSを使用する監査人は正規分布を仮定せず、母集団内の異なる誤謬が検出される確率を制御する。古典的変数サンプリングでは、ISA 530.A30で述べられているように、推定値の分布は正規分布に従うと仮定される。この違いは、各方法がどのように設計され、結果がどのように評価されるかに直接影響する。

実践例：田中鉄工所株式会社

クライアント：東京の製造業者。売上高€12.5M。現在監査中の売上債権残高€3.2M。売上債権は約800件の請求書で構成されている。

MUSによるアプローチ

ステップ1：金額ベースのサンプルサイズを計算する。監査人は許容虚偽表示額（性能重要性）として€320,000を設定した。MUSで期待される誤謬を€50,000と推定した。ISA 530.A18に基づいて、必要なサンプルサイズは約150件の請求書である。

文書記録：「MUS方法を選択した。許容虚偽表示額€320k、期待誤謬€50k、リスク係数3.0。計算されたサンプルサイズ：150項目。」

ステップ2：田中鉄工所の売上債権リストを売上高の昇順に並べた。各項目が選択される確率は、その金額に比例する。最も大きい請求書（€180,000）は自動的に高い確率で含まれた。中位の請求書（€4,000）は低い確率で含まれた。

文書記録：「計画的なサンプル選択間隔：€21,333。200の請求書を特定。多段抽出を適用。請求書番号リストは監査ファイルで保存。」

ステップ3：150件のサンプル項目をテストした。統計の不正の証拠は見つからなかったが、3件で金額の誤りが見つかった：€1,200、€850、€400。合計€2,450の誤謬が検出された。

文書記録：「テスト結果：金額的誤謬€2,450。サンプル100%正確性なし。ISA 530.A22に基づいた評価：推定虚偽表示額€37,050。許容虚偽表示額€320,000以下。手続完了。」

結論：MUSは金額が高い項目をサンプリングのために自動的に優先したため、金額の偏った母集団で効率的であった。推定虚偽表示額は許容範囲内だったため、追加手続は不要であった。

古典的変数サンプリングによるアプローチ

同じシナリオで古典的変数サンプリングを使用した場合、監査人は別のアプローチを取る。

ステップ1：許容虚偽表示額は同じ€320,000だが、古典的変数サンプリングでは項目数がサンプルサイズを駆動する。ISA 530.A30に基づいて、母集団の標準偏差を見積もった（€6,200と推定）。計算されたサンプルサイズは約220項目である。MUSより大きい。

文書記録：「古典的変数方法を選択。標準偏差€6,200（予備サンプルから見積）。目標リスク2.5%（リスク係数：1.96）。計算されたサンプルサイズ：220項目。無作為抽出リスト：ファイルで保存。」

ステップ2：無作為に220件の請求書をサンプリングした。金額の偏りがないため、大小混在のサンプルが得られた。

文書記録：「RAND関数を使用して無作為に220項目を選択。リスト：タブで保存。」

ステップ3：220件すべてをテストした。同じ3つの誤謬が検出された。

ステップ4：ISA 530.A33に基づいて、推定値の95%信頼区間を計算した。サンプル標準偏差は€5,950で、推定虚偽表示額は€36,400だった。許容虚偽表示額€320,000以下であった。

文書記録：「信頼区間の上限（CPM）：€37,850。許容虚偽表示額€320,000。合格。」

結論：古典的変数サンプリングはサンプルサイズが大きかったが、金額の均等な分散と正規分布の仮定により、より広い信頼区間が形成されました。結果は同じ許容限度内だったが、プロセスがより多くの項目を必要としていた。

監査人と実務者が陥りやすい誤解

- 期待誤謬をゼロと置く問題。 MUSの信頼度係数とサンプルサイズの関係を監基報530.A18よりも単純化し、期待誤謬をゼロと設定するチームが多い。結果として算出されるサンプルサイズは小さくなり、許容虚偽表示額のバッファも消える。1件でも誤謬が出ると監基報530.A20の再評価が連鎖的に発生する。これは繁忙期の終盤に最も発生してほしくない事態。期待誤謬は過年度の実績や予備テストから根拠ある数値を入れる。ゼロは仮定ではなく逃げである。

- 古典的変数方法における標準偏差の扱い。 監査人は無作為抽出したサンプルの標準偏差を、そのまま母集団全体の標準偏差として扱う。結果は信頼区間が狭くなり過ぎ、監基報530.A34で要求される適切な拡張を無視することになる。大規模な母集団では、この誤りが検出力に直接効く。

- 文書化のギャップ。 「母集団の構造」「期待誤謬」「テスト戦略との関連性」が記載されていない調書が多い。監基報530.A8は監査人に対し、統計的サンプリング方法の有効性を実証する仮定の開示を求めている。金融庁の2023年度モニタリングレポートでも、サンプリング方法の根拠不足が指摘されている。実際には「計算機で出たから175」では通らない。なぜ150でも200でもなく175なのかを書かなければ、品管にも審査にも通らない。

MUS と古典的変数サンプリングの比較

側面	MUS	古典的変数サンプリング
基礎単位	貨幣単位。各金額は独立したサンプリング単位。	項目単位。項目数が主要な計算ドライバー。
分布の仮定	正規分布は不要。異なるサイズの項目を効率的に処理。	推定誤謬の正規分布を仮定。ISA 530.A30で定義。
サンプルサイズ	金額が高い項目がある場合は、より小さい傾向。	項目数が多い場合は、より大きい傾向。
検出力	金額が偏った母集団では高い。	金額が均等に分散した母集団では高い。
評価	ISA 530.A22に基づく推定虚偽表示額。	ISA 530.A33に基づく信頼区間。
期待誤謬の影響	設計段階で直接計算に入る。過小評価は追加手続を促す。	標準偏差の見積りに影響。不確実性が大きくなる。

実務での区別がなぜ重要か

田中鉄工所のシナリオでは、MUSは約150件のテストで必要な信頼度を達成した。古典的変数サンプリングは220件を要求した。中規模監査では、この70件の差は実質的な工数。繁忙期の最終週にこの差は重い。

しかし選択は単なる効率の問題ではない。2つの方法は異なる統計的枠組みに基づいており、結果の解釈も異なる。MUSで€37,050と推定された虚偽表示額は、古典的変数では異なる信頼区間になる。監査人が方法を誤解すると、監基報330で要求される追加手続の実行判断が誤る。

仕組み