پیش بینی تقلب صورتهای مالی با استفاده از رویکرد کریسپ(CRISP)
نویسندگان
1 استادیار گروه مدیریت صنعتی، دانشگاه یزد، یزد، ایران.
2 دانشجویدکتریحسابداری، واحد یزد ،دانشگاه آزاد اسلامی، ، یزد، ایران.
3 استادیار گروه حسابداری، واحد یزد، دانشگاه آزاداسلامی، یزد، ایران.
doi
چکیده
چکیده هدف اصلی این مقاله پیش بینی تقلب صورتهای مالی با استفاده از رویکردکریسپ است. داده های اولیه مورد بررسی در این پژوهش، مربوط به نمونه آماری با حجم 164 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی مقطع زمانی ۱۳۹۶ -۱۳۹۳ میباشد، که به روش نمونه گیری حذف سیستماتیک انتخاب شده اند. متغیرهای مستقل تاثیر گذار بر تقلب در این پژوهش در برگیرنده 40 متغیر مالی و غیر مالی می باشد که بر اساس پیشینه پژوهش انتخاب شده اند. در نهایت داده های مربوط به متغیرها براساس رویکرد کریسپ، جهت تعیین وزن و ویژگی متغیرهای بااهمیت به مدل آنتروپی شانون و به منظور پیش بینی تقلب به 4تکنیک برتر از بین تکنیکهای هوش مصنوعی داده شد، که این تکنیکها شامل؛ درخت تصمیم، شبکه های عصبی، ماشین بردار پشتیبان و روش ترکیبی آدابوست ماشین بردار پشتیبان می باشد. با استفاده از آنتروپی شانون از بین 40 متغیر پژوهش، 27 متغیر برتر براساس ویژگی سود اطلاعاتی، مشخص گردید، که متغیر نسبت سود انباشته به فروش به عنوان با اهمیت ترین متغیر در زمینه پیش بینی تقلب صورت های مالی شناسایی شده است. پس از بکارگیری رویکرد کریسپ، نتایج نشان داد تمامی تکنیک ها قابلیت کشف تقلب صورتهای مالی را در سطح نسبتا بالایی دارند و تکنیک پیشنهادی آدابوست ماشین بردار پشتیبان در مرحله آموزش با نرخ دقت 81.69% دارای دقت و توان ارزیابی بالاتری نسبت به سایر تکنیک ها بوده و این تکنیک در مرحله آزمایش 82% صورتهای مالی متقلبانه و غیرمتقلبانه سال 1396 را بدرستی تشخیص داد.
