پیش بینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی با استفاده از شبکه عصبی مصنوعی

هدف: هدف این پژوهش پیش بینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی و شناسایی عوامل موثر بر رفتار متقلبانه آن ها است. روش: در این پژوهش از رویکرد کمی استفاده شده و جامعه آماری آن شامل حسابرسان موسسات حسابرسی شهر تهران است. حجم نمونه با استفاده از جدول مورگان، ۲۵۶ نفر تعیین شده است. داده های پژوهش از طریق پرسشنامه ای به منظور شناسایی عوامل موثر بر رفتار متقلبانه حسابرسان جمع آوری شده است. برای طراحی مدل شبکه عصبی، از نرم افزار پایتون بهره گرفته شده و مراحل کلیدی شامل پردازش داده ها، تقسیم بندی به داده های آموزشی، آزمون و اعتبارسنجی، انتخاب نوع شبکه و تنظیم وزن ها با استفاده از الگوریتم های پس انتشار خطا انجام شده است. یافته ها: نتایج تحلیل های پژوهش بیانگر دقت بالای مدل شبکه عصبی در شناسایی حسابرسان با و بدون سابقه تقلب با دقت کلی ۹۶.۱۵ ٪ است. دقت بالا نشان می دهد که مدل پیشنهادی قادر است به طور موثری عوامل موثر بر رفتار متقلبانه حسابرسان را شناسایی کرده و پیش بینی های دقیقی ارائه دهد.نتیجه گیری: این پژوهش نشان می دهد که استفاده از مدل های شبکه عصبی و فناوری های تحلیلی می تواند به طور قابل توجهی به موسسات حسابرسی در تقویت سیستم های نظارتی خود کمک کند. با به کارگیری این مدل ها، امکان پیشگیری از تخلفات مالی افزایش یافته و محیط کاری شفاف تر و امن تری ایجاد می شود. دانش افزایی: دانش افزایی این مطالعه این است که این پژوهش با استفاده از شبکه عصبی به پیش بینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی پرداخته و به بهبود دقت و سرعت در تصمیم گیری های نظارتی کمک می کند.

کلیدواژه ها:

پیش بینی رفتار حسابرس ، تخلفات مالی ، شبکه عصبی