مدل‌سازي متغيرهاي اثرگذار بركشف تقلب در صورت‌هاي مالي با استفاده از تكنيك‌هاي داده‌كاوي

Modelling The Effective Variables for of Financial Statements Fraud Detection using Data Mining Techniques

در اين پژوهش به بررسي اين مسئله پرداخته مي شود كه آيا مي توان از طريق شناسايي و انتخاب متغيرهاي اثرگذار در كشف تقلب در صورت هاي مالي و با به كارگيري تكنيك هاي داده كاوي مدلي براي كشف تقلب در صورت هاي مالي شركت هاي پذيرفته شده در بورس اوراق بهادار تهران ارائه كرد؟ براي پاسخگويي به اين سوال از يك نمونه تطبيقي متشكل از 6 شركت متقلب و 64 شركت غير متقلب (نمونه نامتوازن) به همراه تكنيك هاي طبقه بندي شبكه عصبي مصنوعي، شبكه بيزين و الگوريتم جنگل تصادفي طي سال هاي 1393-1379 استفاده گرديد. براي حل مشكل نمونه نامتوازن نيز رويكرد معرفي شده توسط هي و همكاران (2008) بكار رفت. متغيرهاي پيش بين، عوامل مالي و غيرمالي خطر تقلب مرتبط با گزارشگري مالي متقلبانه هستند كه با مرورپژوهش هاي انجام شده در اين زمينه تعيين خواهند شد. يافته هاي پژوهش بيان گر وجود شواهدي دال بر عملكرد مناسب مدل هاي پيشنهادي و برتري الگوريتم جنگل تصادفي و شبكه بيزين براي پيش بيني تقلب در صورت هاي مالي است نتايج حاصل از انتخاب ويژگي به روش مبتني بر همبستگي حاكي از سودمندي متغيرهاي نسبت پوشش بهره، نسبت حساب‌هاي دريافتني به كل دارايي‌ها، نسبت موجودي كالا به فروش خالص، نسبت نقدي، لگاريتم طبيعي فروش، نسبت سود خالص به فروش و نسبت جمع دارايي‌هاي جاري به كل دارايي‌ها براي كشف تقلب بود.