عنوان مقاله :
ارائه الگوي توسعه يافته مدل بنيش با تاكيد بر ويژگي هاي كيفيت حسابرسي با استفاده از شبكه عصبي، ماشين بردار و جنگل تصادفي
عنوان به زبان ديگر :
Presenting the developed model of Benish model with emphasis on audit quality features using neural network, vector machine and random forest
پديد آورندگان :
پورقديمي، كيومرث دانشگاه آزاد اسلامي واحد اروميه - گروه حسابداري، اروميه، ايران , بحري ثالث، جمال دانشگاه آزاد اسلامي واحد اروميه - گروه حسابداري، اروميه، ايران , جبارزاده كنگرلويي، سعيد دانشگاه آزاد اسلامي واحد اروميه - گروه حسابداري، اروميه، ايران , زواري رضائي، اكبر دانشگاه اروميه - گروه حسابداري، اروميه، ايران
كليدواژه :
مدل بنيش , ويژگي هاي كيفيت حسابرسي , شبكه عصبي , ماشين بردار , جنگل تصادفي
چكيده فارسي :
هدف: با پيچيده شدن فرايند كسب و كار خطر انحراف صورتهاي مالي هر روز بيشتر مي شود. در اين راستا پژوهشگران به دنبال مدل هايي براي كشف تقلب در صورتهاي مالي بوده اند. هدف پژوهش ارائه مدل بسط يافته بنيش بر اساس ويژگيهاي كيفيت حسابرس است.
روش‌شناسي پژوهش: بنيش (1997) با استفاده از نسبت هاي مالي و اقلام تعهدي شيوه هاي دست كاري سود را پيش بيني نمود. از آنجايي‌كه حسابرسان به‌عنوان نظارت خارجي در ساختار راهبري شركتها بر عملكرد شركت مطرح ميشود، در اين پژوهش مدل بنيش بر اساس ويژگيهاي كيفي حسابرس بسط داده ميشود كه عبارت‌اند از اندازه حسابرس، دوره تصدي حسابرس، تأخير در گزارش حسابرس، طبقه حسابرس و تغيير حسابرس. از برازش مدل ماشين بردار و جنگل تصادفي و شبكه عصبي جهت برازش مدل بسط يافته بهره گرفته شده است.
يافته‌ها: نتايج نشان‌دهنده دقت ضرايب به‌دست‌آمده از مدل جنگل تصادفي 98/4 درصد و بيشتر از دو مدل شبكه عصبي و ماشين بردار 93 درصد است. همچنين مدل بسط يافته نسبت به مدل پايه دقت بيشتري دارد. ويژگيهاي حسابرسي در پيشبيني تقلب در صورتهاي مالي تأثيرگذار است و بهتر است توسط مشاركت‌كنندگان بازار سرمايه در نظر گرفته شود.
اصالت / ارزش افزوده علمي: يافته هاي پژوهش ميتواند در بهبود پيشبيني تقلب در صورتهاي مالي مؤثر باشد و همچنين توجه استفاده كنندگان را به تركيب اطلاعات صورتهاي مالي و ويژگيهاي گزارش حسابرس در پيشبيني تقلب جلب مي كند.
چكيده لاتين :
Purpose: As the business process becomes more complex, the risk of financial statements being distorted increases with each passing day. In this regard, researchers have been looking for models to detect fraud in financial statements. The purpose of this research is to present an expanded model based on the quality characteristics of the auditor.
Methodology: Benish (1997) used a combination of financial ratios and accruals to predict profit manipulation methods. Since auditors are presented as external oversight in the corporate governance structure of the company's performance, in this study the model is developed based on the qualitative char-acteristics of the auditor, which include the auditor's size, auditor tenure, reporting delay, Auditor Class and Auditor Change. The fitting of the vector machine, random forest and neural network has been used to fit the ex-tended model.
Findings: The results show that the coefficients obtained from the random forest model are 98.4% and more than the two neural network and vector model 93%. Also, the extended model is more accurate than the base model. Audit characteristics are influential in predicting fraud in financial statements and should be considered by capital market participants.
Originality / Value: Research findings can be effective in improving the prediction of fraud in financial statements and also draw users' attention to the combination of financial statement information and the characteristics of the auditor's report in fraud prediction.
عنوان نشريه :
پيشرفت هاي مالي و سرمايه گذاري
