فهرست نشریات علمی دسترسی آزاد ایران

بیشتر سیستم‌های تشخیص تقلب سنتی برای شناسایی تقلب مالی، صرفا معیار‌های مالی را در نظر می‌گیرند که به نظر می‌رسد درحالیکه این احتمال وجود دارد که شرکت‌های متقلب علاوه بر تقلب‌های مالی، مرتکب سایر انواع تقلبهای غیر مالی نیز شوند. اگرچه تحقیقات اخیر، بیش از حد بر اهمیت داده های مالی به عنوان تنها فاکتور پیش‌بینی‌کننده تقلب تأکید کرده‌اند؛ هیچ مطالعه‌ای بر معیارهای غیر مالی یا ESG به عنوان یک فاکتور کمکی برای برای پیش‌بینی تقلب انجام نشده است. لذا هدف این تحقیق این است که با ارائه یک مدل یادگیری ماشینی پیشرفته و یادگیری عمیق، امکان بهبود پیش‌بینی تقلب‌های بر اساس ترکیبی از داده‌های مالی و ESG، را بررسی نماید. در این پژوهش با استفاده از الگوریتم های نظارت‌شده یادگیری ماشین و یادگیری عمیق، به بررسی چگونگی شناسایی تقلب مالی در بازه زمانی 10 ساله منتهی به سال 1401 پرداخته می شود. این تحقیق به طور نوآورانه‌ای نشان داد که استفاده از مدل ترکیبی مبتنی بر داده‌های مالی ومعیارهای غیرمالی قدرت پیش‌بینی‌کننده‌ای بهتری برای تقلب‌های مالی نسبت به تکیه صرف بر داده‌های مالی دارد. مطابق یافته های این تحقیق، در پاسخ به پرسش اول این تحقیق، در میان الگوریتم‌های یادگیری ماشین و یادگیری عمیق، بالاترین کارایی در برای الگوریتم طبقه‌بندی یا Bagging مشاهده گردید. همچنین یافته های این تحقیق در خصوص سوال دوم تحقیق نشان می دهد که مجموعه داده‌ای همه ویژگی‌ها(مدل ترکیب داده‌های مالی و غیرمالی) کارایی بهتری در مقایسه با مجموعه داده‌های مالی به تنهایی) و غیرمالی به تنهایی داشته است.