مدل سازی متغیرهای اثرگذار برکشف تقلب در صورت های مالی با استفاده از تکنیک های داده کاوی
محل انتشار: فصلنامه حسابداری مالی، دوره: 9، شماره: 33
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200
فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_QFAJ-9-33_002
تاریخ نمایه سازی: 13 اردیبهشت 1401
چکیده مقاله:
رسوایی ها و شکست های شرکتی اخیر اطمینان سرمایه گذاران نسبت به درست و منصفانه بودن حساب های واحدهای تجاری را مخدوش کرده است. در بیش تر موارد گزارش شده، مدیریت از طریق دستکاری صورت های مالی شرکت برای انعکاس نتایج دلخواه خود به عموم به کلاهبرداری و پنهان ساختن آن مبادرت کرده است. از این رو، در محیطی پویا از تقلب در صورت های مالی، تکنولوژی های مبتنی بر آمار و یادگیری ماشینی یک راهکار اثربخش برای پیشگیری و کشف تقلب هستند. بنابراین در این پژوهش به بررسی این مساله پرداخته می شود که آیا می توان از طریق شناسایی و انتخاب متغیرهای اثرگذار در کشف تقلب در صورت های مالی و با بکارگیری تکنیک های داده کاوی مدلی برای کشف تقلب در صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارایه کرد؟ برای پاسخگویی به این سوال از ۴۰ متغیر مالی و غیر مالی به همراه تکنیک های داده کاوی شبکه عصبی مصنوعی، شبکه بیزین و الگوریتم بوستینگ استفاده گردید. یافته های پژوهش بیان گر وجود شواهدی دال بر عملکرد مناسب مدل های پیشنهادی برای پیش بینی تقلب در صورت های مالی است. نتایج حاصل از انتخاب ویژگی به روش مبتنی بر همبستگی حاکی از سودمندی متغیرهای نسبت پوشش بهره، نسبت حساب های دریافتنی به کل دارایی ها، نسبت موجودی کالا به فروش خالص، نسبت نقدی، لگاریتم طبیعی فروش، نسبت سود خالص به فروش و نسبت جمع دارایی های جاری به کل دارایی ها برای کشف تقلب بود.
کلیدواژه ها:
Fraud Detection ، Financial Statements Fraud ، Data Mining ، Tehran Stock Exchange. ، کشف تقلب ، تقلب در صورت های مالی ، داده کاوی ، بورس اوراق بهادار تهران.
نویسندگان
شکراله خواجوی
Shiraz University
مهرداد ابراهیمی
Shiraz University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :