تدوين مدل كشف تقلب با استفاده از رويكرد تركيبي برپايه مدل تحليل عاملي و روش شبكه عصبي مصنوعي در شركت هاي پذيرفته شده در بورس اوراق بهادار تهران

هدف اصلي اين پژوهش ارائه مدلي براي كشف تقلب با استفاده از رويكرد تركيبي مدل تحليل ­عاملي و روش شبكه عصبي مصنوعي از نوع شبكه عصبي پيش­خور با الگوريتم پس انتشار خطا است. شبكه‌اي كه براي پيش‌بيني تقلب مالي شركت‌ها استفاده مي‌شود داراي 17 نرون (مجموعه نسبت‌هاي مالي انتخاب شده) در لايه ورودي و 1 نرون (وضعيت تقلب شركت‌ها) در لايه خروجي است. تابع تبديل مورد استفاده در لايه خروجي از نوع خطي و براي لايه مياني يك تابع غير خطي سيگمويدي انتخاب شده است. جامعه آماري پژوهش، شركت­هاي پذيرفته­ شده دربورس اوراق بهادار تهران دربازه زماني13921393 مي­باشد كه 140 شركت  به عنوان نمونه در پژوهش حاضر استفاده شده است . براي دسته بندي شركت­ها با احتمال گزارشگري متقلبانه وغير متقلبانه از مدل نمرهM  بنيش استفاده شده است كه 78 شركت داراي احتمال گزارشگري متقلبانه و62 شركت داراي احتمال گزارشگري غيرمتقلبانه بوده است. براي انتخاب نهايي متغير­هاي ورودي درشبكه عصبي مصنوعي ازمدل تحليل­عاملي تائيدي و تحليل مولفه‌هاي اصلي استفاده شده است. نتايج نشان داد كه ساختار گزارش شده مدل شبكه عصبي كه داراي 7 نرون در لايه پنهان است از دقت و عملكرد بالاتري نسبت به ساير ساختار‌هاي بررسي شده بوده است. نتايج حاكي است كه دقت دسته­بندي شركت­هاي متقلب و شركت­هاي غيرمتقلب وعملكرد كلي در روش شبكه عصبي مصنوعي به ترتيب57.69 %و72.73 % و62.16 % بوده است.