حسابرسی هوشمند مبتنی بر هوش مصنوعی و تحلیل احساسات

با رشد سریع داده های مالی و افزایش پیچیدگی فرآیندهای اقتصادی، حسابرسی سنتی دیگر قادر به پاسخگویی موثر به نیازهای شفافیت مالی نیست. این پژوهش با هدف طراحی و ارزیابی مدلی هوشمند برای حسابرسی مبتنی بر هوش مصنوعی و تحلیل احساسات در گزارش های مالی انجام شده است. در این تحقیق از ترکیب الگوریتم های یادگیری ماشین SVM، Random Forest و تحلیل احساسات متون گزارش های سالانه شرکت ها استفاده شده تا تراکنش های مشکوک و الگوهای رفتاری غیرعادی شناسایی شوند. داده های پژوهش شامل گزارش های مالی ۱۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۹۵ تا ۱۴۰۲ است. نتایج نشان داد که مدل XGBoost با دقت ۹۲.۸ و نرخ خطای نوع دوم کمتر از ۵ بهترین عملکرد را دارد، همچنین استفاده از تحلیل احساسات متون گزارش ها توانست در شناسایی نشانه های روانی تقلب مالی تاثیر معناداری ایجاد کند. یافته های تحقیق بیانگر این است که تلفیق داده های مالی عددی با داده های زبانی و احساسی می تواند به افزایش اثربخشی سیستم های حسابرسی و پیش بینی دقیق تر ریسک های مالی منجر شود. این پژوهش گامی نو در جهت ایجاد سیستم های حسابرسی هوشمند مبتنی بر تحلیل داده و زبان طبیعی است که می تواند در بهبود تصمیم گیری مدیران مالی و حسابرسان موثر واقع شود.

کلیدواژه ها:

حسابرسی ، هوشمند ، هوش مصنوعی ، تحلیل احساسات ، یادگیری ماشین ، کشف تقلب مالی