ارائه رویکردی نوین در پیشبینی و کشف تقلب صورتهای مالی با استفاده از الگوریتم زنبور عسل
نویسندگان
1 دانشجوی دکترای حسابداری، دانشگاه تربیت مدرس، تهران، ایران.
2 استاد حسابداری، دانشگاه تربیت مدرس، تهران، ایران.
3 دانشیار حسابداری، دانشگاه تربیت مدرس، تهران، ایران.
4 استاد مدیریت صنعتی، دانشگاه تربیت مدرس، تهران، ایران.
doi
10.22103/jak.2019.13616.2927چکیده
هدف: با توجه به اینکه برای کتمان تقلب در صورتهای مالی از طرحهای پیچیده و سازمان یافته استفاده میشود، توسعه روشهای کشف تقلب میتواند به عنوان راهکاری مورد توجه قرار گیرد. لذا، پژوهش حاضر با استفاده از الگوریتم زنبورعسل به توسعه روشهای کشف تقلب در صورتهای مالی پرداخته است. روش: برای بررسی موضوع سه روش الگوریتم زنبور عسل، الگوریتم ژنتیک و رگرسیون لوجستیک به کارگرفته شده است. نمونه آماری این مطالعه متشکل از 120 شرکت پذیرفته شده در بورس اوراق بهادار (60 شرکت مشکوک به تقلب و 60 شرکت غیر متقلب) برای دوره زمانی 1396-1385 است. شرکتهای مشکوک به تقلب بر مبنای 1) اظهارنظر تعدیل شده حسابرسی، 2) وجود تعدیلات سنواتی با اهمیت و صورتهای مالی تجدید ارائه شده در مورد موجودیها و سایر داراییها و... 3) وجود اختلافات مالیاتی با حوزه مالیاتی طبق یادداشت ذخیره مالیات بر درآمد و پرونده مالیاتی و بند شرط گزارش حسابرسی انتخاب شدند. پس از استفاده از آنتروپی متقابل، 16 نسبت مالی به عنوان پیشبینی کنندههای بالقوه گزارشگری مالی متقلبانه معرفی شدند. یافتهها: یافتههای پژوهش نشان داد که روش الگوریتم زنبور عسل با دقت پیشبینی 5/82 درصد نسبت به دو روش الگوریتم ژنتیک با دقت 5/77 درصد و رگرسیون لوجستیک با دقت 5/72 درصد، از عملکرد بهتری جهت شناسایی شرکتهای مشکوک به تقلب در صورتهای مالی برخوردار است. نتیجهگیری: نتایج پژوهش حاکی از آن است، روش پیشنهادی این پژوهش در مقایسه با دیگر روشهای تکاملی، از دقت پیشبینی بالاتر، درصد خطای کمتر و سرعت نسبتاً خوبی برخوردار است.