| شناسایی صورت های مالی مشکوک به تقلب با استفاده از الگوریتم های اقتباس شده از فرآیند های زیستی |
| کد مقاله : 1228-ACC17 (R1) |
| نویسندگان: |
|
توحید کاظمی *1، سید حسین سجادی2، علی رحمانی3 1استادیار، گروه حسابداری، دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا (س)، تهران، ایران. 2استاد، گروه حسابداری، دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی، تهران، ایران. 3استاد، گروه حسابداری، دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا (س)، تهران، ایران. |
| چکیده مقاله: |
| هدف: هدف این پژوهش ارائه راهکار نوین در کشف صورتهای مالی مشکوک به تقلب با استفاده از الگوریتم های اقتباس شده از فرآیند های زیستی است. روش: در پژوهش حاضر صورتهای مالی 82 شرکت پذیرفته شده در بورس اوراق بهادار تهران در قلمرو زمانی 01/01/84 الی 29/12/ 94 بر اساس احتمال وقوع تقلب بررسی شده اند. برای شناسایی تقلب از روش شبکه عصبی مصنوعی به عنوان روش دسته بندی و روش های الگوریتم ژنتیک و الگوریتم مورچگان به عنوان روش های خوشه بندی با ناظر استفاده شده است. کارآیی روش های مزبور بر اساس پنج معیار عملکرد دقت، نرخ خطا، حساسیت، ویژگی و صحت با استفاده از تحلیل واریانس یک طرفه برای K گروه مستقل مقایسه شده است. در این راستا ابتدا الگوریتم پایه ژنتیک و الگوریتم پایه مورچگان بر اساس موضوع پژوهش توسعه داده شده و روایی و پایایی آن، طی 30 مرتبه اجرا بررسی شده است. یافته ها: بر اساس نتایج پژوهش، عملکرد مطلوب روش های اقتباس شده از فرآیندهای زیستی در شناسایی صورت های مالی متقلبانه اثبات شد. مقایسه عملکرد روش های مزبور موید برتری معیار صحت الگوریتم مورچگان نسبت به دیگر روش ها است. در معیار دقت، نرخ خطا و حساسیت عملکرد الگوریتم مورچگان و شبکه عصبی بهتر از عملکرد الگوریتم ژنتیک است. در معیار ویژگی نیز تفاوت معنادار بین عملکرد روش های مورد آزمون مشاهده نشد. با توجه به برتری معیار صحت الگوریتم مورچگان نسبت به سایر روش ها پیشنهاد می شود برای شناسایی صورت مالی مشکوک به تقلب از این الگوریتم استفاده شود. |
| کلیدواژه ها: |
| تقلب، حسابداری دادگاهی، داده کاوی، الگوریتم های اقتباس شده از فرآیند های زیستی. |
| وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است |
