شناسایی نوع اظهارنظر حسابرسان با استفاده از شبکه های عصبی مصنوعی
نویسنده:
چکیده:
تکنیک های داده کاوی جدید می تواند حسابرسان را در ارائه نوع اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران به منظور توسعه مدل-هایی که قادر به شناسایی و پیش بینی نوع اظهارنظر حسابرسان باشد، عملکرد شبکه های عصبی در مقایسه با مدل های کلاسیک مورد بررسی قرار گرفته است. تکنیک های مورد استفاده در این تحقیق شامل شبکه عصبی پرسپترون چندلایه (MLP) و همچنین رگرسیون لجستیک (LR) می باشد. دوره زمانی این تحقیق از ابتدای سال 1379 تا پایان سال 1386 و جامعه آماری تحقیق کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می-باشد. در این مطالعه به منظور شناسایی و پیش بینی نوع اظهارنظر حسابرسان شاخص های مرتبط با سودآوری، نقدینگی، اهرمی، فعالیت، رشد، اندازه، دعاوی حقوقی، بهره وری و سایر عوامل تاثیرگذار مورد بررسی قرار گرفته است. نتایج تحقیق حاکی از توان بالای شبکه پرسپترون چندلایه در شناسایی و پیش بینی انواع اظهارنظر حسابرسان می باشد. این شبکه با نرخ صحت 75/87% بهترین عملکرد را در شناسایی نوع گزارش حسابرسی داشت و رگرسیون لجستیک عملکرد ضعیفی در شناسایی اظهارنظر مشروط دارا می باشد و مدل نامتوازنی در شناسایی انواع اظهارنظر حسابرس می باشد. نتایج حاصل از این مدلها می تواند برای پیش-بینی نوع اظهارنظر حسابرسی توسط حسابرسان داخلی و مستقل، سرمایه گذاران، اعتباردهندگان، و سایر ذینفعان مفید واقع شود.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
77
لینک کوتاه:
magiran.com/p848053
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!