تکنیک های داده کاوی برای
کشف تقلب در صورت های مالی
Data Mining techniques for the detection of fraudulent
financial statements
لینک دانلود مقاله:
http://s8.picofile.com/file/8315120284/22094.pdf.html
چکیده
این مقاله کارایی تکنیک
های طبقه بندی با استفاده از داده کاوی (DM)در شناسایی
شرکت هایی را که صورت های مالی خلاف واقع (FFS) منتشر می
کنند، بررسی کرده و به شناسایی عوامل مرتبط با FFS نیز می پردازد. حسابرسان می توانند با بهره بردن از تکنیک های
داده کاوی برای کشف تقلب های مدیریتی، کار خود را ساده تر کنند. این مطالعه تأثیر استفاده
از درخت های تصمیم گیری، شبکه های عصبی و شبکه های بیزین در شناسایی صورت های مالی
تقلبی را بررسی می نماید. بردار درون داد از نسبت های برگرفته از صورت های مالی
تشکیل شده است. سه مدل مذکئور از لحاظ عملکرد مورد مقایسه قرار می گیرند.
کلمات کلیدی: صورت های مالی تقلبی، تقلب مدیریتی، داده کاوی، حسابرسی،
یونان
1.
مقدمه
امروزه حسابرسی (ممیزی) به کاری بسیار چالش بر انگیز
بدل شده و شواهد زیادی موجودست مبنی براین که انجام فعالیت های مربوط به «دستکاری
در حساب ها» به شدت رواج دارد. کاسکیوارا سال 2002 را از نظر دستکاری در حساب ها،
«سالی هولناک» نامیده و ادعا می کند که این دستکاری ها هنوز هم ادامه دارد
(کاسکیوارا، 2004). برخی از برآوردها حاکی از آنند که تقلب و کلاهبرداری سالانه
بیش از 400 میلیارد دلار برای ایالات متحده هزینه دربردارد (ولز، 1997). اسپاتیس،
دامپوس و زاپونیدیس (2002) مدعی این هستند که تقلب در صورت های مالی ظرف چند سال
اخیر به شدت رواج گرفته است. تقلب مدیریتی به معنای کلاهبرداری عامدانه از سوی
مدیریت است به نحوی که ارائه صورت های مالی ساختگی گمراه کننده باعث خسارت دیدن
سرمایه گذاران و بستانکاران شود. حسابرسان می بایست حتما در طول فرایند ممیزی،
احتمال وقوع تقلب مدیریتی را برآورد کنند. سازمان AICPA صراحتا
به مسئولیت حسابرسان در کشف تقلب اذعان دارد (کالینان و ساتن، 2002). حسابرسان
برای گسترش پیش بینی ه
برچسب ها:
Data Mining techniques for the detection fraudulent financial statements