طراحی مدل های شناسایی احتمال تجدید ارائه صورتهای مالی بر مبنای مدل دستکاری سود بنیش
آرشیو
چکیده
یکی از مهمترین ویژگیهای کیفی اطلاعات حسابداری، اتکاپذیری آن است. طبق مفاهیم نظری گزارشگری مالی، اطلاعاتی اتکاپذیر است که از اشتباه و تمایلات جانبدارانه خالی باشد. موضوع تجدید ارائه صورتهای مالی در نتیجه رسوایی های گزارشگری در متون و مجلات حسابداری بسیار مورد توجه قرار گرفته است.هدف این پژوهش ارائه معیاری مناسب جهت پیش بینی تجدید ارائه صورتهای مالی با استفاده از نسبت های مالی و غیر مالی منتخب آزمون های آماری، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. برای این منظور تعداد 265 شرکت متناسب با محدودیت ها انتخاب گردید. همچنین متناسب با ادبیات پژوهش، نسبتهای مالی و غیر مالی استخراج و به جهت برآورد پیش بینی نیز از مدل کلاسیک لاجیت و مدل های فراابتکاری شبکه عصبی و برنامه ریزی ژنتیک استفاده شده است.نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورتهای مالی، کارآیی مدل ارائه شده ناشی از ترکیب نسبت های مالی و غیر مالی( مدل ترکیبی) با الگوریتم ژنتیک 66/85 درصد دقت پیش بینی کل داشته که دارای بالاترین قدرت پیش بینی در مقایسه با مدل ارائه شده با رگرسیون لاجیت بوده است.Designing of models Probability identification Restatement of Financial Statements Based on Benish profit manipulation model
One of the most important qualitative features of accounting information is its reliability. According to the theoretical concepts of financial reporting, reliable information is free from mistakes and biased tendencies. As a result of the reporting scandals, the subject of restatement of financial statements has received much attention in accounting texts and journals. The aim of this research is to provide a suitable criterion for predicting the re-presentation of financial statements using selected financial and non-financial ratios of statistical tests in companies admitted to the Tehran Stock Exchange between 2009 and 2020. For this purpose, 265 companies were selected according to the restrictions. Also, in accordance with the research literature, financial and non-financial ratios have been extracted and classical logit model and meta-heuristic models of neural network and genetic programming have been used to estimate the forecast. The results of the research indicate that, based on the confusion matrix, among the models predicting the re-presentation of financial statements, the efficiency of the presented model due to the combination of financial and non-financial ratios (combined model) with the genetic algorithm is 85.66 percent accuracy. It has a total nose that has the highest predictive power compared to the model presented with logit regression.
تبلیغات
