بررسی روش های نوین در تشخیص تقلب مبتنی بر روش های فرا ابتکاری

این مطالعه با هدف بررسی رابطه بین حضور یک مدیر مالایی در هیئت مدیره و کلاهبرداری در صورت های مالی در مالزی انجام شده است. علاوه بر این، نویسندگان تحقیق می کنند که آیا شرتک های کلاهبرداری در صورت های مالی مکانیزم های حاکمیت خود را در مقایسه با شرتک های غیر کلاهبرداری متعاقب سال کلاهبردای بهبود می بخشند یا خیر. با تکیه بر نظریه نهادی، ما پیشنهاد می کنیم که در بازارهای نوظهور، پس از مجازات به دلیل رفتارهای کلاهبرداری از سوی دولت، که جمعا بزرگترین نهاد است، شرکت های محکوم تمایل به استفاده از بشر دوستانه به عنوان یک استراتژی نهادی برای بازیابی مشروعیت دارند. یافته های ما با استفاده از داده های شرکت های دارای فهرست چینی که به دلیل کلاهبرداری مالی در ده سال از ۲۰۰۴ تا ۲۰۱۳ مجازات شدند، یافته های ما نشان می دهد که رشد بعدی بشر دوستانه به طور مثبت با شدت مجازات مرتبط است. علاوه بر این، دیدگاه رسانه های شرکت ها ی محکوم، مالکیت دولتی غالب و انتصاب سیاسی ملی، تاثیر شدت مجازات را بر افزایش نیکوکاری شکرت ها تقویت می کند. عواقب کلاهبرداری مالی مسئله ای است که برای سرمایه گذاران، وام دهندگان، تنظیم کننده ها، بخش های دارایی و مصرف کنندگان بسیار دور است. تشخیص دستی که یک روش سنتی است، نه تنها نادرست، پرحرف و زمان بر است، بلکه برای مدیریت داده های بزرگ غیر عملی است. حسابرسان، موسسات مالی و تنظیم کننده ها سعی کرده اند که فرایندها را با استفاده از روش های آماری و محاسباتی به صورت خودکار انجام دهند. این مقاله با استفاده از تکنیک های یادگیری ماشینی با تمرکز ویژه روی تکنیک های هوش محاسباتی، تحقیقات جامع در زمینه کشف تقلب در صورت های مالی را ارائه می دهد. روش های داده کاوی به کاررفته در این تحقیق شامل رگرسیون منطقی، درختان تصمیم گیری و شبکه های عصبی مصنوعی می باشد.