پيش بيني نوع اظهارنظر حسابرسان با رويكردي بر روش هاي داده كاوي

Forecasting the Type of Audit Opinions: A Data Mining Approach

چكيده روش هاي داده كاوي مي تواند حسابرسان را در ارايه اظهارنظر حسابرسي ياري رساند. هدف اين پژوهش پيش بيني نوع اظهارنظر حسابرسان با استفاده از رو شهاي داده كاوي و مقايسه عملكرد اين روش ها است. بدين منظور از روش هاي شبكه عصبي مصنوعي، ماشين بردار پشتيبان، نزدي كترين همسايگي و درخت تصميم استفاده شده است. نمونه مورد بررسي شامل 842 مشاهده طي سال هاي 1380 تا 1389 بوده كه اين مشاهدات به دو قسمت تقسيم شده است، قسمتي از مشاهدات براي آموزش و قسمتي براي ارزيابي روش در نظر گرفته مي شود. مقايسه % عملكرد رو شهاي مورد استفاده بيانگر اين است كه روش ماشين بردار پشتيبان با صحت پي شبيني معادل 76 نسبت به ساير روش ها داراي بهترين عملكرد در پي شبيني نوع اظهارنظر حسابرسان است. بررسي خطاي نوع اول و دوم هريك از روش ها نيز بيانگر عملكرد بهتر ماشين بردار پشتيبان است. واژه هاي كليدي: اظهارنظر حسابرس، شبكه عصبي مصنوعي، ماشين بردار پشتيبان، نزديك ترين همسايگي، درخت تصميم.

Abstract Data mining methods can be used to assist auditors with providing audit opinions. The purpose of this research is to forecast the type of audit opinions using data mining methods and compare the performance of these methods. Artificial neural networks, support vector machines, nearest neighbors and decision tree methods were used to conduct the research. The sample consists of 842 observations between 2001 and 2010. The observations were divided in two groups: one group for training and the other for assessment of the method. A comparison of the performance of methods indicates that support vector machines approach outperforms the other approaches with a predictive ability of 76%. Also measuring type I and type II error rates of each method shows that the performance of support vector machines is higher than the other methods. Key words: Audit Opinion, Artificial Neural Networks, Support Vector Machines, Nearest Neighbors, Decision Tree.