مدل سازی متغیرهای اثرگذار برکشف تقلب در صورت های مالی با استفاده از تکنیک های داده کاوی

رسوایی ها و شکست های شرکتی اخیر اطمینان سرمایه گذاران نسبت به درست و منصفانه بودن حساب های واحدهای تجاری را مخدوش کرده است. در بیش تر موارد گزارش شده، مدیریت از طریق دستکاری صورت های مالی شرکت برای انعکاس نتایج دلخواه خود به عموم به کلاهبرداری و پنهان ساختن آن مبادرت کرده است. از این رو، در محیطی پویا از تقلب در صورت های مالی، تکنولوژی های مبتنی بر آمار و یادگیری ماشینی یک راهکار اثربخش برای پیشگیری و کشف تقلب هستند. بنابراین در این پژوهش به بررسی این مساله پرداخته می شود که آیا می توان از طریق شناسایی و انتخاب متغیرهای اثرگذار در کشف تقلب در صورت های مالی و با بکارگیری تکنیک های داده کاوی مدلی برای کشف تقلب در صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارایه کرد؟ برای پاسخگویی به این سوال از ۴۰ متغیر مالی و غیر مالی به همراه تکنیک های داده کاوی شبکه عصبی مصنوعی، شبکه بیزین و الگوریتم بوستینگ استفاده گردید. یافته های پژوهش بیان گر وجود شواهدی دال بر عملکرد مناسب مدل های پیشنهادی برای پیش بینی تقلب در صورت های مالی است. نتایج حاصل از انتخاب ویژگی به روش مبتنی بر همبستگی حاکی از سودمندی متغیرهای نسبت پوشش بهره، نسبت حساب های دریافتنی به کل دارایی ها، نسبت موجودی کالا به فروش خالص، نسبت نقدی، لگاریتم طبیعی فروش، نسبت سود خالص به فروش و نسبت جمع دارایی های جاری به کل دارایی ها برای کشف تقلب بود.

Keywords:

Fraud Detection , Financial Statements Fraud , Data Mining , Tehran Stock Exchange. , کشف تقلب , تقلب در صورت های مالی , داده کاوی , بورس اوراق بهادار تهران.