۴.
کلیدواژهها:
تغییر حسابرس درماندگی مالی داده کاوی
حسابرسی مستقل از طریق بهبود قابلیت اتکا و افزایش اعتبار فرآیند گزارشگری مالی ، به سودمندی این فرایند و کارآیی بازارهای سرمایه کمک می کند. کیفیت حسابرسی به عوامل متعددی به خصوص استقلال حسابرس بستگی دارد. لذا کاهش استقلال حسابرس به طور مستقیم ، برکیفیت فرایند حسابرسی و اظهار نظر وی تاثیر می گذارد. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال حسابرس ، بررسی دقیق تر آن ضروری است. به همین دلیل هدف اصلی این پژوهش تجزیه و تحلیل ماهیت پیش بینی کنندگی متغیرهای درماندگی مالی به منظور پیش بینی تغییر حسابرس شرکت های پذیرفته شده در بورس اوراق بهادار تهران و ارائه مدلی کارا به منظور پیش بینی تغییر حسابرس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از متغیرهای درماندگی مالی و با کمک تکنیک های داده کاوی می باشد. در این پژوهش به منظور دستیابی به اهداف تحقیق چهار فرضیه تدوین شده است به منظور آزمون فرضیه ها از روش های داده کاوی شبکه بیزین، درخت رگرسیون و دسته بندی و رگرسیون لجستیک استفاده شده است. یافته های حاصل از تجزیه و تحلیل رگرسیون لجستیک تشان می دهد که در سطح اطمینان 95% رابطه معنی داری بین تغییر حسابرس و متغیرهای درماندگی مالی وجود دارد همچنین نتایج حاصل از روش های داده کاوی نشان می دهد که نرخ تشخیص بیش از 89% و نرخ پیش بینی درست شرکت های دارای درماندگی مالی بیش از 84% است. به طور کلی نتایج پژوهش حاضر نشان می دهد که متغیرهای درماندگی مالی حاصل از صورت های مالی حسابرسی شده دارای بار اطلاعاتی مناسبی برای پیش بینی تغییر حسابرس شرکتهای فعال در بورس اوراق بهادار تهران هستند و با استفاده از آنها و تکنیک های داده کاوی می توان مدل هایی با کارآیی مناسب برای پیش بینی تغییر حسابرس شرکت ها ایجاد یا ارائه کرد.
Independence auditing contributes to optimization of financial reports in capital markets through improving reliability and increasing process validity. Auditing quality is a function of many different factors, particularly auditor autonomy. Therefore, any decline in auditor autonomy directly affects the process of auditing. A close analysis of auditor change is urgent, for it is related to auditor autonomy. Thus, the present study undertakes to investigate predictability of financial distress for predicting auditor changes in companies listed at Tehran Stock Exchange during 2002-2011. It also proposes a model for this process using financial distress and techniques of Data-mining.
Data mining methods, Bayesian network, Classification and Regression Tree (CART) and Logistic Regression are used for testing the four hypotheses of the study. Results of logistic regression analysis indicate a significant relationship between auditor change and financial distress at confidence level of 95%. Results also show 89% and 84% for precision and true positive rates, respectively. Our results reveal that financial distress arising from audited financial statements are good sources of information for predicting auditor changes in active companies listed at Tehran Stock Exchange, which can be used, along with data-mining techniques, for designing effective models for predicting auditor changes.