بررسی اثربخشی تکنیک های داده کاوی در کشف تقلب

تقلب در صورت های مالی یکی از مهم ترین چالش های پیش روی بازارهای سرمایه است که می تواند اعتماد سرمایه گذاران و کارایی نظام مالی را به طور جدی تضعیف کند. با توجه به پیچیدگی روزافزون فعالیت های اقتصادی و ناکارآمدی نسبی روش های سنتی حسابرسی در شناسایی تقلب، استفاده از رویکردهای تحلیلی نوین و داده محور ضرورتی اجتناب ناپذیر به شمار می رود. پژوهش حاضر با هدف ارتقای دقت کشف تقلب در صورت های مالی شرکت ها، به بررسی کارایی تکنیک های داده کاوی در بازار سرمایه ایران می پردازد. هدف اصلی این پژوهش شناسایی نسبت های مالی موثر در تشخیص تقلب و مقایسه دقت دو تکنیک داده کاوی شبکه های عصبی مصنوعی و درخت تصمیم CHAID در تفکیک شرکت های متقلب و غیر متقلب است. پژوهش از نوع کاربردی و با روش توصیفی - شبه تجربی انجام شده است. جامعه آماری شامل شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی ۱۳۹۴ تا ۱۴۰۰ است. داده های موردنیاز از صورت های مالی حسابرسی شده استخراج و تحلیل آن ها بر اساس چارچوب استاندارد CRISP-DM و با استفاده از نرم افزارهای Cementine و SPSS انجام شده است. در مدل سازی مجموعه ای جامع از نسبت های مالی شامل نسبت های نقدینگی، اهرمی، کارآیی، سودآوری و رشد به کار گرفته شده است. نتایج نشان می دهد که هر دو تکنیک داده کاوی توانایی شناسایی متغیرهای موثر در کشف تقلب را دارند؛ با این حال شبکه عصبی مصنوعی با دقت بالاتری نسبت به درخت تصمیم CHAID عمل کرده است. همچنین برخی نسبت های مالی به ویژه نسبت حساب های دریافتنی به کل دارایی ها در هر دو مدل نقش معناداری در تشخیص تقلب ایفا کرده اند. یافته ها بیانگر آن است که استفاده همزمان از نسبت های مالی منتخب و تکنیک های پیشرفته داده کاوی می تواند ابزار موثری برای کشف تقلب در صورت های مالی شرکت های بورسی فراهم آورد.

کلیدواژه ها:

تقلب ، داده کاوی ، کشف تقلب ، نسبت های مالی