طراحی سیستم هشدار سریع کشف تقلب در گزارشگری مالی با رویکرد ترکیبی یادگیری ماشین و تحلیل رفتار رویکردی مبتنی بر نظریه نمایندگی (مطالعه موردی شرکت های پذیرفته شده در بورس اوراق بهادار تهران)
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 14
فایل این مقاله در 46 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FAISEG01_055
تاریخ نمایه سازی: 22 مهر 1405
چکیده مقاله:
هدف این پژوهش طراحی یک سامانه هشدار سریع برای کشف تقلب در گزارشگری مالی با بهره گیری از رویکرد ترکیبی یادگیری ماشین و تحلیل رفتار مدیران است. پدیده تقلب در گزارشگری مالی به عنوان یکی از چالش های بنیادین بازار سرمایه ایران مطرح است که پیامدهایی همچون کاهش اعتماد سرمایه گذاران و ناکارآمدی تخصیص منابع را به دنبال دارد. در این پژوهش داده های مالی مربوط به ۱۶۸ شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی ۱۰ ساله از سال ۱۳۹۴ تا ۱۴۰۳ گردآوری شده است که در مجموع ۱۵۱۲ مشاهده سال شرکت را شامل می شود. پس از انجام غربالگری سیستماتیک و اعمال معیارهای ورود نمونه نهایی متشکل از ۱۶۸ شرکت انتخاب گردید. برای سنجش احتمال وقوع تقلب ۲۵ متغیر شامل نسبت های مالی رایج، متغیرهای مرتبط با حاکمیت شرکتی و شاخص های رفتاری مدیران به عنوان متغیرهای ورودی مدل تعریف شدند. متغیر وابسته پژوهش یعنی تقلب در گزارشگری مالی بر اساس وجود اظهار نظر حسابرسی مردود یا مشروط ناشی از تحریف عمدی و همچنین موارد مطرح شده در پرونده های کمیته تخلفات سازمان بورس اوراق بهادار عملیاتی گردید. مدل ترکیبی پیشنهادی شامل سه الگوریتم قدرتمند یادگیری ماشین یعنی ماشین بردار پشتیبان، جنگل تصادفی و الگوریتم اکس جی بوست است که با استفاده از روش اجتماع یا همان رای گیری وزنی با یکدیگر ترکیب شده اند. عملکرد مدل پیشنهادی با دو روش سنتی رگرسیون لجستیک و تحلیل تمایزی خطی مورد مقایسه قرار گرفت. یافته های پژوهش نشان داد که مدل ترکیبی با صحت ۹۶/۲۳ درصد، دقت ۹۵/۴۷ درصد، بازیابی ۹۴/۸۱ درصد و سطح زیر منحنی راک معادل ۰/۹۸۵ در داده های آزمون عملکردی برتر و چشمگیر نسبت به روش های سنتی دارد. تحلیل اهمیت متغیرها با استفاده از روش تفسیرپذیر شاپ حاکی از آن است که نسبت جریان نقد عملیاتی، تغییر حسابرس، نسبت مالکیت مدیریتی و شاخص بنیمش بیشترین قدرت تفکیک کنندگی را در تشخیص شرکت های متقلب از غیرمتقلب دارا هستند. یافته های پژوهش تاکید می کند که ترکیب متغیرهای مالی سنتی با متغیرهای رفتاری و شاخص های حاکمیت شرکتی می تواند دقت کشف تقلب را به طور چشمگیری افزایش دهد. این مدل قابلیت کاربرد عملی در سامانه نظارت هوشمند سازمان بورس و اوراق بهادار، کمیته های حسابرسی شرکت ها و همچنین حسابرسان مستقل را دارا می باشد.
کلیدواژه ها:
کشف تقلب ، گزارشگری مالی ، یادگیری ماشین ، نظریه نمایندگی ، بورس اوراق بهادار تهران ، شفافیت مالی ، حاکمیت شرکتی
نویسندگان
هادی رحمانی
دانشجوی دکتری تخصصی حسابداری گروه حسابداری دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، ایران
کبری رحمانی
کارشناسی ارشد حسابداری گروه حسابداری دانشکده علوم انسانی دانشگاه حکیمان بجنورد، ایران