علی مشکانی

با افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن داده های مالی، تکنیکهای داده کاوی به منظور استفاده بهینه و کارا از این داده ها رواج یافت. هدف این پژوهش پیش بینی گزارش حسابرس مستقل با استفاده از تکنیک های داده کاوی می باشد. اهمیت پیش بینی گزارش حسابرس مستقل در تاثیر آن بر تصمیم گیری استفاده کنندگان می باشد.گزارش حسابرس مستقل در این تحقیق به دو دسته مقبول و غیرمقبول (شامل گزارشات مشروط، مردود و عدم اظهارنظر) طبقه بندی شده است. به منظور پیش بینی گزارش حسابرس مستقل از دو تکنیک طبقه بندی داده کاوی شامل، درخت تصمیم C5.0 و شبکه های عصبی مصنوعی استفاده شده است. جامعه آماری پژوهش شامل تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1382 الی 1388 می باشد. در این تحقیق از 29 متغیر مالی و غیرمالی در قالب 10 طبقه نقدینگی، عملکرد، اهرم مالی، ساختار سرمایه، سودآوری، ریسک ورشکستگی، مدیریت سود، حاکمیت شرکتی، اندازه شرکت و سایر (شامل نوع صنعت و عمر شرکت) به منظور آموزش و آزمون مدل استفاده شده است. نتایج تحقیق نشان می دهند که میانگین دقت مدل حاصل از تکنیک درخت تصمیم C5.0 (88.64%) از تکنیک دیگر بیشتر می باشد. همچنین با اهمیت ترین متغیرها جهت پیش بینی نوع گزارش حسابرس مستقل شامل، نوع گزارش حسابرسی سال قبل، نسبت سود و زیان خالص به درآمد خالص و نسبت بدهیها به داراییها می باشند.