نقش داده کاوی در شناسایی الگوهای تقلب مالی در حسابداری

این مقاله به بررسی نقش داده کاوی در شناسایی الگوهای تقلب مالی در حسابداری پرداخته است. هدف اصلی این پژوهش، ارزیابی توانمندی الگوریتم های مختلف داده کاوی در شناسایی تقلب های مالی شرکت ها با استفاده از داده های مالی است. برای این منظور، از سه الگوریتم اصلی شامل درخت تصمیم، ماشین بردار پشتیبان (SVM) و شبکه عصبی مصنوعی (ANN) استفاده شد. داده های مورد تحلیل از ۱۰۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۹۷ تا ۱۴۰۱ جمع آوری گردید. یافته ها نشان داد که الگوریتم SVM بهترین عملکرد را با دقت ۹۱.۲٪ و نمره F۱ برابر با ۹۰.۴٪ داشت. همچنین، الگوریتم شبکه عصبی مصنوعی نیز عملکرد قابل قبولی ارائه داد. از سوی دیگر، الگوریتم درخت تصمیم با دقت کمتری نسبت به دو الگوریتم دیگر عمل کرد. تحلیل داده ها نشان داد که ویژگی هایی مانند نسبت بدهی بالا، جریان نقد عملیاتی منفی و تغییرات غیرمنطقی در سود خالص، در تمایز میان شرکت های متقلب و غیرمتقلب تاثیرگذار بودند. نتایج این پژوهش، هم راستا با پژوهش های بین المللی است و تاکید دارد که استفاده از الگوریتم های داده کاوی می تواند به طور موثری در شناسایی تقلب های مالی و ارتقای شفافیت مالی در سازمان ها کمک کند.

کلیدواژه ها:

داده کاوی ، تقلب مالی ، شناسایی الگوها ، الگوریتم ها ، حسابداری