ارائه الگوی توسعه یافته مدل بنیش با تأکید بر ویژگی های خاص شرکت با استفاده از شبکه عصبی، ماشین بردار و جنگل تصادفی (مقاله پژوهشی دانشگاه آزاد)
درجه علمی: علمی-پژوهشی (دانشگاه آزاد)
آرشیو
چکیده
با پیچیده شدن فرایند کسب و کار خطر انحراف صورت های مالی هر روز بیشتر می شود. در این راستا پژوهشگران به دنبال مدل هایی برای کشف تقلب در صورت های مالی بوده اند. هدف پژوهش ارائه مدل بسط یافته بنیش بر اساس ویژگی های خاص شرکت است. بنیش (1997) با استفاده از نسبت های مالی و اقلام تعهدی ش یوه های دستکاری سود را پیش بینی نمود. از آنجایی که ویژگی های شرکت به عنوان عامل مؤثر بر عملکرد شرکت مطرح می شود، در این پژوهش مدل بنیش بر اساس ویژگی های خاص شرکت بسط داده می شود که عبارتند از قیمت سهام به جریان نقدی، نسبت جریان نقدی، نسبت سود تقسیمی و رقابت در بازار محصول. از برازش مدل ماشین بردار و جنگل تصادفی و شبکه عصبی جهت برازش مدل بسط یافته بهره گرفته شده است. نتایج نشان دهنده دقت ضرایب بدست آمده از مدل جنگل تصادفی 99 درصد و بیشتر از دو مدل شبکه عصبی و ماشین بردار 94 درصد است. همچنین مدل بسط یافته نسبت به مدل پایه دقت بیشتری دارد. ویژگی های شرکت در پیش بینی تقلب در صورت های مالی تأثیرگذار است و بهتر است توسط مشارکت کنندگان بازار سرمایه در نظر گرفته شود. یافته های پژوهش می تواند در بهبود پیش بینی تقلب در صورت های مالی مؤثر باشد و همچنین توجه استفاده کنندگان را به ترکیب اطلاعات صورت های مالی و ویژگی های گزارش حسابرس در پیش بینی تقلب جلب می کندPresenting the developed model of Benish model with emphasis on the special characteristics of the company using neural network, vector machine and random forest
As the business process becomes more complex, the risk of financial statements being distorted increases with each passing day. In this regard, researchers have been looking for models to detect fraud in financial statements. Benish (1997) used a combination of financial ratios and accruals to predict profit manipulation methods. since auditors are presented as external oversight in the corporate governance structure of the company's performance, in this study the model is developed based on the qualitative characteristics of the auditor, which include the auditor's size, auditor tenure, reporting delay, Auditor Class and Auditor Change.The fitting of the stochastic vector machine, random forest and neural network has been used to fit the extended model. The results show that the coefficients obtained from the random forest model are 99% and more than the two neural network and vector model 94%.
تبلیغات
