نقش تحلیلهای هوشمند در تشخیص مدیریت سود مبتنی بر زمانبندی هزینه ها در پروژه های عمرانی

صنعت ساخت و ساز و پیمانکاری به دلیل ماهیت پیچیده قراردادها، چرخه عملیاتی طولانی مدت و وابستگی ذاتی به برآوردهای مدیریتی یکی از مستعدترین صنایع برای وقوع ناهنجاری های مالی و مدیریت سود است. در این صنعت روش حسابداری درصد پیشرفت کار که طبق استاندارد حسابداری شماره ۹ ایران و استاندارد بین المللی ۱۵ IFRS مبنای شناسایی درآمد است، به مدیران اجازه می دهد با اعمال قضاوت های شخصی در برآورد هزینه های آتی و زمان بندی ثبت هزینه ها، سود گزارش شده را دستکاری کنند. این پژوهش با هدف بررسی نقش و کارایی تحلیل های هوشمند در کشف الگوهای پیچیده مدیریت سود مبتنی بر زمان بندی هزینه انجام شده است. با مرور ادبیات نظری و سوابق تجربی در دو سطح داخلی و بین المللی، این مقاله نشان می دهد که روش های سنتی حسابرسی مبتنی بر نمونه گیری در کشف دستکاری های ظریف که در لایه های زیرین هزاران تراکنش پروژه مخفی شده اند ناتوان هستند. در مقابل، تکنیک های هوش مصنوعی نظیر شبکه های عصبی مصنوعی، ماشین های بردار پشتیبان، داده کاوی با استفاده از قانون بنفورد و الگوریتم های یادگیری عمیق، قادرند روابط غیرخطی و ناهنجاری های پنهان را شناسایی کنند. یافته های پژوهش های صورت گرفته در بورس اوراق بهادار تهران نشان می دهد که مدل های هوشمند به ویژه پرسپترون چندلایه نسبت به مدل های رگرسیونی خطی مانند مدل جونز تعدیل شده دقت بالاتری در پیش بینی مدیریت سود دارند، همچنین ادغام داده های مالی با داده های غیرمالی مانند پیشرفت فیزیکی پروژه ها از طریق بینایی ماشین و اینترنت اشیاء، افق های جدیدی را برای حسابرسی مستمر و کاهش ریسک تقلب در صنعت پیمانکاری گشوده است.

کلیدواژه ها:

مدیریت سود ، تحلیل هوشمند ، پروژه های عمرانی ، زمان بندی هزینه ، شبکه های عصبی مصنوعی ، استاندارد حسابداری شماره ۹ ، حسابداری پیمانکاری