به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « قضاوت حسابرس » در نشریات گروه « مالی »

تکرار جستجوی کلیدواژه «قضاوت حسابرس» در نشریات گروه «علوم انسانی»
  • جواد معصومی، هاشم نیکومرام*، قدرت الله طالب نیا، فریدون رهنمای رودپشتی

    هدف پژوهش حاضر، شناسایی و رتبه بندی عوامل موثر بر کشف تقلب صورت های مالی با استفاده از تکنیک قضاوت به روش فرآیند سلسله مراتبی و تکنیک های داده کاوی می باشد. جامعه ی آماری شامل حسابرسان ارشد، سرپرستان، سرپرستان ارشد، مدیر حسابرسی و شریک موسسه ی و همچنین شرکت های بورس اوراق بهادار تهران می باشد. در راستای هدف پژوهش، تعداد 56 پرسش نامه و داده های 109 شرکت بورسی طی دوره ی زمانی 1391 تا 1396 گردآوری و مورد تحلیل قرار گرفت. بر اساس تکنیک قضاوت، بعد فشار اولویت اول، فرصت دومین عامل و توجیه به عنوان سومین عامل موثر بر کشف تقلب رتبه بندی می شوند که این نتایج با سایر تکینک-ها تفاوت دارد. از لحاظ تجربی، رویکردهای شبکه ی عصبی و درخت تصمیم در طبقه بندی صحیح نمونه ی مورد آموزش و آزمایش شبکه از نرخ دقت 65/98 درصد (شبکه ی عصبی)، 5/91 درصد (درخت تصمیم) و 79/69 درصد (شبکه ی عصبی)، 10/69 درصد (درخت تصمیم) برخوردار است، که از مدل لجستیک دقیق تر می باشد که در این روش تنها به 32/72 درصد و 10/88 درصد طبقه بندی صحیح در ارزیابی وقوع تقلب می رسد. علاوه بر این، به طور قابل توجه خطای نوع دوم ناشی از مدل درخت تصمیم در مقایسه با بکارگیری شبکه ی عصبی و مدل لجستیک از 18/58 درصد و 7/72 درصد به 6/55 درصد کاهش می یابد. با توجه به شاخص دقت، مدل درخت تصمیم نسبت به سایر مدل ها از کارآیی بیشتری برخوردار است؛ بنابراین از بین تکنیک های داده کاوی، وزن هر کدام از متغیرهای ورودی مدل درخت تصمیم مبنای رتبه بندی نهایی متغیرهای پژوهش قرار گرفته است.

    کلید واژگان: تقلب در صورت های مالی, قضاوت حسابرس, شبکه های عصبی مصنوعی, درخت تصمیم, روش فرآیند سلسله مراتبی}
    Javad Masoumi, Hashem Nikoomaram *, GhodratAllah Talebnia, Fraydoon Rahnamay Roodposhti

    The objective of this study is to identify and ranking of factors affecting detecting the financial statement frauds using the judgment technique based on the Analytic Hierarchy Process and data mining techniques techniques. The population of the study comprised of senior auditors, supervisors, senior supervisors, audit manager and partner of the audit institute employed in audit institutes member and also companies listed in the Tehran Stock Exchange. In order to the research goal, 56 questionnaires and 109 Listed for the year 2012-2017 and analyzed. Based on the technique of judgment, the pressure dimension of the first priority, opportunity, second factor and rationalization are ranked as the third effective factor on the detection of fraud. These results are different with other techniques. Empirically, the ANNs and CART approaches work with the training and testing samples in a correct classification rate of 98/65% (ANNs) & 91.5% (CART) and 69/79% (ANNs) & 69.10% (CART), respectively, which is more accurate than the logistic model that only reaches 72.32% and 88.10% of the correct classification in assessing the fraud presence. In addition, type II error of CART drops significantly to 58.18% from 72.7% and 55.6% compared to the ones using ANNs and logistic models. According to the accuracy index, the decision tree model is more efficient than other models; therefore, among the data mining techniques, the weight of each of the input variables of the decision tree is the basis for the final ranking of the research variables

    Keywords: Fraud in Financial Statements, Auditor Judgment, Artificial Neural Networks, Decision Trees, Analytic Hierarchy Process Method}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال