پیش بینی احتمال تجدید ارائه صورتهای مالی با استفاده از مدل بنیش و بهبود مدل از طریق رگرسیون لاجیت و الگوریتم ژنتیک (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
وقوع اشتباه در حسابداری امری اجتناب ناپذیر بوده و عواملی چون تنوع و پیچیدگی موضوعات اقتصادی، حجم بالای کار، خستگی و... این احتمال را افزایش می دهد. همچنین به دلیل تغییرات مداومی که در شرایط اقتصادی ، اجتماعی و ... صورت می گیرد، ممکن است که ایجاد تغییر در اصول و روشهای حسابداری به منظور هماهنگ کردن واحد تجاری با شرایط جدید ضروری باشد که همه این موارد به تجدید ارائه صورتهای مالی منتج می شود .موضوعی که در نتیجه رسوایی های گزارشگری مانند شرکت انرون و ... بسیار مورد توجه قرار گرفته است. هدف این پژوهش ارائه مدل بسط یافته بنیش، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. نمونه آماری پژوهش 265 شرکت بوده که با استفاده از رگرسیون لاجیت و الگوریتم ژنتیک به برآورد و بهبود مدل بنیش پرداخته شده است. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورتهای مالی، دقت و کارآیی مدل بهبود یافته بنیش با الگوریتم ژنتیک 21/73 درصد دقت پیش بینی کل داشته که دارای بالاترین قدرت پیش بینی در مقایسه با مدل اولیه بنیش و مدل ارائه شده با رگرسیون لاجیت بوده است و فرضیه های پژوهش تایید می گردد.Predicting The possibility Of Restatement Financial statements using Benish Model And Improving The Model Through Logit Regression And Genetic Algorithm
The occurrence of mistakes in accounting is inevitable and factors such as diversity and complexity of economic issues, high volume of work, fatigue, etc. increase the possibility of mistakes. Also, due to the continuous changes that take place in the economic, social, etc. conditions, it may be necessary to make changes in accounting principles and methods in order to harmonize the business unit with the new conditions, all of which result in the re-presentation of financial statements. A subject that has received a lot of attention as a result of reporting scandals such as Enron and... The purpose of this research is to present the expanded model of Banish in companies admitted to the Tehran Stock Exchange between 2009 and 2019. Also, the data of 265 companies were used using Benish model and logit regression and genetic algorithm were also used to estimate the improvement of the prediction model. The results of the research indicate that, based on the confusion matrix, among the predictive models for re-presentation of financial statements, the accuracy and efficiency of the improved Benish model with the genetic algorithm has a total prediction accuracy of 73.21%, which has the highest predictive power in The comparison with the original Benish model and the presented model was with logit regression.
تبلیغات
