ارائه الگوی پیش بینی تقلب مبتنی بر هوش مصنوعی (بیز ساده)

هدف: پس از انقلاب تکنولوژی و اینترنت، انقلاب هوش مصنوعی به طور ویژه تاثیر بسزا و چشمگیری بر علوم مختلف ازجمله حسابداری داشته است. در واقع مدل های مبتنی بر هوش مصنوعی با برآورد داده ها، قادر به انجام اموری همچون کشف و یا پیش بینی تقلب هستند، که عملا با حذف خطای انسانی با خروجی قابل اتکاءتری توام می باشند. در این راستا، هدف پژوهش حاضر بررسی کارایی و اثربخشی روش «بیز ساده[۱]» در پیش بینی تقلب است.

روش: پژوهش حاضر از لحاظ هدف کاربردی و از لحاظ ماهیت و روش، علی است. همچنین از نظر ویژگی و جهت داده ها، پس رویدادی و از طریق اطلاعات گذشته انجام شده است. این مطالعه درصدد پیش بینی تقلب در صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. لذا، برای انتخاب نمونه آماری از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران، شرکت هایی انتخاب شدند که از یک سو دارای فعالیت های تولیدی باشند، بنابراین، موسسات مالی و بانک ها در نمونه مورد بررسی قرار نگرفته اند. از سوی دیگر، شرکت های منتخب بایستی دارای سال مالی منتهی به اسفند ماه باشند. لازم به ذکر است دوره زمانی پژوهش نیز از سال ۱۳۹۵ تا ۱۴۰۱ است. برای جمع آوری منابع نظری از روش کتابخانه ای و برای جمع آوری داده های مورد نیاز جهت آزمون فرضیات از روش آرشیوی و با مراجعه به سایت بورس اوراق بهادار، اقدامات لازم صورت گرفت. در این تحقیق اطلاعات مربوط به سری زمانی شاخص کل از طریق سایت رسمی شرکت بورس اوراق بهادار جمع آوری و برای سازماندهی داده ها و محاسبات ابتدایی بر روی داده های خام، از نرم افزارEXCEL و برای تحلیل داده ها و برازش مدل های هوش مصنوعی از پایتون استفاده شده است.

یافته ها: روش مورد بررسی در این پژوهش با ضریب صحت ۸۴ درصد، ضریب دقت ۸۴ درصد و ضریب بازخوانی ۹۸ درصد، از توانایی بالایی برای پیش بینی تقلب براساس متغیرهای موجود در صورت مالی شرکت های پذیرفته شده در بازار بورس برخوردار است.

نتیجه گیری: متغیرهای دارایی های ثابت و سرمایه، بیشترین اثر را بر وقوع تقلب دارند، که این انتظار وجود دارد زمانی که تغییراتی در سطوح درآمد و سودآوری شرکت ایجاد گردد، حجم خاصی از دارایی های ثابت و نیز سرمایه که در دسترس شرکت است نیز تغییر پیدا کند. بنابراین، شرکت ها به منظور دستکاری در عملکرد خودشان و به دلیل دسترسی و سهولت تغییر در گزارش دهی این متغیرها، می توانند با سهولت بیشتری دست به تقلب بزنند. همچنین نتیجه بدست آمده با تعاریف مرتبط با تعریف انجمن بازرسان رسمی مبنی بر تغییرات دارایی ها به عنوان متغیری که سهم بالایی از وقوع تقلب در شرکت های مختلف را دارا هستند، همخوانی دارد. بنابراین، تغییر در سطح دارایی ها و همچنین سرمایه می تواند سیگنال مهمی مبنی بر ارتکاب تقلب تعبیر شود.

[۱]. Naïve Bayes

کلیدواژه ها:

مدل بیز ساده ، تقلب ، ماشین بردار پشتیبان ، هوش مصنوعی.