پژوهش های تجربی حسابداری

تقلب در صورت های مالی پدیده ای جهانی است که پیامدهای منفی قابل توجهی برای کلیه ذینفعان دارد با این حال تشخیص تقلب به دلیل ماهیت ذهنی آن، امری دشوار است. هدف این پژوهش بررسی فرصت ها و چالش ها و انتقادات مرتبط با روش های آماری و تکنیک های یادگیری ماشین برای کشف تقلب است. در این پژوهش ضمن مرور ادبیات در مورد کشف تقلب حسابداری و حسابرسی با استفاده از یادگیری ماشین به بحث در مورد چالش ها و انتقادات مطرح شده در این خصوص پرداخته شده است. مرور ادبیات نشان می دهد که مدل های رگرسیون لجستیک به طور سنتی در مطالعات کشف تقلب استفاده شده اند اما پیشرفت های اخیر در هوش مصنوعی و یادگیری ماشین، فرصت های جدیدی برای شناسایی تقلب مالی فراهم کرده است. علی رغم مزایای بالقوه، استفاده از روش های یادگیری ماشین در کشف تقلب با چالش ها و انتقادات جدی روبرو است. این پژوهش در درک بهتر فرصت ها و چالش ها و انتقادات مرتبط با کاربرد روش های نوینی همچون یادگیری ماشین برای کشف تقلب، یاری می رساند.

با توجه به نقش سیستم حسابداری مدیریت و تصمیم گیری و اثرات آن بر عملکرد مدیریت، هدف پژوهش حاضر، بررسی تأثیر سیستم حسابداری مدیریت و سبک های تصمیم گیری بر عملکرد مدیریت است. پژوهش حاضر ازنظر نتایج، بنیادی، ازنظر روش اجرا، توصیفی، ازنظر بعد زمانی، مقطعی و ازنظر ماهیت داده ها، جزء پژوهش های کمی و جزء پژوهش های میدانی است. روش گردآوری داده ها، به صورت پرسش نامه از مدیران بخش حسابداری مدیریت شرکت های تولیدی پذیرفته شده در بورس و اوراق بهادار تهران است. در پژوهش حاضر، نتایج 190 نفر با استفاده از نرم افزارهای اس پی اس اس و اسمارت پی ال اس مورد تجزیه وتحلیل قرارگرفته اند. یافته های پژوهش حاکی از آن است که سیستم حسابداری مدیریت تأثیر معناداری بر عملکرد مدیریت دارد و از بین سبک های تصمیم گیری تنها سبک تصمیم گیری عقلایی تأثیر معناداری بر عملکرد مدیریت دارد. همچنین در این پژوهش سبک تصمیم گیری عقلایی به عنوان سبک غالب و سبک تصمیم گیری شهودی به عنوان سبک پشتیبان انتخاب شد. مدیران باید از اطلاعات سیستم حسابداری مدیریت جهت تصمیم گیری در سازمان خود استفاده کنند زیرا می تواند عملکرد مدیریت را بهبود بخشد و سازمان را دررسیدن به اهداف خود یاری دهد. همچنین استفاده از یک سبک تصمیم گیری مانند سبک عقلایی، موجب انتخاب راهبردهای مناسب، شناخت مشکلات و اصلاح رفتارهای ناسازگار مدیریتی خواهد شد. استفاده از این سبک توسط مدیران، می تواند بهبود عملکرد سازمان را به همراه داشته باشد. این پژوهش به دنبال شفاف سازی نقش حیاتی هر یک از متغیرهای حسابداری مدیریت و سبک های تصمیم گیری در بهبود عملکرد مدیریت است. نتایج این پژوهش می تواند به مدیران و تصمیم گیرندگان در سازمان ها کمک کند تا با توجه به تحولات فناوری و نیازهای بازار، تصمیمات بهتری اتخاذ کنند و در نهایت به بهبود عملکرد و موفقیت سازمانی دست یابند.

حسابرسی تبدیل به یک موضوع ضروری در دنیا شده است زیرا شواهد زیادی در دستکاری های عمدی در گزارشات وجود دارد. پژوهش حاضر به بررسی داده کاوی در بهبود فرآیند حسابرسی پرداخته است. این پژوهش به روش کیفی از نوع پژوهش توصیفی انجام یافته است. جمع آوری اطلاعات پژوهش شامل بررسی کتاب ها، پایان نامه ها، مجله ها و پژوهش های مرتبط با موضوع است. به علت وسعت و کثرت منابع، برای نمونه گیری از منابع چاپی و دیجیتالی که مرتبط با بحث و در دسترس بود، استفاده گردید. در این پژوهش از فیش برداری جهت گردآوری اطلاعات از نمونه، بهره گرفته شد. نتایج پژوهش نشان داد تکنیک های داده کاوی برای شناسایی تقلب با انتخاب ویژگی آغاز می شود. ایده ی اصلی داده کاوی این است که داده ها می توانند سخن بگویند. فناوری داده کاوی، با توجه به این که زمینه جدیدیاست، اما نشان داده که در فرآیند تصمیم گیری امور مالی کاربرد فروانی دارد کاربرد روش هاى داده کاوی با توجه به مطالعات مرتبط و ماهیت آن ها، مى تواند طیف گسترده ای شامل پیش بینی ورشکستگی، تخمین ریسک اعتباری، وضعیت تداوم فعالیت، درماندگی مالی، پیش بینی عملکرد واحد تجاری و تقلب مدیریت را در برگیرد.

ظهور مدل های زبانی بزرگ تحولات قابل توجهی را در حوزه حسابداری به همراه داشته است. این مدل ها توانایی بهینه سازی فرآیندهای حسابداری، استخراج و تحلیل داده های مالی و به روزرسانی روش های سنجش را دارند. بااین حال، چالش هایی مانند محدودیت های شناختی در مقایسه با توانایی های انسانی، پیچیدگی در پیاده سازی، هزینه های اجرایی و شکاف مهارتی، موانعی برای پذیرش گسترده این فناوری ایجاد کرده اند. پژوهش حاضر با ارائه مرور کلی بر مدل های زبانی بزرگ و مقایسه آن ها با توانایی های انسانی، چالش ها و محدودیت های آن ها را در حسابداری بررسی می کند. همچنین، روش های اصلی استفاده از این مدل ها، شامل رابط کاربری، رابط برنامه نویسی کاربردی، و یک روش مبتنی بر ادغام با اتوماسیون فرآیند رباتیک تشریح می گردد. علاوه بر این، مزایا و معایب هر روش ارائه و تأثیر بکارگیری آن ها در اجرای یک وظیفه حسابداری از لحاظ زمان، نیروی کار و بهای پیاده سازی، ارزیابی می شود. در نهایت، تلاش می شود با ارائه نمونه های عملی از پیاده سازی مدل های زبانی بزرگ در حسابداری، به درک بهتر کاربردهای آن کمک کرده و به کاهش فاصله بین نوآوری های فناورانه و استفاده عملی از آن ها در این حوزه اشاره می شود.

این پژوهش به بررسی تأثیر کمیته حسابرسی و اندازه شرکت بر مدیریت سود در دوران بحران مالی کووید-19 برای شرکت های پذیرفته شده در بورس اوراق بهادار ایران و عراق با رویکرد الگوهای فضایی چندبعدی پرداخته است. از رویکرد الگوهای فضایی چندبعدی برای دوره زمانی اواخر 2018 الی اوایل 2023 استفاده شده است. وجود وابستگی فضایی با آزمون های تشخیصی اقتصادسنجی فضایی تأیید و با مدل هیبریدی فضایی چندبعدی مورد بررسی قرار گرفته است. نتایج نشان داد که کمیته حسابرسی تأثیر منفی و معناداری بر مدیریت سود در هر دو کشور دارد، درحالی که اندازه شرکت تأثیر مثبت و معناداری بر آن دارد. همچنین، بازده دارایی قوی ترین تأثیر مثبت را بر مدیریت سود نشان داد، در حالی که اهرم مالی تأثیر منفی معناداری داشت. وابستگی فضایی معناداری بین شرکت ها در هر کشور و همچنین ارتباط فضایی بین کشوری در مدیریت سود مشاهده شد. شدت تأثیر تمامی متغیرها در ایران به طور معناداری بیشتر از عراق بود.کمیته حسابرسی نقش مهمی در کاهش مدیریت سود فرصت طلبانه در دوران بحران ایفا می کند، در حالی که شرکت های بزرگ تر و سودآورتر انگیزه بالاتری برای مدیریت سود دارند. وابستگی های فضایی درون کشوری و بین کشوری بر رفتار مدیریت سود تأثیرگذار است، که نشان می دهد رفتار مدیریت سود در یک شرکت تحت تأثیر رفتار شرکت های مرتبط داخلی و خارجی قرار دارد. این نتایج اهمیت تقویت ساختارهای نظارتی مانند کمیته های حسابرسی، توجه به ویژگی های شرکت در ارزیابی ریسک مدیریت سود و در نظر گرفتن وابستگی های فضایی درون کشوری و بین کشوری را در سیاست گذاری های حسابداری و نظارتی برجسته می سازد

در عصر حاضر، هوش مصنوعی نقش مهمی در حسابداری مدیریت ایفا می کند که دارای مزایا و مخاطراتی است. هدف این پژوهش، بررسی پیامدهای به کارگیری هوش مصنوعی در حسابداری مدیریت شرکت های حوزه تجارت الکترونیک از منظر ماتریس S.W.O.T است. پژوهش حاضر از طریق راهبرد تحلیلی و با استفاده از صورت های مالی سال 1402، اطلاعات موجود در سایت و مفاهیم حسابداری مدیریت به ارائه مصداق های عملی و پیامدهای این فناوری در حسابداری مدیریت شرکت های این صنعت پرداخته است. یافته های پژوهش نشان می دهد که نقاط قوت هوش مصنوعی پیامدهایی همچون بهینه سازی موجودی، جذب مشتری و کاهش هزینه ها از طریق پیش بینی تقاضا را به ارمغان می آورد. پیامدهای ناشی از نقاط ضعف این فناوری شامل شکست در تصمیم سازی به دلیل نظرات ساختگی کاربران، داده های ناقص و سوگیری است. پیامدهای ناشی از فرصت های هوش مصنوعی شامل بهبود فرآیند قیمت گذاری و افزایش رضایت مشتریان از طریق جمع آوری داده های رقبا، پیش بینی تقاضای بازار، ارائه پیشنهاد بر اساس تاریخچه خرید مشتری و هم چنین بهبود جایگاه حرفه ای حسابداران مدیریت از طریق بهبود تحلیل ها است. پیامدهای ناشی از تهدیدهای این فناوری نیز شامل غفلت از تغییرات ناگهانی بازار، افشای اطلاعات محرمانه، از دست رفتن جایگاه پرسنل در بازار کار و تاثیر منفی بر جو سازمان است. لذا علی رغم پیامدهای مثبت، هوش مصنوعی می تواند پیامدهای منفی را نیز برای حسابداری مدیریت در شرکت های حوزه تجارت الکترونیک به همراه داشته باشد. یافته های این پژوهش به ادراک حسابداران مدیریت شرکت های حوزه تجارت الکترونیک نسبت به پیامدهای به کارگیری این فناوری افزوده است.

پژوهش حاضر در پی بررسی تأثیر تحول دیجیتال بر چسبندگی هزینه با در نظرگرفتن نقش انتظارات خوش بینانه مدیریت است. در راستای حصول به اهداف پژوهش اطلاعات نمونه ای متشکل از 115 شرکت پذیرفته شده در بورس اوراق بهادار که طبق الگوی حذف سیستماتیک انتخاب شده بودند برای یک دوره زمانی 8 ساله سال های 1394 تا 1401 گردآوری شد. برای آزمون فرضیه های پژوهش از یک الگوی رگرسیون چند متغیره خطی بهره گرفته شد. نتایج نشان می دهد که با افزایش یک درصدی درآمد فروش، هزینه های اداری، عمومی و فروش 11/0 درصد افزایش می یابد، درحالی که با کاهش یک درصدی درآمد فروش، این هزینه ها به میزان 22/5 درصد کاهش پیدا می کند که نشان دهنده وجود چسبندگی هزینه است. همچنین، تحول دیجیتال باعث کاهش رفتار چسبنده هزینه ها شده و با افزایش یک درصدی در استفاده از فناوری های دیجیتال، کاهش هزینه ها به میزان 1/1 درصد بیشتر می شود. نتایج نشان می دهد که شرکت هایی با سرمایه گذاری در تحول دیجیتال و بهره گیری از فناوری های نوین، توانایی کاهش ناکارآمدی ها و بهینه سازی منابع خود را دارند. این امر موجب بهبود سودآوری و ایجاد مزیت رقابتی پایدار می شود. علاوه بر این، انتظارات خوش بینانه مدیریت نقش مهمی در تقویت تأثیر تحول دیجیتال بر مهار چسبندگی هزینه ها دارد. این یافته ها تأکید می کند که سرمایه گذاری در فناوری های دیجیتال و توجه به مدیریت هوشمند، کلید دستیابی به عملکرد مالی بهتر و رقابت پذیری بالاتر در محیط کسب وکار است.

پژوهش حاضر با هدف شناسایی عوامل مؤثر بر عملکرد حسابرسی داخلی و بررسی عملکرد روش های رگرسیون و یادگیری عمیق برای کشف تقلب صورت های مالی با تمرکز بر ابعاد فشار/انگیزه و فرصت انجام شده است. در این پژوهش، فرضیات اصلی شامل شناسایی عوامل مؤثر بر فشار/انگیزه و فرصت در کشف تقلب صورت های مالی از طریق مدل های رگرسیون و یادگیری عمیق و مقایسه عملکرد این دو رویکرد در شبیه سازی این عوامل و شناسایی تقلب است. قلمرو مکانی این پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران و قلمرو زمانی، سال های بین 1391 تا 1400 است. به منظور گردآوری داده های مورد نیاز برای انجام این پژوهش، از روش کتابخانه ای استفاده شد. در بخش بررسی عوامل مؤثر بر عملکرد حسابرسی داخلی از روش رگرسیونی استفاده شد. در بخش کشف تقلب نیز از یادگیری عمیق و شبکه عصبی پیشخور استفاده گردید. نتایج نشان داد که مدل های یادگیری عمیق و شبکه عصبی پیشخور در مقایسه با روش های رگرسیونی عملکرد بهتری در شبیه سازی و پیش بینی تقلب صورت های مالی داشتند. به ویژه، یادگیری عمیق توانست ارتباط بهتری بین ابعاد فشار/انگیزه و ابعاد فرصت شناسایی کند و نسبت به مدل های رگرسیونی عملکرد بالاتری از خود نشان داد. در این راستا، این روش ها توانستند ویژگی های پنهان بیشتری را در داده ها شبیه سازی کرده و عوامل پیچیده تری را شناسایی کنند که مدل های سنتی قادر به آن نبوده اند. پژوهش حاضر به طور ویژه به ارزش استفاده از تکنیک های یادگیری عمیق در شناسایی تقلب در صورت های مالی پرداخته است و نشان داده که این تکنیک ها می توانند ابعاد پیچیده تری از فشار/انگیزه و فرصت ها را که پیش تر کمتر مورد توجه قرار گرفته بود، شبیه سازی و شناسایی کنند. این تحقیق به پر کردن شکاف موجود در مدل های سنتی پیش بینی تقلب کمک کرده و همچنین در شناسایی عوامل کلیدی که بر عملکرد حسابرسی داخلی تأثیر می گذارند، گامی مؤثر برداشته است. بدین ترتیب، استفاده از یادگیری عمیق می تواند دقت و اثربخشی روش های پیش بینی تقلب صورت های مالی را به طور قابل توجهی افزایش دهد. این تحقیق با بررسی عملکرد یادگیری عمیق در کشف تقلب صورت های مالی، به ویژه با تأکید بر ابعاد فشار/انگیزه و فرصت ها، به غنای علمی در حوزه حسابداری و حسابرسی افزوده است. این پژوهش اولین مطالعه ای است که از این تکنیک ها برای شبیه سازی و شناسایی روابط پیچیده و پنهان در داده های صورت های مالی استفاده کرده و بدین ترتیب می تواند به محققان و حرفه ای های حسابرسی کمک کند تا ابزارهای جدید و مؤثرتری برای شناسایی تقلب ارائه دهند.

اجتناب مالیاتی به معنای استفاده از روش های مختلف برای کاهش مالیات پرداختی است. این روش ها شامل استفاده از اعتبارات مالیاتی، کاهش درآمد مشمول مالیات و غیره باشد. درعمل، برخی شرکت ها رفتارهای فرصت طلبانه ای مانند رفتارهای پرخطر مالیاتی را هم زمان با افزایش افشای داوطلبانه محیطی انجام می دهند. همچنین، هزینه حقوق صاحبان سهام نیز یکی از عوامل مؤثر بر اجتناب مالیاتی است. بنابراین هدف پژوهش حاضر، بررسی تأثیر افشای زیست محیطی و هزینه حقوق صاحبان سهام بر اجتناب مالیاتی با توجه به نقش کیفیت مکانیزم های حاکمیت شرکتی است. جامعه آماری این پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران است و روش رگرسیون خطی استفاده شده و نمونه آماری به روش حذف قاعده مند تعداد 105 شرکت در دوره مطالعاتی سال های 1395 الی 1401 است. با توجه به یافته های این پژوهش مکانیزم های حاکمیت شرکتی منجر به تقویت رابطه بین افشای زیست محیطی و اجتناب مالیاتی می گردد. همچنین، مکانیزم های حاکمیت شرکتی منجر به تقویت رابطه بین هزینه حقوق صاحبان سهام و اجتناب مالیاتی می گردد.

با گسترش فناوری و هوش مصنوعی، حرفه هایی مانند حسابرسی دچار تحولات چشمگیری شده اند. در فضای کسب وکار کنونی، کیفیت حسابرسی به عنوان عاملی کلیدی در ایجاد اطمینان برای ذی نفعان شناخته می شود. هوش مصنوعی با افزایش دقت، سرعت و بهبود تحلیل داده ها، نقش مؤثری در ارتقای این کیفیت ایفا می کند. در ایران، بهره برداری مؤثر از هوش مصنوعی در حسابرسی نیازمند درک صحیح از محیط حرفه ای و ویژگی های فردی حسابرسان است. هدف این پژوهش، شناسایی عوامل مؤثر برای بهبود کیفیت حسابرسی مبتنی بر هوش مصنوعی و خصوصیات فردی حسابرسان است. این مطالعه از نظر هدف کاربردی، از لحاظ روش توصیفی-همبستگی، از نظر نوع داده ها کمی و به صورت مقطعی انجام شده است. جامعه آماری شامل حسابرسان عضو جامعه حسابداران رسمی است و داده ها با استفاده از پرسشنامه و نرم افزارهای تحلیل آماری رایانه ای و مدل یابی معادلات ساختاری با روش حداقل مربعات جزئی تحلیل شده اند. نتایج نشان می دهد عواملی مانند آشنایی و پذیرش هوش مصنوعی، مهارت های دیجیتال، انعطاف پذیری، خلاقیت و زیرساخت های فناورانه بر کیفیت حسابرسی اثرگذارند. این یافته ها می تواند مسیر توسعه کیفیت گزارش های حسابرسی در ایران را هموار سازد.