فهرست نشریات علمی دسترسی آزاد ایران

هدف: هدف پژوهش حاضر کشف صورت‌های مالی متقلبانه براساس الگوریتم‌های یادگیری عمیق در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. روش: 1800 سال-شرکت (150 شرکت برای 12 سال) از گزارش‌های مالی سالیانه شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی 1391 تا 1402 مورد آزمون قرار گرفتند. در پژوهش حاضر از سه الگوریتم یادگیری عمیق (شامل الگوریتم‌های ماشین بردار پشتیبان (SVM)، شبکه عصبی پیچشی (CNN) و شبکه عصبی بازگشتی (RNN)) استفاده شد. همچنین جهت انتخاب متغیرهای نهایی پژوهش از روش «آزمون مقایسه میانگین دو نمونه» جهت ایجاد مدل استفاده شده است. یافته‌ها: نتایج حاصل از الگوریتم‌های یادگیری عمیق نشان می‌دهد که صحّت کلی الگوریتم‌های SVM، CNN و RNN به ترتیب 88.4%، 81.3% و 94.4% می‌باشد که نشان‌دهنده این است که الگوریتم RNN بهترین عملکرد و الگوریتم CNN بدترین عملکرد را در کشف شرکت‌های دارای صورت‌های مالی متقلبانه دارد. به عبارت دیگر، نتایج نشان‌دهنده کارآ بودن الگوریتم شبکه عصبی بازگشتی (RNN) نسبت به سایر الگوریتم‌های یادگیری عمیق است. بنابراین، در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران از بین سه الگوریتم SVM، CNN و RNN، الگوریتم RNN کاراترین مدل را برای کشف صورت‌های مالی متقلبانه فراهم می‌کند. نتیجه‌گیری: یافته‌های پژوهش حاضر می‌تواند برای سهامداران، اعتباردهندگان، تحلیلگران و سایر مشارکت‌کنندگان در بازار سرمایه، اطلاعات سودمندی را در بهبود پیش‌بینی صورت‌های مالی متقلبانه و کاهش خطا در اتخاذ تصمیمات مبتنی بر اطلاعات صورت‌های مالی، ارزیابی بهتر عملکرد شرکت بر مبنای اطلاعات، اتخاذ استراتژی‌های معاملاتی بهینه و شناسایی فرصت‌های مناسب خرید و فروش سهام بر مبنای اطلاعات صورت‌های مالی فراهم کند.