بهینه سازی مدل تقلب بنیش در پیش بینی تجدید ارائه صورتهای مالی با استفاده از ترکیب شبکه عصبی و الگوریتم ژنتیک
نویسندگان
1 دانشیار، گروه حسابداری، دانشکده مدیریت دانشگاه تهران، تهران، ایران.
2 دانشجوی دکتری حسابداری، دانشگاه تهران، پردیس البرز، تهران، ایران
doi
چکیده
تجدید ارائه صورت های مالی، به معنی ارائه مجدد اطلاعات مالی سال گذشته به منظور اصلاح اطلاعات نادرست یا افزایش قابلیت مقایسه، یکی از پدیده های رایج در ایران است که موجب سلب اطمینان سرمایه گذاران نسبت به اعتبار و شایستگی مدیریت و کیفیت سودهای گزارش شده می شود. هدف از ارائه این پژوهش ارائه مدل توسعه ای تقلب بنیش ، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. داده های 265 شرکت با استفاده از شاخص های منتخب و نهایی مدل تقلب بنیش ( 1999) استخراج و جهت توسعه مدل پیش بینی نیز از الگوریتم شبکه عصبی و ژنتیک استفاده شده است.نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، دقت و کارآیی مدل بهبود یافته بنیش با الگوریتم ترکیبی شبکه عصبی و ژنتیک در پیش بینی شرکت های تجدید ارائه نشده 15/78 درصد ، شرکت های تجدید ارائه شده 63/29 درصد بوده است. همچنین دقت کلی مدل ارائه شده با الگوریتم ترکیبی شبکه عصبی و ژنتیک 21/73 درصد بوده است.