پیش بینی گزارش حسابرس مستقل در ایران : رویکرد داده کاوی
Publish place: 10th Iranian Academic Accounting conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,528
This Paper With 34 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IAAC10_050
تاریخ نمایه سازی: 4 اسفند 1391
Abstract:
افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن داده های مالی،محدودیت هایی برای استفاده بهینه و کارا از این داده ها به وجود آورده است. به همین دلیل، استفاده ازتکنیک های داده کاوی به منظور استخراج اطلاعات مفید از این داده ها رواج یافته است. هدف اینپژوهش پی شبینی گزارش حسابرس مستقل با استفاده از تکنیک های داده کاوی م یباشد. به منظور پیش بینی گزارش حسابرس مستقل از سه تکنیک طبقه بندی داده کاوی شامل، درخت تصمیمC 5.0 شبکه های عصبی مصنوعی و رگرسیون لجستیک استفاده شده است. جامعه آماری پژوهش شامل تمامیشرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سا لهای 1382 الی 1388 م یباشد. در این تحقیق از 29 متغیر مالی و غیرمالی در قالب 10 طبقه به منظور آموزش و آزمون مدل استفاده شده است نتایج تحقیق نشان م یدهد که میانگین دقت مدل حاصل از تکنیک درخت تصمیمC 5.0 از دو تکنیک دیگر بیشتر بوده و این تکنیک توانایی بالاتری جهت کاهش ریس کهای حسابرسی دارد. درخت تصمیم حاصل از این تکنیک گزارشات حسابرسی را با میانگین دقت 88.64 % پیش بینی می کند. مطابق با نتایج تحقیق با اهمیت ترین متغیر جهت پیش بینی نوع گزارش حسابرس مستقل در تمامی مد لها، نوع گزارش حسابرسی سال قبل (از طبقه حاکمیت شرکتی) م یباشد
Keywords:
Authors
محمدعلی باقرپورولاشانی
استادیار دانشگاه فردوسی مشهد
محمدجواد ساعی
استادیار گروه حسابداری دانشگاه فردوسی مشهد)
علی مشکانی
دانشیار گروه آمار دانشگاه فردوسی مشهد)
مصطفی باقری
کارشناس ارشد حسابداری دانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :