طبقه بندی تقلب در شرکت ها: یک مطالعه موردی حسابرسی خارجی

این مقاله یک مطالعه موردی از بازدید از یک شرکت حسابرسی خارجی است تا سودمندی الگوریتم های یادگیری ماشینی را برایبهبود کیفیت کار حسابرسی مورد بررسی قرار دهد. دادههای سالانه ۷۷۷ شرکت از ۱۴ بخش مختلف جمع آوری شده است. الگوریتمبهینه سازی ازدحام ذرات (PSO) به عنوان یک روش انتخاب ویژگی استفاده میشود. ده مدل مختلف طبقه بندی از نظر دقت، نرخ خطا، حساسیت، ویژگی، معیارهای F، ضریب همبستگی MCC) Mathew)، خطای نوع ۱، خطای نوع ۲، و مساحت تحت منحنی (AUC) با استفاده از روش های تصمیم گیری چند معیاره مانند سنجش افزوده ساده (SAW) و تکنیک ارجاع به روش شباهت به راه حل (TOIS) مقایسه شدهاند. نتایج شبکه بیز و J۴۸ نشان دهنده دقت ۹۳% برای طبقه بندی مشکوک شرکت است. با ظهور رشد چشمگیر موارد کلاهبرداری مالی، یادگیری ماشینی نقش مهمی در بهبود کیفیت یک حوزه حسابرسی در آینده ایفا خواهد کرد.

کلیدواژه ها:

حسابرسی خارجی ، یادگیری عمیق ، الگوریتم (PSO) ، منحنی (AUC) ، راه حل (TOIS)