پیش بینی تغییر اختیاری حسابرس با استفاده از الگوریتم چرخه آب (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: حسابرسی مستقل از طریق اعتباربخشی به گزارش های مالی، در بهبود تصمیم گیری استفاده کنندگان و کارایی، بازار نقش اساسی دارد. کیفیت کار این حسابرسان، به عوامل متعددی بستگی دارد و یکی از این عوامل بسیار مهم، استقلال آن هاست. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال نیز، این پدیده باید به دقت بررسی شود؛ زیرا یکی از موضوعات حیاتی هر شرکتی محسوب می شود. پدیده تغییر حسابرس باعث ایجاد گسست بین حسابرسان و کارفرما می شود. پیش بینی تداوم یا عدم تداوم روابط حسابرس با صاحب کار در سال های آتی، یکی از موضوعات چالش برانگیز در حرفه حسابرسی تلقی می شود. این پژوهش به پیش بینی تغییر اختیاری حسابرس (عدم تداوم رابطه با صاحب کار فعلی) با استفاده از یک الگوریتم فراابتکاری (الگوریتم چرخه آب) و مقایسه نتایج آن با رگرسیون لجستیک می پردازد.روش: جامعه آماری پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران است که بر اساس شرایط در نظر گرفته شده برای انتخاب نمونه، ۱۸۵ شرکت، به روش حذف سیستماتیک، طی سال های ۱۳۹۵ تا ۱۴۰۱، انتخاب و اطلاعات آن ها جمع آوری شد. سال شرکت هایی که در آن ها تغییر اجباری حسابرس رخ داده بود، از فهرست نمونه حذف شدند. سپس از نرم افزارهای اکسل و متلب، برای پیاده سازی الگوریتم ها بهره گرفته شد. در این پژوهش، از ۱۳ متغیر مالی و غیرمالی استخراج شده از ادبیات، به منظور پیش بینی تغییر حسابرس استفاده شد که عبارت بودند از: نسبت جاری، سرمایه در گردش، نسبت بدهی، نسبت دارایی ها، بازده دارایی ها، کیفیت سود، اندازه شرکت، اندازه مؤسسه حسابرسی، نوع گزارش حسابرس، تغییر مدیریت، تفکیک مدیر عامل از رئیس هیئت مدیره، محافظه کاری حسابداری و توان رقابتی شرکت. به علاوه، نتایج به دست آمده از الگوریتم چرخه آب با استفاده از ماتریس درهم ریختگی که شامل چهار معیار ارزیابی است، با نتایج رگرسیون لجستیک، به عنوان یکی از رگرسیون های معروف در برآورد متغیرهای باینری، مقایسه شد، این معیارها عبارت اند از: صحت، دقت، حساسیت و تشخیص. به علاوه، برای اطمینان از قابلیت اتکای نتایج، هر یک از روش های یادشده ۱۰ بار پیاده سازی شد.یافته ها: کمابیش در تمام پیاده سازی ها و بر اساس هر چهار معیار ارزیابی عملکرد، الگوریتم چرخه آب برای پیش بینی تغییر حسابرس، مناسب تر از رگرسیون لجستیک است. به طور کلی، معیارهای دقت، صحت، حساسیت و تشخیص پذیری، در پیش بینی تغییر حسابرس توسط الگوریتم چرخه آب، به ترتیب 89، 75، 2 و 9/99 درصد بوده است. این در حالی است که معیارهای مربوط به رگرسیون لجستیک به ترتیب 67، 74، 1 و 8/99 درصد بوده است.نتیجه گیری: الگوریتم چرخه آب می تواند برای پیش بینی تغییر اختیاری حسابرس توسط استفاده کنندگان و مؤسسه های حسابرسی سودمند واقع شود. مؤسسه های حسابرسی می توانند از این ابزار، برای پیش بینی تداوم یاعدم تداوم روابطشان با مشتری در سال های آتی و برنامه ریزی بهتر برای کسب درآمد استفاده کنند. مشتریان حسابرسی و شرکت ها نیز می توانند از این ابزار برای پیش بینی روابط آتی با حسابرس و برنامه ریزی و زمان بندی سریع تر برای انتخاب حسابرس بعدی استفاده کنند.Predicting Voluntary Auditor Change Using the Water Cycle Algorithm
ObjectiveIndependent auditing plays a fundamental role in improving users' decision-making and market efficiency through validating financial reports. The quality of the work of these auditors depends on several factors, one of the most important of which is their independence. Since the phenomenon of auditor change is related to independence, this phenomenon, which is considered one of the vital issues of every company, should be carefully examined. The phenomenon of auditor change creates a break between auditors and the employer. Predicting the continuation or termination of the relationship between the auditor and the client in the coming years is one of the challenging issues in the field of auditing. In this regard, the purpose of this research is to predict voluntary auditor change (non-continuation of the relationship with the current client) using a meta-heuristic algorithm (Water Cycle Algorithm, WCA) and to compare the results with the logistic regression method.MethodsThe statistical sample is 185 companies listed on the Tehran Stock Exchange, selected by the systematic elimination method from 2017 to 2023, and their information was collected. Years with mandatory auditor switching are excluded. Then, Excel and Matlab software were used for implementing methods and predicting auditor change. Thirteen financial and non-financial variables that were extracted from the literature were used to predict auditor change in this research. These independent variables include: current ratio, working capital, debt ratio, asset ratio, return on assets, earnings quality, firm size, audit firm size, auditor opinion type, management change, separation between CEO and the chair of the board of directors, accounting conservatism, and firm competition power. Moreover, using the confusion matrix, which includes 4 evaluation criteria: accuracy, precision, sensitivity, and specificity, the results obtained from the Water Cycle Algorithm were compared with the results of logistic regression, a prominent method for forecasting binary variables such as auditor change. Additionally, these algorithms were run 10 times to ensure the reliability of the results.ResultsIn almost all implementations and based on all 4 performance evaluation criteria, the Water Cycle Algorithm is more suitable than logistic regression for predicting auditor change. In general, the criteria of accuracy, precision, sensitivity, and specificity in predicting the change of auditor using the Water Cycle Algorithm were 89%, 75%, 2%, and 99.9%, respectively. In comparison, the logistic regression criteria were 67%, 74%, 1%, and 99.8%, respectivelyConclusionThe Water Cycle Algorithm can be useful for predicting voluntary auditor changes by users and auditing firms. Audit institutions can use this tool to predict the continuation or non-continuation of their relationship with clients in the coming years and better plan to maximize profitability. Audit clients and companies can also use this tool to forecast future relationships with auditors and plan and schedule more efficiently for selecting the next auditor.
تبلیغات
