مدل بنیش

مدیران شرکت های درمانده مالی و ورشکسته، انگیزه های بیشتری برای دستکاری سود فرصت طلبانه دارند. برخی از پژوهشگران، معتقدند که متغیرهای مالی می تواند ورشکستگی و تقلب مالی را پیش بینی کند. بر این اساس هدف این تحقیق پیش بینی تقلب با استفاده از مدل بنیش (1999)، در شرکت های ورشکسته (مشمول ماده 141)، است. با استفاده از داده های 99 شرکت طی دوره زمانی 1390 تا 1398، مشتمل بر 979 سال- شرکت بر اساس معیار ماده 141 قانون تجارت ایران، مدل بنیش مورد بررسی قرار گرفت. یافته های حاصل از آزمون فرضیه تحقیق نشان داد که در یکسال قبل از مشمول شدن ماده 141، حدود 68 درصد نمونه در گروه متقلب قرار گرفتند و در سال مشمول شدن ماده 141، حدود 5/62 درصد متقلب شناسایی شده اند. بنابراین شرکت ها در سال های قبل از ورشکستگی اقدام به تقلب می کنند.

هدف: به باور بنیش (1999)، دستکاری سود زمانی رخ می دهد که مدیریت، اصول پذیرفته شده عمومی حسابداری را به منظور سودآور نشان دادن عملکرد مالی شرکت نقض می کند. در این پژوهش، مدل بنیش با تأکید بر متغیرهای خارج از داده های حسابداری، شامل عدم تقارن اطلاعاتی و بازار رقابت محصول، توسعه یافته است. روش: برای دستیابی به هدف پژوهش، داده های لازم برای 184شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های 1386 تا 1396 جمع آوری شدند. ضرایب مدل ها، به روش شبکه عصبی آموزش یافته با الگوریتم PSO برآورد شده اند. برای فراهم آوردن قابلیت مقایسه نیز، 10 اجرا با 300 تکرار در هر اجرا انجام گرفت و پس از هم گرایی، اجراها متوقف شدند. یافته ها: توسعه مدل بنیش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را از مقدار 0807/0 به 0777/0 کاهش داد. همچنین، سطح زیرمنحنی راک در مدل بنیش، به ازای بهترین نقطه برش (5021/0) و بهترین دقت (26/60درصد) 5538/0 بود و این سطح در مدل توسعه یافته بنیش به ازای بهترین نقطه برش (5304/0) و بهترین دقت (42/67درصد) به 6335 /0 افزایش یافت. نتیجه گیری: نتایج حاکی از تصادفی بودن مدل بنیش و ناتوانی در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود است. همچنین، نتایج افزایش قدرت مدل توسعه یافته بنیش در قیاس با مدل اصلی را نشان می دهد؛ اما نتیجه آزمون ضعیف است و نشان می دهد که مدل توسعه یافته بنیش نیز در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود، کمابیش یک مدل تصادفی است.

دستکاری سود در چارچوب اصول پذیرفته شده حسابداری، همان مدیریت سود است که ممکن است کارا یا فرصت طلبانه باشد، اما دستکاری از طریق نقض اصول پذیرفته شده حسابداری، نوعی تقلب به شمار می رود. در هر صورت دستکاری سود، مانع از ارزیابی صحیح عملکرد شرکت می شود. توسعه مدلی که بتوان از طریق آن به پیش بینی دستکاری سود پرداخت، امکان ارزیابی های بهتری از عملکرد شرکت ها فراهم می آورد. بدین منظور این پژوهش درصدد است ضرایب مدل دستکاری سود بنیش را تعدیل کند و بر مبنای بهترین متغیرهای پیش بینی کننده، مدلی بومی برای پیش بینی دستکاری سود، توسعه دهد. در این راستا داده های 90 شرکت تولیدی (990 مشاهده) پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1391- 1381 به کمک رویکرد تمایزی و لاجیت بررسی شد. یافته ها نشان می دهد در محیط اقتصادی ایران، مدل اولیه بنیش نسبت به مدل تعدیل شده بنیش، قدرت خوبی برای شناسایی سطوح دستکاری سود ندارد. مدل تعدیل شده بنیش و مدل های توسعه یافته با رویکرد تحلیل تمایزی و لاجیت به ترتیب با دقت کلی 72 ، 75 و 81 درصد، قادر به شناسایی شرکت های دستکاری کننده و غیر دستکاری کننده سود هستند. همچنین شواهد نشان داد اطلاعات حسابداری برای پیش بینی دستکاری سود، مفید است.

سود یکی از عوامل مهم در رشد و توسعه اقتصادی بوده و دستکاری سود هم یکی از چالش های اساسی کارایی بازار است که محققین اغلب برای پیش بینی دستکاری سود از داده های حسابداری استفاده می کنند؛ درحالی که داده های غیر حسابداری هم نقش بسزایی در پیش بینی دستکاری سود دارند. این پژوهش به توسعه مدل بنیش با متغیرهای غیر حسابداری شامل عدم تقارن اطلاعاتی و رقابت در بازار محصول پرداخته است. داده های 184شرکت پذیرفته شده در بورس تهران طی سال های 1386-1396 جمع آوری و دقت پیش بینی مدل های پژوهش در کشف و شناسایی شرکت های دستکاری کننده سود با دو الگوریتم بهینه سازی حرکت تجمعی ذرات و رقابت استعماری در ترکیب شبکه عصبی مورد مقایسه قرار گرفت. یافته های پژوهش نشان می دهد دقت پیش بینی مدل پیشنهادی با الگوریتم رقابت استعماری و حرکت تجمعی ذرات به ترتیب از 55/57 به 86/63 درصد و از 71/55 به 84/59 درصد افزایش یافته است. با توسعه مدل سطح زیرمنحنی راک افزایش یافته و کاهش خطای پیش بینی در الگوریتم رقابت استعماری 31/6 درصد و در الگوریتم حرکت تجمعی ذرات 13/4 درصد است ولی همچنان نتیجه آزمون ضعیف می باشد. درواقع میزان دقت پیش بینی مدل با الگوریتم رقابت استعماری در مقایسه با الگوریتم حرکت تجمعی ذرات بهبود یافته است. 

مقدمه: اثرات مخرب دستکاری سود شرکت ها و شواهد تجربی متناقض پیرامون تاثیر ویژگی های روان شناختی مدیر عامل بر احتمال دستکاری سود، ضرورت توضیح دلایل رابطه مذکور را دو چندان کرده است. با توجه به اینکه تصمیم دستکاری سود با مدیریت شرکت می باشد، لذا ویژگی های روان-شناختی او می تواند در انجام یا عدم انجام دستکاری سود موثر باشد. هدف پژوهش حاضر بررسی تاثیر ویژگی های خودشیفتگی و بیش اعتمادی مدیر عامل بر احتمال دستکاری سود با استفاده از مدل بنیش و واکاوی واکنش حسابرس به احتمال دستکاری سود می باشد. روش پژوهش: تحقیق حاضر از لحاظ هدف کاربردی بوده و روش تحقیق از نوع علی پس-رویدادی می باشد. برای آزمون فرضیه های تحقیق تعداد 156 شرکت از شرکت های پذیرفت ه ش ده در ب ورس اوراق به ادار ته ران در دوره زمانی 1391-1397 انتخاب شده اند. یافته ها: نتایج تحقیق با بهره گیری از رگرسیون لاجستیک باینری، دلالت بر تاثیر خودشیفتگی مدیر-عامل بر احتمال دستکاری سود با استفاده از مدل بنیش تعدیل شده دارد. همچنین سایر فرضیه های تحقیق در مورد ارتباط بین بیش اعتمادی مدیر عامل و احتمال دستکاری سود و همچنین واکنش حسابرس به احتمال دستکاری سود مورد تائید قرار نگرفتند.

پیش بینی دقیق مدیریت سود بمنظورکشف وشناسایی دستکاری صورت های مالی، همواره یکی از اساسی ترین چالش های پیش روی کاربران گزارش های مالی بوده است. بکارگیری مدل بنیش می تواند یکی از مدل های مناسب برای مدلسازی در زمینه پیش بینی مدیریت سود باشد. به همین منظور در این پژوهش مدل بنیش (1999) با ترکیب متغیر های نظام راهبری شرکتی مشتمل بر ویژگی های ساختار کمیته حسابرسی و حسابرس مستقل، هیات مدیره و مالکیت شرکتی توسعه یافته است. داده های 81 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چند لایه و الگوریتم های بهینه سازی مبتنی برجغرافیای زیستی، رقابت استعماری و چرخه آب مورد تحلیل قرار گرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه و الگوریتم های چرخه آب، رقابت استعماری و بهینه سازی مبتنی بر جغرافیای زیستی به ترتیب از 59/08 ،59/96 و 59/79 درصد به 92/06 ، 89/24 و 79/72 درصد افزایش پیدا کرده است. نتایج حاکی از بهبود دقت مدل پیشنهادی در کشف شرکت های مدیریت کننده سود و نیز کارایی بالاتر الگوریتم چرخه آب نسبت به دو الگوریتم دیگر در بهینه سازی شبکه عصبی پرسپترون چند لایه می باشد.

افزایش میزان تقلب در گزارشگری مالی در سال های اخیر باعث عدم اعتماد سرمایه گذاران به بازار های سرمایه شده است. به همین علت پیش بینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیم گیری استفاده کنندگان صورت های مالی است. این پژوهش با ارائه یک مدل توسعه یافته بر مبنای مدل بنیش با تأکید بر متغیر های نظام راهبری شرکتی مشتمل بر ساختار کمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیش بینی مدیریت سود دارد. داده های 81 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم های کیهان شناسی سیاه چاله، مه بانگ – مه رمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های کیهان شناسی ازدحام ذرات کهکشانی، مه بانگ – مه رمب و سیاه چاله به ترتیب از 59/08 ، 63/49 و 57/5 درصد به 87/3، 79/72 و 74/25 درصد افزایش پیداکرده است که حاکی از بهبود قدرت پیش بینی مدل در کشف شرکت های دستکاری کننده سود است. در مدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاه چاله ومه بانگ-مه رمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطه شده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چند لایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی به 12/7 درصد کاهش یافته است.

وقوع اشتباه در حسابداری امری اجتناب ناپذیر بوده و عواملی چون تنوع و پیچیدگی موضوعات اقتصادی، حجم بالای کار، خستگی و... این احتمال را افزایش می دهد. همچنین به دلیل تغییرات مداومی که در شرایط اقتصادی ، اجتماعی و ... صورت می گیرد، ممکن است که ایجاد تغییر در اصول و روشهای حسابداری به منظور هماهنگ کردن واحد تجاری با شرایط جدید ضروری باشد که همه این موارد به تجدید ارائه صورتهای مالی منتج می شود .موضوعی که در نتیجه رسوایی های گزارشگری مانند شرکت انرون و ... بسیار مورد توجه قرار گرفته است. هدف این پژوهش ارائه مدل بسط یافته بنیش، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. نمونه آماری پژوهش 265 شرکت بوده که با استفاده از رگرسیون لاجیت و الگوریتم ژنتیک به برآورد و بهبود مدل بنیش پرداخته شده است. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورتهای مالی، دقت و کارآیی مدل بهبود یافته بنیش با الگوریتم ژنتیک 21/73 درصد دقت پیش بینی کل داشته که دارای بالاترین قدرت پیش بینی در مقایسه با مدل اولیه بنیش و مدل ارائه شده با رگرسیون لاجیت بوده است و فرضیه های پژوهش تایید می گردد.

از دیدگاه نظری، منظور از بی نظمی مالی، تلاش در جهت کاهش رفتارهای فرصت طلبانه مدیران است؛ بنابراین به نظر می رسد بسیاری از شرکت ها درگیر بی نظمی مالی باشند و به همین دلیل تعیین عوامل تأثیرگذار بر سطح بی نظمی مالی در شرکت ها دارای اهمیت زیادی است که بدین منظور از مدل بومی حنیفی و همکاران (1401) استفاده شده است. بدین منظور پرسشنامه ای برای نظرخواهی از خبرگان درباره وزن و اهمیت معیارهای در نظر گرفته شده برای سنجش بی نظمی مالی شرکت، تهیه و بین آن ها توزیع شد و با استفاده از یکی از روش های مدل تصمیم گیری چند معیاره (آنتروپی شانون) وزن و اهمیت معیارها تعیین گردید. همچنین به منظور سنجش روابط متغیر پنهان که در این پژوهش بی نظمی مالی می باشد از تحلیل عاملی تائیدی استفاده شد؛ همچنین در این پژوهش درپی سنجش تأثیر ریسک مالی بر مدل ارائه شده بی نظمی مالی خواهیم بود. لذا در این پژوهش با استفاده از داده های مربوط به 167 شرکت طی سال های 1390 الی 1400 پرداخته شده است. نتایج به دست آمده نشان می دهد که مدل پیشنهادی شاخص مناسبی برای بی نظمی مالی است. همچنین نتایج دربرگیرنده آن است که ریسک مالی باعث افزایش بی نظمی مالی می شود.

افراد در زندگی خود با معضلات اخلاقی روبرو می شوند. مدیران، حسابداران و حسابرسان نیز در حرفه خود با موقعیت های متعددی روبرو می شوند، موقعیت هایی که وسوسه می شوند تا عمل غیراخلاقی انجام دهند. یکی از این رفتارهای غیراخلاقی، تقلب و دستکاری سود است که منجر به شکست اخلاقی در شرکت ها می شود. با توجه به احتمال تقلب در صورت های مالی و آثار زیان بار آن بر اقتصاد، پیشگیری و کشف تقلب مالی، برای جلوگیری از پیامدهای مخرب آن، اهمیت زیادی دارد. بنابراین معرفی یک ابزار تشخیص زودهنگام، برای هشدار دادن به دستگاه های اجرایی برای انجام تحقیقات بیشتر یا اقدامات قانونی، ضروری است. توسعه مدلی که بتوان از طریق آن به پیش بینی دستکاری سود و کشف رفتار غیراخلاقی مدیران پرداخت، امکان ارزیابی بهتری از عملکرد شرکت را فراهم می آورد. هدف این پژوهش، بررسی توانایی مدل بنیش و اسپاتیس در جهت کشف گزارشگری مالی متقلبانه است. سپس ضرایب این دو مدل، با استفاده از رگرسیون لجستیک تعدیل شده و توانایی این دو مدل تعدیل شده جدید نیز برای کشف گزارشگری مالی متقلبانه بررسی شد. در این راستا، داده های 99 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران (1089 مشاهده) طی سال های 1386- 1396 بررسی شد. نتایج نشان می دهد مدل اولیه بنیش و اسپاتیس، در کشف گزارشگری مالی متقلبانه قدرت خوبی ندارد، اما مدل تعدیل شده بنیش و مدل تعدیل شده اسپاتیس با دقت به ترتیب 77% و 82% قادر به کشف گزارشگری مالی متقلبانه هستند.

هدف: اتکاپذیری یکی از ویژگی های کیفی بسیار مهمِ اطلاعات حسابداری به شمار می آید. طبق مفاهیم نظری گزارشگری مالی، اطلاعاتی اتکاپذیر است که از اشتباه و تمایلات جانب دارانه خالی باشد. موضوع تجدید ارائه صورت های مالی در نتیجه رسوایی های گزارشگری، در متن ها و مجله های حسابداری، بسیار در کانون توجه قرار گرفته است. هدف اصلی پژوهش، ارائه معیاری مناسب برای پیش بینی تجدید ارائه صورت های مالی با استفاده از مدل های بنیش و توسعه بنیش است.روش: این پژوهش از نوع کاربردی و از نظر روش شناسی، پس رویدادی است و در حوزه تحقیقات اثباتی حسابداری قرار می گیرد و بر اطلاعات واقعی در صورت های مالی شرکت ها مبتنی است. داده های مورد نیاز از سایت کدال بورس و از صورت های مالی و گزارش های منتشر شده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در دوره ۱۳۸۸ تا ۱۳۹۹ استخراج شده است. همچنین تجزیه وتحلیل داده ها با استفاده از نرم افزار اس پی اس اس و پایتون انجام شده است.یافته ها: در این پژوهش ابتدا، مدل اولیه بنیش برای پیش بینی احتمال تجدید ارائه صورت های مالی بررسی شد؛ سپس با استفاده از شاخص های اثرگذار بر تجدید ارائه و به کمک آزمون تی مستقل و رگرسیون گام به گام، به برآورد مدل با استفاده از رگرسیون لاجیت پرداخته شد. دقت کلی مدل اولیه بنیش، برای پیش بینی احتمال تجدید ارائه صورت های مالی ۴۳/۲۹ درصد و دقت کلی مدل در خصوص مدل توسعه یافته بنیش نیز ۶۸/۶۸ درصد برآورد شد. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورت های مالی، مدل توسعه یافته بنیش با رگرسیون لاجیت ۶۸/۶۸ درصد، توانایی پیش بینی کل را دارد و در مقایسه با مدل اولیه بنیش (دقت مدل = ۴۳/۲۹ درصد) بیشترین قدرت پیش بینی را داشته است؛ از این رو فرضیه پژوهش تأیید می شود و دقت مدل توسعه یافته بنیش با رگرسیون لاجیت، در شناسایی شرکت های تجدید ارائه شده، بیشتر از مدل اولیه بنیش است.نتیجه گیری: جریان درست اطلاعات در بازار سرمایه، به عنوان موتور محرکه اقتصاد، به تصمیم گیری صحیح و منطقی مشارکت کنندگان منجر می شود و سرانجام، توسعه اقتصادی و بهبود رفاه اجتماعی را به ارمغان می آورد. گزارشگری مالی یکی از ابزارهای اصلی ارتباطی بین یک شرکت با گروه های مختلف ذی نفعان خود است؛ بنابراین شفافیت اطلاعاتی و ارائه اطلاعات صحیح و به موقع توسط شرکت های پذیرفته شده در بورس اوراق بهادار، یکی از عوامل مهم مؤثر برای دستیابی به بازار سرمایه کار است. این پژوهش به دنبال ارائه یک مدل بهینه با استفاده از مدل دست کاری سود بنیش، برای پیش بینی احتمال تجدید ارائه صورت های مالی است. پژوهش های متعددی تاکنون با همین محوریت صورت گرفته است؛ اما خلأ شواهد تجربی درباره ارائه یک مدل کارا و مفید متناسب با شرایط اقتصادی بازار سرمایه ایران، برای پیش بینی احتمال تجدید ارائه صورت های مالی کاملاً مشهود است. در این پژوهش، ابتدا مدل اولیه بنیش برای پیش بینی احتمال تجدید ارائه صورت های مالی بررسی شد. در مرحله دوم، به منظور ارائه یک مدل توسعه یافته براساس شاخص های بنیش و با استفاده از رگرسیون لاجیت، هشت شاخص مالی مدل بنیش از صورت های مالی شرکت های منتخب استخراج شد. در ادامه با استفاده از آزمون رگرسیون گام به گام، بهترین نسبت ها برای پیش بینی تجدید ارائه صورت های مالی انتخاب شد. در این راستا، دو نسبت شاخص مجموع اقلام تعهدی به مجموع دارایی ها و شاخص نسبت بدهی، به عنوان شاخص مالی نهایی انتخاب شد و مدل توسعه یافته بنیش براساس این دو شاخص نهایی ارائه شد. در مرحله سوم، براساس ماتریس درهم ریختگی با مقایسه بین آن ها، بهترین مدل و روش جهت پیش بینی انتخاب شد.

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 کند