استفاده از یادگیری ماشینی برای شناسایی خرید نظر حسابرسی

یک مدل یادگیری ماشینی را برای شناسایی خرید نظر حسابرسی انتخاب و عوامل محرک مدل تجزیه و تحلیل خواهد شد. برای این منظور، از شش مدل استفاده خواهد شد، یعنی « الگوریتم جنگل تصادفی»، «درخت تصمیم گرادیان افزا»، «تقویت زیرنمونه گیری تصادفی»، «رگرسیون لجستیک»، «ماشین بردار پشتیبان» و «پرسپترون چندلایه». در میان آنها، رگرسیون لجستیک از سایر مدل ها بهتر عمل می کند. با استفاده از نظریه بازی ها، ۵۸ ویژگی را که به طور بالقوه بر خرید نظر تاثیر می گذارند، به دسته های شیء حسابرسی، «موضوع حسابرسی» و «محیط حسابرسی» طبقه بندی می شود. از رگرسیون لجستیک برای به دست آوردن امتیاز اهمیت هر دسته استفاده می شود. یافته های پژوهش نشان می دهد که ویژگی های حسابرسی نقش مهمی در خرید نظر حسابرسی ایفا می کنند. همچنین ویژگی های مهم اعتبارسنجی خواهد شد. در نهایت، از یک مدل برای پیش بینی تبانی حسابرسی استفاده خواهد شد. مقاله دامنه یادگیری ماشینی را برای شناسایی علمی ریسک تبانی حسابرسی گسترش می دهد و ویژگی های مهم خرید نظر حسابرسی را آشکار می کند که چه پیامدهایی برای رویه حسابرسی دارد.

کلیدواژه ها:

خرید نظر حسابرسی ، یادگیری ماشین ، تغییر حسابرس ، حق الزحمه های غیرعادی حسابرسی