توانایی رویکردهای فازی در کشف تقلب در گزارشگری مالی و مقایسۀ کارایی آنها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار حسابداری دانشگاه آزاد اسلامی، واحد سبزوار، سبزوار، ایران.

2 دانشجوی دکتری حسابداری، واحد حاجی‌آباد، دانشگاه آزاد اسلامی، حاجی‌آباد، ایران.

چکیده

با توجه به احتمال تقلب در صورت‌های مالی منتشر شده و اثرهای زیانبار آن در بازارهای مالی و کاهش سرمایه‌گذاری، همه سازمان‌های نظارتی مسئول دراین زمینه را در جهت جلوگیری و کشف این‌گونه موارد سوق داده است. هدف از انجام این پژوهش بررسی توانایی رویکردهای فازی در کشف تقلب گزارشگری مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران است. سه فرضیه تدوین گردیده است: 1) دسته‌بند درخت تصمیم فازی توانایی کشف تقلب در گزارشگری مالی را دارد. 2) دسته‌بند فازی سوگنو توانایی کشف تقلب در گزارشگری مالی را دارد. 3) تفاوت معناداری بین نتایج به کارگیری دسته‌بند درخت تصمیم فازی و دسته‌بند فازی سوگنو وجود دارد. با استفاده از نرم‌افزار مطلب، رویکردهای فازی ذکر شده برنامه‌ریزی شده‌اند و فرضیه‌ها مورد آزمون قرار گرفتند. میانگین دقت در دسته بند درخت تصمیم فازی 312/31 و در دسته‌بند فازی سوگنو 92/80 است. به عبارتی فرضیۀ اول رد شده است و فرضیۀ دوم و سوم مورد تأیید قرار گرفته است.

کلیدواژه‌ها


اثنی عشری، حمیده؛ احمدخان بیگی، مصطفی. (1388). نقش استدلال راهبردی در کشف و پیشگیری از تقلب. حسابرس، 4(47)، 81-74.
اعتمادی، حسین؛ زلقی، حسن. (1392). کاربرد رگرسیون لجستیک در شناسایی گزارشگری مالی متقلبانه. دانش حسابرسی، 13(51)، 162-145.
بولو، قاسم؛ صادقی، پیمان. (1389). تأثیر ویژگی‌های اخلاقی فردی حسابرسان بر استفاده از راهنمای تصمیم در کشف تقلب مدیریت. اخلاق در علوم و فناوری، 6(1)، 83-74.
پوریا نسب، امیر. (1384). ساختار جامع برای کمک به تحلیل، کشف و پیشگیری تقلب. حسابدار رسمی، 3(7)، 36-27.
حساس یگانه، یحیی؛ اسکو، وحید؛ داغانی، رضا. (1390). تقلب در شرکت‌ها: چه کسانی هشدار می‌دهند؟ حسابدار رسمی، 6(6)، 40-35.
زارع بهنمیری، محمدجواد؛ ملکیان کله‌بستی، اسفندیار. (1394). پیش‌بینی تقلب در صورت‌های مالی با استفاده از نسبت‌های مالی (مطالعۀ موردی: شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران). چشم‌انداز مالی، 5(4)، 80-65.
سجادی، حسین؛ کاظمی، توحید. (1395). الگوی جامع گزارشگری مالی متقلبانه در ایران به روش نظریه‌پردازی زمینه بنیان. پژوهش‌های تجربی در حسابداری، 6(21)، 204-185.
سلیمی، احمد. (1376). حسابرسان چگونه می‌توانند تحریف در صورت‌های مالی را کشف کنند؟ حسابدار، 12(124)، 79-74.
صفرزاده، محمدحسین. (1389). توانایی نسبت‌های مالی در کشف تقلب در گزارشگری مالی: تحلیل لاجیت. دانش حسابداری، 1(1)، 163-137.
کمیتۀ تدوین استانداردهای حسابداری. (1386). اصول و ضوابط حسابداری و حسابرسی: استاندارهای حسابداری. تهران، انتشارات سازمان حسابرسی.
فرج‌زاده دهکردی، حسن؛ آقایی، لیلا. (1394). سیاست تقسیم سود و گزارشگری مالی متقلبانه. مطالعات تجربی حسابداری مالی، 12(45)، 114-97.
مهام، کیهان؛ کردستانی، غلامرضا؛ ترابی، ابوالفضل. (1391). ارائه مدل پیش‌بینی بروز خطر تقلب مالی در شرکت‌های پذیرفته‌شده در سازمان بورس اوراق بهادار تهران. اولین همایش ملی حسابداری و مدیریت، دانشگاه آزاد اسلامی واحد نور.
نادریان، محمدرضا؛ صفار، محمدجواد. (1380). مسئولیت حسابرسان در قبال تقلب. حسابرس، 3(13)، 54-46.
وحیدی الیزیی، ابراهیم؛ حامدیان، حامد. (1388). برداشت حسابرسان ایران از کارایی علایم خطر در کشف گزارشگری مالی متقلبانه. تحقیقات حسابداری و حسابرسی، 1(3)، 197-162.
وکیلی فرد، حمیدرضا؛ جبارزاده کنگرلوئی، سعید؛ پور رضا سلطان احمدی، اکبر. (1388). بررسی ویژگی‌های تقلب در صورت‌های مالی. حسابدار، 24(3)، 41-36.
Accounting Standards Setting Committee. (2008). Accounting and Auditing Principles and Regulations: Accounting Standards. Audit Organization [In Persian].
Asnaashari, H., Ahmad khan beige, M. (2010). The role of strategic reasoning in the detection prevention of fraud. Journal of Auditor, 4(47), 74-81 [In Persian].
Bulu, G., Sadeghi, P. (2011). The effect of individual moral characteristics of auditors on the use of fraud detection management decision guide. Journal of Ethics in Science and Technology, 5(4), 74-83 [In Persian].
Chen, H.J., Huang, SH., Kuo, CH. (2009). Using the artificial neural network to predict fraud litigation: Some empirical evidence from emerging markets. Expert System with Application, 36(4), 1478-1484.
Etemadi, H., Zalaghi, H. (2013). Logistic regression usage to identify fraudulent financial reporting. Audit Knowledge, 13(51), 145-162 [In Persian].
Farajzadeh Dehkordi, H., Aghai, L. (2015). Profit sharing policy and fraudulent financial reporting. Empirical Studies of Financial Accounting, 12(45), 97-114 [In Persian].
Glancy, F., Yadav, S. (2010). A computational model for financial reporting fraud detection. Decision Support System, 50(10), 595-601.
Hassas yeganeh, Y., Osku, V., Daghani, R. (2012). Fraud in the company: Who warn. The CPA Journal, 2(3), 35-40 [In Persian].
KirKos, K., Spathis, C., Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statement. Expert System with Application, 32(6), 995-1003.
Li, S., Yen, D., Lu, W., Wang, C. (2012). Identifying the signs of fraudulent accounts using data mining techniques. Computers in Human Behavior, 28(8), 1002-1013.
Lin, C., Chiu, A.A., Huang, S.Y., Yen, D.C. (2015). Detecting the financial statement fraud: the analysis of the differences between data mining techniques and experts' judgment. Knowledge Based System, 89, 459-470.
Maham, K., Kordestani, G., Torabi, A. (2013). Model to predict the risk of financial fraud in listed companies in Tehran Stock Exchange. First national Conference on Accounting and Management, Islamic Azad University Noor [In Persian].
Naderian, M.R., Saffar, M.J. (2002). Auditor's responsibility for fraud. Journal of Auditor, 2(13), 46-54 [In Persian].
Ngai, E.W.T., Hu, Y., Wong, Y.H., Chen, Y., Sun, X. (2010). The application of data mining techniques in financial fraud detection: A classification framework and academic review of literature. Decision Support System, 50(6), 559-569.
Omar, N., Johari, Z.A., Smith, M. (2017). Predicting fraudulent financial reporting using artificial neural network. Journal of Financial Crime, 24(2), 1-31.
Omoteso, K. (2012). The application of artificial intelligence in auditing: Looking back to the future. Expert System with Application, 39(7), 8490-8495.
Pooria nasab, A. (2006). Comprehensive structure to help analyze, detect and prevent fraud. The CPA Journal, 3(7), 27-36 [In Persian].
Ravisankar, R., Ravi, V., Rao, G., Bose, I. (2010). Detection of financial statement fraud and feature selection using data mining techniques. Decision Support System, 50(4), 491-500.
Reposis, S. (2016). Using beneish model to detect corporate financial statement fraud Greece. Journal of Financial Crime. 23(4), 1063-1073.
Salimi, A. (1996). How can auditors detect misstatements in the financial statements? Journal of Accountant, 12(124), 74-79 [In Persian].
Safarzadeh, M.H. (2011). The ability of financial ratios fraud in financial reporting: Logit analysis. Journal of Accounting Knowledge, 1(1), 137-163 [In Persian].
Sajjadi, H., Kazemi, T. (2016). A comprehensive pattern of fraudulent financial reporting based on the theory of foundation ground in Iran. Empirical Studies of Accounting. 6(21), 185-204 [In Persian].
Vahidi Eliziee, E., Hamedian, H. (2010). Auditors removal of the warning signs of efficacy in the detection of fraudulent financial reporting. Journal of Accounting Research, 3(1), 162-197 [In Persian].
Vakili Fard, H.R., Jabbarzadeh Kangar Luei, S., Poor Reza Sultan Ahmadi, A. (2010). Characteristics of fraud in the financial statements. Journal of Accountant, 24(210), 36-41 [In Persian].
Zager, L., Malis, S., Novak, A. (2016). The role and responsibility of auditors in prevention and detection of fraudulent financial reporting. Procedia Economics and Financial, 39, 693-700.
Zainudin, E.F., Hashim, H.A. (2016). Detecting fraudulent financial reporting using financial ratio. Journal of Financial Reporting and Accounting, 14(2), 266-278.
Zare Behnamiri, M.J., Malekian Kalehbasti, E. (2015). Fraud prediction of financial statement using financial ratios (Case study: Accepted firms in Tehran Stock Exchange). Financial Outlook. 12, 65-80 [In Persian].