پیش بینی گزارشگری مالی متقلبانه از طریق شبکه عصبی مصنوعی(ANN)

الموضوعات : حسابداری مدیریت

مجتبی تاراسی ¹ , بهاره بنی طالبی دهکردی ² , بهزاد زمانی ³

1 - دانشجوی کارشناسی ارشد رشته حسابداری، دانشگاه آزاد اسلامی، واحد شهرکرد، شهرکرد ،ایران.
2 - عضو هیئت علمی گروه حسابداری دانشگاه آزاد اسلامی واحد شهرکرد، شهرکرد، ایران.
3 - عضو هیئت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد شهرکرد، شهرکرد، ایران.

تاريخ الإرسال : 29 الثلاثاء , ربيع الثاني, 1439 تاريخ التأكيد : 16 الخميس , رمضان, 1439 تاريخ الإصدار : 14 الخميس , رجب, 1440

الکلمات المفتاحية: گزارشگری مالی متقلبانه, پیش بینی احتمال تقلب, شبکه های عصبی,

ملخص المقالة :

در این پژوهش، توانایی شبکه های عصبی مصنوعی(ANN) ، به عنوان روشی نوین در خصوص پیش بینی احتمال گزارشگری مالی متقلبانه ،در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در یک دوره زمانی 9 ساله بین سال های 1385 تا 1393مورد بررسی قرار گرفت. بدین منظور از طریق اطلاعات مندرج درصورتهای مالی ، نسبتهای مالی و مدل پرسپترون های چند لایه که شامل یک لایه ورودی ،لایه پنهان از دید نرم افزار MATLAB، و یک لایه خروجی است، احتمال وجود تحریف درگزارش ها مالی وارائه گزارشگری مالی متقلبانه ازطریق تکنیک شبکه عصبی ارزیابی گردید. در این راستا، از اطلاعات هفت سال اول شرکتها، جهت طراحی و آموزش شبکه عصبی، از داده های سال هشتم به منظور اعتبارسنجی و تایید آموزش شبکه و از داده های سال نهم به عنوان داده های آزمون و تست شبکه ی طراحی شده استفاده گردید. در نهایت با توجه به نتایج حاصله، مشخص شد که تکنیک شبکه عصبی و مدلسازی مبتنی برشبکه عصبی ازصحت 97.4درصد برخوردار است و با طراحی و آموزش دقیق، می توان شبکه های عصبی طراحی نمود که با دقت قابل قبولی بتوانند احتمال گزارشگری مالی متقلبانه شرکت ها را کشف و پیش بینی نمایند.

المصادر:

*      اقدامی، اسماعیل، کرد رستمی، سهراب، ملکی، مجتبی، آزمایند،ام حبیبه،(1394) ، "ارزیابی ورشکستگی در بورس اوراق بهادارتهران با بکارگیری مدل پویایی شبکه: روشی بر پایه تحلیل پوششی داده‌ها "،فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 6(22)، 180-165

*   اعتمادی، حسین و زلفی، حسن. (1392)، "کاربرد رگرسیون لجستیک در شناسایی گزارشگری مالی متقلبانه"، دانش حسابرسی، 13(521)، 145-163.

*      انقیاد، هادی (1388)، "استفاده از شبکه عصبی مصنوعی (ANN) جهت مدلسازی کوتاه مدت شاخص قیمت سهام (TEPIX)"، پایان نامه کارشناسی ارشد، دانشگاه آزاد واحد علوم و تحقیقات تهران.

*      رحمانی حلیمه، رجب دری، حسین و منوچهر خرمین (1396)، "بررسی تاثیر نظریه عمل منطقی بر تمایل به بروز تقلب در گزارشگری مالی " ،دانش حسابداری و حسابرسی مدیریت ؛ 24(6) ; 144-135

*      رهنمای رودپشتی فریدون (1391) ، "داده کاوی و کشف تقلب های مالی" ،دانش حسابداری و حسابرسی مدیریت ؛ 3(1) 3 ; 33-17

*      زیمرمن، جرالد و واتز، راس. (1390)، "تئوری اثباتی حسابداری"، ترجمه: علی پارسائیان، ویرایش اول، انتشارات ترمه.

*      سجادی،سید حسین و توحید کاظمی (1395) ، "الگوی جامع گزارشگری مالی متقلبانه در ایران به روش نظریه پردازی زمینه بنیان " ، فصلنامه پژوهش های تجربی ؛ 6(1) ; 204-185

*      مرادی، جواد؛ رستمی، راحله و رضا زارع. (1393)، "شناسایی عوامل خطر مؤثر بر احتمال وقوع تقلب در گزارشگری مالی از دید حسابرسان و بررسی تأثیر آنها بر عملکرد مالی شرکت"، مجله پیشرفت های حسابداری دانشگاه شیراز، 1(6)، 141-173.

*      مشبکی، اصغر، ممبینی، حسین، بخشی زاده، حسین ، (1394)، تحلیل ورشکستگی شرکت‌های پذیرفته در بورس اوراق بهادار با دو روش تحلیل تشخیصی (Discriminant Analysis) و مدل افزایشی تحلیل پوششی داده‌ها (DEA-Additive)، فصلنامه مهندسی مالی و مدیریت اوراق بهادار،4 (13)، 106-85

*      وحیدی الیزه‌ای‌، ابراهیم و حدادیان، حامد (1388). برداشت حسابرسان ایران از کارایی علایم خطر در کشف گزارشگری مالی متقلبانه، فصلنامه تحقیقات حسابداری، شماره سوم،

*      هندریکسن، الدن اس و ون بردا، مایکل اف. (1385)، "تئوری حسابداری"، ترجمه: علی پارسائیان،  انتشارات ترمه.

*      Abdolmohammadi, J.M. and Owhoso, D.V. (2000) ,``Auditors’ ethical sensitivity and the assessment of the likelihood of fraud’’, Managerial Finance, Vol. 26 No. 11, p. 21.

*      Ahmed S. Salama, and Amany A. Omar, (2014), " A Back Propagation Artificial Neural Network based Model for Detecting and Predicting Fraudulent Financial Reporting", International Journal of Computer Applications (0975 – 8887) Volume 106 – No.2, .

*       American Institue of Certified Public Accountants,(2003).,Consideration of Fraud in a Financial Statement Audit. Statement on Auditing Standard No.99.NY:AICPA  

*      Banker, RD &Mashruwala,( 2007)." The moderating role of competition  in the relationship between non financial measures and future financial performance", Contemporary Accounting Research, vol. 24, no. 3, pp. 763–93

*       Beasley, M. S., J. V. Carcello, D. R. Hermanson and P. D. Lapides. (2000). Fraudulent Financial Reporting: Consideration of Industry Traits and Corporate Governance Mechanisms. Accounting Horizons, Vol. 14 (4), pp. 441- 454.

*       Caplan, D. (1999), ``Internal controls and the detection of management fraud’’, Journal of Accounting Research, Vol. 37 No. 1, pp. 101-17.

*      Ching- Ching, y. Der Jang, Ch., & Min g, Fu, H. (2010), a hybrid approach of DEA rough, set and support vector ma chines for business failure prediction. Expert System with Application, 37(2), 1535- 1541.

*      Chi-Chen Lin., An-An Chiu.,Shaio Yan Huang., David C. Yen. (2015). " Detecting the financial statement fraud: The analysis of the differencesbetween data mining techniques and experts’ judgments". Knowledge-Based Systems Vol 89. PP 459–470.

*       Chow, C. and Rice, S. (1982), ``Qualified audit opinions and share prices:an investigation’’, Auditing:A Journal of Practice and Theory, Vol. 1, pp. 35-53.

*       Janova, J., Vavrina, J., & Hampel, D. (2012). DEA as a tool for bankruptcy assessment: the agribusiness case study. Proceedings of 30th International Conference Mathematical Methods in Economics. 379-383.

*      Paula M. Weller,( 2010), The Application of Altman, Zmijewski and Neural Network Bankruptcy Prediction Models to Domestic Textile-Related Manufacturing Firms: A Comparative Analysis, A dissertation of H. Wayne Huizenga School of Business and Entrepreneurship Nova Southeastern University.

*      Serrano-Cinca, C. & Gutiérrez-Nieto, B. (2013). Partial Least Square Discriminant Analysis for bankruptcy prediction. Decision Support Systems. 54(3): 1245-1255.

*       Sueyoshi, T. & Goto, M. (2009). Methodological comparison between DEA (data envelopment analysis) and DEA–DA (discriminant analysis) from the perspective of bankruptcy assessment. European Journal of Operational Research. 199: 561–575.

*       Watts, R., and J. Zimmerman. (1986). Positive Accounting Theory, Prentice-Hall International ,Inc.