رویکردی نوین به پیش بینی تقلب در صورت های مالی (مقایسه مدل های سنتی و شبیه سازی و مدرن) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تقلب صورت های مالی تبدیل به یک مشکل جدی برای فعالان بازار و سیاست گذاران شده است. در واقع، این مسئله قابلیت اطمینان بازارهای سرمایه، رؤسای شرکت ها و حتی حرفه حسابرسی را تهدید می کند. حسابرسان به طور خاص با ناتوانی ظاهری خود در کشف تقلب در مقیاس بزرگ مواجه هستند و از این رو روش های مختلفی برای شناسایی این معضل ارائه شده است. بر این اساس هدف تحقیق حاضر مقایسه دقت مدل های سنتی و شبیه سازی و مدرن در پیش بینی تقلب در صورت های مالی است. تحقیق حاضر از لحاظ روش کاربردی است. بازه زمانی تحقیق 1390 تا 1398 بوده و در برآورد مدل از داده شرکت های منتخب در بورس اوراق بهادار تهران بهره گرفته شده است. در این تحقیق بر اساس سه رویکرد سنتی، الگوریتم ژنتیک و روش غیرخطی مارکوف سویچینگ اقدام به پیش بینی تقلب و دقت مدل های برآوردی نمودیم. بر اساس نتایج رژیم غالب در بورس اوراق بهادار تهران رژیم تقلب بالا بوده؛ همچنین بر اساس نتایج مدل های تغییر رژیم بالاترین دقت را در پیش بینی تقلب دارند و الگوریتم ژنتیک و لاجستیک به ترتیب دارای بالاترین دقت در برآورد مدل برآوردی بودند.A New Approach to Predicting Fraud in Financial Statements (Compare models and simulations traditional and modern)
Financial statements fraud is increasingly a serious problem for businesses, governments and investors have become . In fact, the issue of the reliability of capital markets, bosses and even threaten the auditing profession. Auditors in particular face their apparent inability to detect large-scale fraud, and therefore various methods have been proposed to identify this problem. The aim of this study was to compare different models of traditional and modern simulation and predict fraud in the financial statements.
Study the practical approach. Research period 1390 to 1398 and the model of the selected companies in the Tehran Stock Exchange has been used.
In this study, based on three traditional approach, genetic algorithms and methods to predict non-linear Markov switching models have estimated fraud and accuracy. Based on the prevailing regime in Tehran Stock Exchange regulations fraud is high; According to the results of highest accuracy in predicting fraud regime change and genetic algorithms and logistic highest and the accuracy of the model, respectively.
تبلیغات
