کشف تقلب در گزارشگری مالی با استفاده از تکنیک های داده کاوی و تحلیل محتوای متنی گزارش های هیئت مدیره

پژوهش حاضر با هدف طراحی و اعتبارسنجی مدل ترکیبی داده کاوی و تحلیل محتوای متنی گزارش هیئت مدیره برای کشف گزارشگری مالی متقلبانه در شرکت های پذیرفته شده در بورس اوراق بهادار تهران انجام شده است. این مطالعه با رویکرد کمی و شبیه سازی بر روی ۱,۰۷۲ شرکت-سال در بازه زمانی ۱۳۹۲ تا ۱۴۰۱ اجرا شد. ۱۵ نسبت مالی کلیدی (در چهار گروه نقدینگی، سودآوری، اهرمی و فعالیت) به همراه ۶ شاخص متنی مستخرج از تحلیل گزارش هیئت مدیره (شاخص فوگ، شاخص فلش، نسبت کلمات مثبت و منفی، طول گزارش و تعداد کلمات غیرعادی) استخراج گردید. چهار الگوریتم داده کاوی (شبکه عصبی، درخت تصمیم، نزدیک ترین همسایگی و ماشین بردار پشتیبان) به صورت پایه (فقط شاخص های مالی) و ترکیبی (مالی + متنی) آموزش داده شدند. انتخاب ویژگی با استفاده از رگرسیون LASSO و اعتبارسنجی با روش ۱۰ لایه متقاطع انجام شد. مدل ترکیبی ماشین بردار پشتیبان (SVM) با دقت ۸۵.۳ درصد، صحت ۸۶.۱ درصد، فراخوانی ۸۳.۸ درصد و ضریب تعیین (AUC) معادل ۰.۹۱ به عنوان بهترین مدل شناسایی شد. افزودن شاخص های متنی، دقت مدل SVM را نسبت به مدل پایه ۷.۳ درصد افزایش داد. هشت شاخص کلیدی پیش بینی کننده تقلب شامل «نسبت بدهی»، «بازده دارایی ها (ROA)»، «شاخص فوگ»، «امتیاز M بنیش»، «نسبت کلمات منفی»، «نسبت جاری»، «نسبت گردش دارایی ها» و «طول گزارش» بودند. شرکت های متقلب به طور عمدی گزارش های هیئت مدیره را با خوانایی پایین تر (میانگین شاخص فوگ ۲۱.۵۴ در مقابل ۱۷.۲۳) و با نسبت بالاتری از کلمات منفی (۰.۲۷ در مقابل ۰.۱۴) ارائه می دهند. مدل ترکیبی SVM با تحلیل همزمان نسبت های مالی و محتوای متنی گزارش هیئت مدیره، دقت بالایی در کشف گزارشگری مالی متقلبانه دارد و می تواند به عنوان یک سامانه هوشمند پشتیبان تصمیم گیری برای حسابرسان، سازمان بورس و اوراق بهادار و کمیته های حسابرسی مورد استفاده قرار گیرد.