سیستم استنتاج فازی- عصبی تطبیقی

شرکت ها گاهی به تدوین گزارش های مالی متقلبانه در راستای تقلب مالیاتی می پردازند. هدف این پژوهش، ترکیب ابزارهای داده کاوی و هوش مصنوعی همراه با الگوریتم های فراابتکاری جهت تبیین و بهینه سازی مدلی در شناسایی تقلب و فرار مالیاتی با به کارگیری ظرفیت گزارش های مالی است. نشانگرهای کیفی و کمی گزارش های مالی 1056 سال- شرکت بورس اوراق بهادار تهران از 1385 تا 1398 در رویکرد کلاسیک بررسی و جهت تبیین مدل در سیستم استنتاج فازی–عصبی تطبیقی به کارگرفته شد. یافته های پژوهش نشان می دهد که در بهینه سازی با الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات و الگوریتم تکامل تفاضلی، الگوریتم ازدحام ذرات، بهینه ترین مدل را حاصل نموده و در بررسی با داده های آزمایشی و آموزشی کاراترین الگوریتم است. نتایج حاکی از این است که به کارگیری الگوریتم های بهینه سازی مختلف در رویکرد داده کاوی، سبب افزایش قدرت پیش بینی مدل شناسایی گزارشگری مالی- مالیاتی متقلبانه می گردد.