كاربرد شبكه عصبي مصنوعي در شناسايي تقلب در صورت هاي مالي

Artificial Neural Network in detecting of Fraud In Findncial Statements

پيش بيني دقيق خطر بروز تقلب در صورت هاي مالي موجب افزايش توانايي پيشگيري و كشف آن خواهد شد. داده هاي صورت هاي مالي حسابرسي شده اين توانايي را دارند تا هرگونه تقلب در صورت هاي مالي را پيش بيني و كشف نمايند. از اين رو تحقيق حاضر بر آن است تا با استفاده از نسبت هاي مالي بر پيش بيني تقلب در صورت هاي مالي بوسيله شبكه عصبي مصنوعي اهتمام ورزد. نمونه آماري تحقيق شامل 855 شركت - 379 شركت داراي نشانه هاي تقلب و 476 شركت فاقد نشانه هاي تقلب- پذيرفته شده در بورس اوراق بهادار تهران و در دوره زماني 1388-1384 است. از ميان 29 نسبت مالي اوليه، 15 نسبت به عنوان پيش بيني كننده هاي بالقوه براي آزمون انتخاب شده اند. چند مدل شناسايي صورت هاي مالي داراي تقلب بر اساس شبكه عصبي پرسپترون چند لايه با تعداد نرون و توابع فعالسازي مختلف ايجاد شدند. نتايج حاكي توانايي مدل هاي مبتني بر شبكه عصبي در پيش بيني تقلب در صورت هاي مالي است.

Fraud risk prediction in the financial statements will be enhanced the ability to prevent and detect fraud. By using of extracted data of audit financial statements, we can predict fraud in the financial statements. In the present study, financial and non-financial ratios are used for forecasting fraud in the financial statemens by using of artificial neural network. the samples of the article comes from 855 listed firms - 379 firms with FFS and 476 firms with NFFS - in Tehran stock exchange - between times interval 1384-1388. 15 of 29 financial variables are selected for examination as potential predictors of FFS. We respectively establish the fraudulent financial statement identification models based on multilayer perceptron (MLP) with different neurons in hiden layer and different activation functions. The findings show that the models based on the neural network can be predicted financial fraud.