تکنیک های داده کاوی و پیش بینی تقلب صورت های مالی

هدف پژوهش حاضر مقایسه تکتیک های داده کاوی شبکه عصبی، درخت تصمیم، نزدیک ترین همسایگی و ماشین بردار پشتیبان در پیش بینی صورت های مالی متقلبانه و غیر متقلبانه است. روش پژوهش توصیفی - کاربردی و قلمرو زمانی نیز از سال 1387 تا 1396می باشد. در این پژوهش، نسبت های مالی برای دو نمونه متقلب و غیر متقلب و روش های داده کاوی مورد تجزیه و تحلیل قرار گرفت. فرضیه های آماری نرمال بودن، همگنی و آزمون هم خطی برای نسبت های مالی نمونه های متقلب و غیر متقلب، مورد آزمون قرار گرفت. فرضیه نرمال بودن با استفاده از آزمون کولموگروف اسمیرنوف و آزمون شاپیرو ویلک، انجام پذیرفت. سپس ضریب همبستگی پیرسون در خصوص وجود هم خطی مدل برای نسبت های مالی و حذف متغیرهای مستقل همبسته مورد بررسی و آزمون قرار گرفت. در مرحله بعد روش های داده کاوی برای آزمون آنها در پیش بینی تقلب صورتهای مالی و تمایز صورتهای مالی متقلبانه از غیر منتقلبانه به کار برده شده است. به طور کلی، نتایج حاصل نشان می دهد که روش های داده کاوی در تمایز صورت های مالی متقلبانه از غیر متقلبانه موثر هستند. بدین ترتیب که روش شبکه عصبی 4/69 درصد، درخت تصمیم 65.4 درصد، نزدیکترین همسایگی 4/64 درصد و ماشین بردار پشتیبان 78 درصد پیش بینی صحیح داشته اند.