تکنیک های داده کاوی برای کشف تقلب در صورت های مالی

تکنیک های داده کاوی برای کشف تقلب در صورت های مالی

آکادمی داده

۱۳۹۷/۰۵/۱۱


  • 67 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. 

 

امروزه می بایست در فعالیت های حسابرسی به موارد تقلب مدیریتی فزاینده ای رسیدگی کرد. تکنیک های داده کاوی که مدعی داشتن توانایی های بالای پیش بینی و طبقه بندی هستند، می توانند حسابرسان را در کشف تقلب مدیریتی یاری کنند. هدف این مطالعه این بود که کارایی سه روش داده کاوی در کشف صورت های مالی متقلبانه به وسیله داده های انتشار یافته را بررسی و با یکدیگر مقایسه کنند. روش های مورد استفاده عبارت بودند از: درخت تصمیم گیری، شبکه عصبی و شبکه بیزین.
 نتایج حاصل از آزمایشات با یافته های تحقیقات پیشین مطابقت داشته و حاکی از اینند که داده های صورت های مالی منتشر شده حاوی شاخصه های تقلب هستند. به عالوه، تعداد نسبتا کمی از نسبت های مالی تأثیر تعیین کننده ای بر نتایج طبقه بندی دارند. همراهی این دانش با الگوریتم های داده کاوی می تواند به ساخت مدل هایی کمک کند که از قدرت طبقه بندی بسیار بالایی برخوردار باشند.
 مطالعه حاضر می تواند با بررسی متغیرهای پیشنهادی به منظور شناسایی آن هایی که موارد FFS را به بهترین شکل متمایز می کنند، به تحقیقات حوزه حسابرسی و حسابداری کمک نماید. این تحقیق همچنین متغیرهای خاصی از میان اطلاعات انتشار یافته را پیشنهاد می دهد که حسابرسان می بایست در زمان ممیزی وقت بیشتری را صرفشان کنند. چارچوب روش شناختی ما می تواند به حسابرسان ( هم حسابرسان داخلی و هم بیرونی ) ، مقامات مالیاتی و دیگر مقامات دولتی، افراد و سازمان های سرمایه گذار، بورس اوراق بهادار، شرکت های حقوقی، تحلیلگران اقتصادی، آژانس های ارزیابی اعتبار و نیز به سیستم بانکی، کمک کند. نتایج این تحقیق می تواند حرفه حسابرسی را در توجه به مسئولیتش که همان کشف  FFSاست، یاری نماید.
 از نظر عملکرد، شبکه بیزین بهترین عملکرد را داشته و موفق شد در یک فرایند اعتبارسنجی مقطعی 10 لایه ،  90.3 درصد نمونه اعتبارسنجی را به درستی طبقه بندی کند. میزان دقت مدل های شبکه عصبی و درخت تصمیم گیری به ترتیب برابر 80 و 73.6 درصد بود. تمامی مدل ها خطای نوع اول کمتری داشتند.
 شبکه بیزین وابستگی هایی را میان دستکاری اطلاعات و نسبت های بدهی به دارایی خالص، سود خالص به مجموع دارایی، میزان فروش به مجموع دارایی، سرمایه در گردش به مجموع دارایی و نمره  Z  نشان می داد. هریک از این نسبت ها به جنبه خاصی از وضعیت مالی شرکت ( یعنی نسبت بدهی به دارایی، سوددهی، عملکرد فروش، توان پرداخت بدهی و درماندگی مالی) اشاره دارند. درخت تصمیم گیری اساسا دستکاری در اطلاعات را با درماندگی مالی مرتبط می دانست؛ چراکه از نمره Z به عنوان اولین تفکیک کننده استفاده می کرد. طبق معمول، این مطالعه می تواند باعث پیشرفت تحقیقات دیگر شود. تفاوتی مهم در میان آزمایشات ما اینست که مدل BBN به دلیل محدودیت های نرم افزاری، از داده های تفکیک شده بهره می گرفت. تفکیک داده ها به بهای از دست رفتن برخی اطلاعات، تأثیر واخوردها را از بین می برد. تحقیقات دیگر باید به موضوع تأثیر تفکیک داده ها بر عملکرد مدل ها و همچنین موضوع بهترین الگوریتم های تفکیک توجه نمایند. همچنین لازمست تحقیقات آینده به بررسی شرایطی بپردازند که تحت آن ها تکنیک های داده کاوی بهتر از دیگر روش ها عمل می کنند.
 بردار ورودی ما تنها از نسبت های مالی تشکیل شده است. افزودن اطلاعات کیفی ( مانند بررسی های حسابرسان قبلی یا ترکیب هیأت اجرایی )  به بردار ورودی، می تواند میزان دقت را افزایش دهد. به عالوه، انجام مطالعه ای ویژه روی این صنعت، می تواند شاخصه های خاصی را آشکار نماید. امیدواریم تحقیق ارائه شده در این مقاله محققان را به انجام کارهای پژوهشی دیگر درمورد این موضوعات مهم، ترغیب کند.

 

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


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.