شماره ركورد :
639406
عنوان مقاله :
پيش بيني گزارش حسابرس مستقل در ايران : رويكرد داده كاوي
عنوان فرعي :
Prediction of Independent Auditor Opinion in Iran
پديد آورندگان :
باقرپور ولاشاني، محمد علي نويسنده استاديار گروه حسابداري دانشگاه فردوسي مشهد و عضو گروه تحقيقات حاكميت شركتي و شركت‌هاي سهامي دانشگاه ملي استراليا (ANU) , , ساعي، محمد جواد نويسنده استاديار گروه حسابداري، دانشگاه فردوسي مشهد Saei, Mohammad Javad , مشكاني ، علي نويسنده , , باقري مقدم ، مصطفي نويسنده ,
اطلاعات موجودي :
فصلنامه سال 1392 شماره 19
رتبه نشريه :
علمي پژوهشي
تعداد صفحه :
20
از صفحه :
134
تا صفحه :
153
كليدواژه :
تكنيكهاي طبقه بندي , داده كاوي , درخت تصميم , شبكه هاي عصبي مصنوعي , گزارش حسابرس مستقل
چكيده فارسي :
با افزايش مبادلات تجاري، اقتصادي، پيشرفت تكنولوژي اطلاعات و انباشته شدن داده هاي مالي، تكنيكهاي داده كاوي به منظور استفاده بهينه و كارا از اين داده ها رواج يافت. هدف اين پژوهش پيش بيني گزارش حسابرس مستقل با استفاده از تكنيك هاي داده كاوي مي باشد. اهميت پيش بيني گزارش حسابرس مستقل در تاثير آن بر تصميم گيري استفاده كنندگان مي باشد.گزارش حسابرس مستقل در اين تحقيق به دو دسته مقبول و غيرمقبول (شامل گزارشات مشروط، مردود و عدم اظهارنظر) طبقه بندي شده است. به منظور پيش بيني گزارش حسابرس مستقل از دو تكنيك طبقه بندي داده كاوي شامل، درخت تصميم C5.0 و شبكه هاي عصبي مصنوعي استفاده شده است. جامعه آماري پژوهش شامل تمامي شركت هاي پذيرفته شده در بورس اوراق بهادار تهران طي سال هاي 1382 الي 1388 مي باشد. در اين تحقيق از 29 متغير مالي و غيرمالي در قالب 10 طبقه نقدينگي، عملكرد، اهرم مالي، ساختار سرمايه، سودآوري، ريسك ورشكستگي، مديريت سود، حاكميت شركتي، اندازه شركت و ساير (شامل نوع صنعت و عمر شركت) به منظور آموزش و آزمون مدل استفاده شده است. نتايج تحقيق نشان مي دهند كه ميانگين دقت مدل حاصل از تكنيك درخت تصميم C5.0 (88.64%) از تكنيك ديگر بيشتر مي باشد. همچنين با اهميت ترين متغيرها جهت پيش بيني نوع گزارش حسابرس مستقل شامل، نوع گزارش حسابرسي سال قبل، نسبت سود و زيان خالص به درآمد خالص و نسبت بدهيها به داراييها مي باشند.
چكيده لاتين :
The purpose of this study is to predict the independent auditor opinion using data mining techniques. Independent auditorʹs opinion (on this study) has been classified to qualify and unqualify class. Using two data mining classification techniques including decision tree C5.0 and artificial neural networks. In order to predict the independent auditors opinion. using 29 financial and nonfinancial variables in 10 groups of liquidity, performance, financial leverage, capital structure, profitability, bankruptcy risk, earnings management, corporate governance, company size and other variables (including industry and listed date in TSE) to train and test model. We found that the most important variables for predicting auditor opinion are the last year audit opinion, net income to revenue ratio, and debt to assets ratio.
سال انتشار :
1392
عنوان نشريه :
تحقيقات حسابداري و حسابرسي
عنوان نشريه :
تحقيقات حسابداري و حسابرسي
اطلاعات موجودي :
فصلنامه با شماره پیاپی 19 سال 1392
كلمات كليدي :
#تست#آزمون###امتحان
لينک به اين مدرک :
بازگشت