تحليل اثربخشی داده کاوی در حسابرسی به منظور كاهش ريسك عدم كشف با استفاده از رگرسيون لجستيك در بورس تهران

تحليل اثربخشی داده کاوی در حسابرسی به منظور كاهش ريسك عدم كشف با استفاده از رگرسيون لجستيك در بورس تهران

آکادمی داده

۱۳۹۷/۰۵/۱۷


  • 9 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

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 طی سال های ۱۳۹۰ الی ۱۳۹۴ 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 نشان می دهد که در سطح اطمینان ۹۵% 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 TP بیش از ۸۴ % 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 کارایی مناسب برای پیش بینی تغییر حسابرس شرکت ها ایجاد کرد از روشهای آماری تک متغیره و چند متغیره همچون رگرسیون لجستیک جهت طراحی مدل برای شناسایی عوامل مرتبط با FFS استفاده شده است. یک مجموعه از ۲۵ نسبت مالی به عنوان پیش بینی کنندگان بالقوه FFS انتخاب شدند این متغیرها در تحقیقات قبلی با اهمیت ظاهر شدند و از صورتهای مالی انتشار یافته استخراج می شوند. متغیرهای انتخاب شده ابتدا از طریق آزمون T - TEST به تعداد 9 متغیر کاهش داده شدند و در مدل مورد نظر قرار گرفتند. مدل در طبقه بندی صحیح کل نمونه از نرخ صحت تقریبا ۸۴ درصد برخوردار هستند. نتایج حاصل از این مدل بیانگر این است که توانایی کشف تقلب صورتهای مالی ( FFS) از طریق تجزیه و تحلیل صورتهای مالی حسابرسی شده و انتشار یافته وجود دارد. بطور کلی معیارهای انتخاب شده برای طبقه بندی شرکتها و مرتبط تشخیص داده شده اند. شرکتهای با نسبت بالای بدهی به حقوق صاحبان سهام و نسبت بالای بدهی بلندمدت به داراییها از مهمترین شاخصهای پیش بینی کننده تقلب صورتهای مالی طبق نتایج رگرسیون لوجيستیک گام به گام محسوب می شوند.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به دنبال مجموعه مقالات فارسی در موضوعات مختلف هستید به لینک مراجعه بفرمایید. در این لینک مجموعه مقالات فارسی در حوزه های مختلف داده کاوی و متن کاوی ارائه شده است.

کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.