ارائه الگوی توسعه یافته مدل بنیش با تاکید بر ویژگی های کیفیت حسابرسی با استفاده از شبکه عصبی، ماشین بردار و جنگل تصادفی

با پیچیده شدن فرایند کسب وکار خطر انحراف صورت های مالی هر روز بیشتر می شود. در این راستا پژوهشگران به دنبال مدل هایی برای کشف تقلب در صورت های مالی بوده اند. هدف پژوهش ارایه مدل بسط یافته بنیش بر اساس ویژگی های کیفیت حسابرس است.

روش شناسی پژوهش:

بنیش (1997) با استفاده از نسبت های مالی و اقلام تعهدی شیوه های دست کاری سود را پیش بینی نمود. از آنجایی که حسابرسان به عنوان نظارت خارجی در ساختار راهبری شرکت ها بر عملکرد شرکت مطرح می شود، در این پژوهش مدل بنیش بر اساس ویژگی های کیفی حسابرس بسط داده می شود که عبارت اند از اندازه حسابرس، دوره تصدی حسابرس، تاخیر در گزارش حسابرس، طبقه حسابرس و تغییر حسابرس. از برازش مدل ماشین بردار و جنگل تصادفی و شبکه عصبی جهت برازش مدل بسط یافته بهره گرفته شده است.

یافته ها:

نتایج نشان دهنده دقت ضرایب به دست آمده از مدل جنگل تصادفی 4/98 درصد و بیشتر از دو مدل شبکه عصبی و ماشین بردار 93 درصد است. همچنین مدل بسط یافته نسبت به مدل پایه دقت بیشتری دارد. ویژگی های حسابرسی در پیش بینی تقلب در صورت های مالی تاثیرگذار است و بهتر است توسط مشارکت کنندگان بازار سرمایه در نظر گرفته شود.

اصالت / ارزش افزوده علمی:

یافته های پژوهش می تواند در بهبود پیش بینی تقلب در صورت های مالی موثر باشد و همچنین توجه استفاده کنندگان را به ترکیب اطلاعات صورت های مالی و ویژگی های گزارش حسابرس در پیش بینی تقلب جلب می کند.