لاجستیک

تقلب صورت های مالی تبدیل به یک مشکل جدی برای فعالان بازار و سیاست گذاران شده است. در واقع، این مسئله قابلیت اطمینان بازارهای سرمایه، رؤسای شرکت ها و حتی حرفه حسابرسی را تهدید می کند. حسابرسان به طور خاص با ناتوانی ظاهری خود در کشف تقلب در مقیاس بزرگ مواجه هستند و از این رو روش های مختلفی برای شناسایی این معضل ارائه شده است. بر این اساس هدف تحقیق حاضر مقایسه دقت مدل های سنتی و شبیه سازی و مدرن در پیش بینی تقلب در صورت های مالی است. تحقیق حاضر از لحاظ روش کاربردی است. بازه زمانی تحقیق 1390 تا 1398 بوده و در برآورد مدل از داده شرکت های منتخب در بورس اوراق بهادار تهران بهره گرفته شده است. در این تحقیق بر اساس سه رویکرد سنتی، الگوریتم ژنتیک و روش غیرخطی مارکوف سویچینگ اقدام به پیش بینی تقلب و دقت مدل های برآوردی نمودیم. بر اساس نتایج رژیم غالب در بورس اوراق بهادار تهران رژیم تقلب بالا بوده؛ همچنین بر اساس نتایج مدل های تغییر رژیم بالاترین دقت را در پیش بینی تقلب دارند و الگوریتم ژنتیک و لاجستیک به ترتیب دارای بالاترین دقت در برآورد مدل برآوردی بودند.