A Model for Identifying Physical Notes and Documents Suspected of Fraud: Based on Their Appearance

Document Type : Research Paper

Authors

1 Associate Professor of Accounting, Kharazmi University, Tehran, Iran.

2 M.A. Student of Accounting, Kharazmi University, Tehran, Iran.

3 Associate Professor of Mathematical Finance, Kharazmi University, Tehran, Iran.

10.22103/jak.2021.16376.3319

Abstract

Objective: Fraud is the result of a manipulation of the organization's processes with the intent to misuse it so that the fraudster or fraudsters disrupt the organization's internal controls and the organization's processes are altered. Detection of fraud can be done both at the level of financial statements and analysis of financial ratios and at the level of accounting documents. Many books have been written and researched about the red flags revealed in the analysis of items of financial statements to detect fraud, but studies show that no research has been done on the level of documents in the field of accounting. So the purpose of this study is to identify the physical characteristics of documents suspected of being forged to provide a checklist of these characteristics. With the help of this checklist, it is possible to identify fraudulent documents more easily from their appearance
 
Methods: In this research, descriptive phenomenological qualitative research method has been used and data analysis has been done by using content analysis method and to achieve this goal, Colaizzi seven-step method has been used. In this regard, 19 experts from the official experts of the Judiciary and Justice, auditors of the Court of Accounts and members of the Iranian Society of Certified Public Accountants, financial managers of companies and CEOs of financial services institutions were interviewed in late 2020. The duration of the interview with each of them varied between 20 minutes to 5 hours. In the interview with the sixteenth person, there was practically theoretical saturation; That is, there was no new concept of interviewing people 17, 18, and 19, and they repeated the same concepts mentioned by the previous people. Then the key points raised by them were coded and categorized in the form of concepts and categories.
 
Results: In this study, 98 characteristics of suspected documents were identified, which were in the form of three categories: 1- Almost perfect documents but with an inconsistent appearance compared to other similar documents in the same historical range (documents that are almost perfect are not completely free of fraud in practice, because the fraudster always tries to commit fraud in the name of documents Therefore, it is likely that it will complete more than required documents and extra signatures outside the operational cycle.Documents that, although seemingly perfect, look different from other similar documents in the same historical area. Are and fall into the first category), 2- Incomplete document,3- Contradictory documents with other information.
 
Conclusion: Documents suspected of fraud are documents that are incomplete, distorted, obscure, inconsistent with other information or almost perfect but with an inconsistent appearance compared to other similar documents within the same time period due to inaccurate regulation or Facing the limitations. The appearance of fraudulent documents is largely a clue to detect fraud .The findings of this study provide a good model. The list of appearance characteristics obtained for documents suspected of fraud in this study are important clues and provide a suitable model for internal and external auditors, managers and regulatory bodies so that they can more easily identify such documents and Detect fraud.

Keywords

References

ابراهیمی، بابک؛ جهانگیرزاده، جواد؛ کتابیان، حمید. (1394). شناسایی پارامترهای تأثیرگذار بر تقلب در حوزه مالی. مجلس راهبرد، 23(86)، 174-150.
ابراهیمی، سیدکاظم؛ بهرامی‌نسب، علی؛ باغبان، جواد. (1396). تأثیرکیفیت حسابرسی و رعایت حقوق سهامداران بر احتمال گزارشگری متقلبانه. دانش حسابرسی، 17(1)، 149-125.
ابراهیمیان، محمدرضا، ایزدی‌نیا، ناصر؛ امیری، هادی. (1399). ارائه الگوی به منظور پیش بینی احتمال تقلب در صورت‌های مالی با استفاده از رگرسیون لوجستیک. دانش حسابرسی، 20(79)، 377-348.
اعتمادی، حسین؛ زلفی، حسن. (1392). کاربرد رگرسیون لجستیک در شناسایی گزارشگری مالی متقلبانه. دانش حسابرسی. 13(51)، 163-145.
امامی سیگارودی، عبدالحسین؛ دهقان نیری، ناهید؛ رهنورد، زهرا؛ علینوری، سعید. (1391). روش‌شناسی تحقیق کیفی: پدیدارشناسی. پرستاری ومامایی جامع‌نگر، 22(68)، 63-56.
بولو، قاسم؛ اکبریان شورکایی، رضا. (1396). بررسی رابطه پدیده تماشاگری، قدرت شواهد ومسئولیت ادراک شده با احتمال گزارشگری مالی. حسابداری ارزشی و رفتاری، 2(3)، 32-1.
بولو، قاسم؛ صادقی، پیمان. (1390). تأثیر ویژگی‌های اخلاقی فردی حسابرسان بر استفاده از راهنمای تصمیم در کشف تقلب مدیریت. اخلاق در علوم و فن‌آوری، 6(1)، 83-74.
بولو، قاسم؛ برزیده، فرخ؛ اله‌یاری ابهری، حمید. (1399). الگویی برای ارزیابی خطر تقلب در حسابرسی صورت‌های مالی. مجله دانش حسابداری، 11(4)، 45-25.
بنی‌مهد، بهمن؛ گل‌محمدی، آرش. (1396). بررسی رابطه میان‌جو اخلاقی و هشداردهی در مورد تقلب از طریق الگو گزارشگری اختیاری در حرفه حسابرسی ایران. حسابداری ارزشی و رفتاری. 2(3)، 86-61.
بهرامی،آسو؛ نوروش، ایرج, راد؛ عباس، محمدی ملقرنی، عطاالله.(1399). پیش بینی کشف تقلب در صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. مطالعات تجربی حسابداری مالی، 16(65)، 59-35.
پاد، ابراهیم(1382)، ح‍ق‍وق کی‍ف‍ری اخ‍ت‍ص‍اص‍ی، انتشارات رهام، تهران.
پورحیدری، امید؛ بذرافشان، سعید. (1390). بررسی سودمندی استفاده از چک لیست راهنمای کشف تقلب در ارزیابی خطر تقلب مدیریت. پژوهش‌های تجربی حسابداری، 1(3)، 86-69.
جهانشاد، آزیتا؛ سرداری‌زاده، سپیده. (1393). رابطه معیار مالی (اختلاف رشد درآمد) و معیار غیر مالی (رشد تعداد کارکنان) با گزارشگری مالی متقلبانه. پژوهش حسابداری، 13، 198-181.
حمیدزاده اربابی، نجف؛ دیانتی، عبدالله. (1392). شیوه‌های نوین پیشگیری از جعل اسناد. پژوهشی‌های اطلاعاتی وجنایی، 9(1)، 128-109.
خلیفه‌سلطانی، سید احمد؛ نائب حسینی، شیدا. (1394). سیاست تقسیم سود درشرکت‌های مشکوک به تقلب. تحقیقات حسابداری وحسابرسی، 37(1)، 56-41.
خواجوی، شکرالله؛ ابراهیمی، مهرداد. (1395). بررسی تأثیر متغیرهای حسابرسی بر احتمال وقوع تقلب در صورت‌های مالی: شواهدی از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. دانش حسابرسی، 17(68)، 60-41.
خواجوی شکراله؛ ابراهیمی مهرداد.(1396). الگو‌سازی متغیرهای اثرگذار برکشف تقلب در صورت‌های مالی با استفاده از تکنیک‌های داده‌کاوی . حسابداری مالی، ۹(۳۳)، ۵۰-۲۳.
رضایی، فرزین؛ جعفری نیارکی، روح‌الله. ( 1394). رابطه بین اجتناب مالیاتی و تقلب در حسابداری شرکت‌ها. پژوهشنامه مالیات، 26(74)، 132-110.
رهروی دستجردی، علیرضا؛ فروغی، داریوش؛ کیانی، غلامحسین. (1397). ارزیابی خطر تقلب مدیران با استفاده از روش داده‌کاوی. مجله دانش حسابداری، 1(32)، 114-91.
زارع بهنمیری، محمد جواد؛ ملکیان کله‌بستی، اسفندیار. (1394). پیش‌بینی تقلب در صورت‌های مالی با استفاده از نسبت مالی (مطالعه موردی: شرکت‌های پذیرفته شده در بورس اوراق تهران). چشم‌انداز مدیریت مالی، 12(3)، 80-65.
زارع بهنمیری، محمد جواد؛ ملکیان کله‌بستی، اسفندیار. (1395). رتبه‌بندی عوامل مؤثر بر احتمال تقلب مالی با توجه به گزارش حسابرسی صورت‌های مالی. پژوهش‌های تجربی حسابداری، 6(1)، 18-1.
ساریخانی، مهدی؛ ایزدی‌نیا، ناصر؛ دائی کریم‌زاده، سعید. (1397). بررسی عوامل مؤثر بر قصد گزارشگری تقلب با استفاده از مثلث تقلب وتئوری رفتار برنامه‌ریزی شده از دیدگاه حسابداران. حسابداری ارزشی و رفتاری، 3(6)، 131-105.
ساریخانی، مهدی؛ ایزدی‌نیا، ناصر؛ دائی کریم‌زاده، سعید. (1398). بررسی قصد گزارشگری تقلب  با استفاده از تئوری رفتار برنامه‌ریزی شده ونقش تعدیلگری شدت اخلاقی. دانش حسابداری مالی، 6(1)، 105-75.
سجادی، سیدحسین؛ کاظمی، توحید. (1395). الگوی جامع گزارشگری مالی متقلبانه در ایران به روش نظریه‌پردازی زمینه بنیاد. پژوهش‌های تجربی حسابداری، 21، 204-185.
شاکری، ابوالحسن؛ رضایی سراجی، زهرا. (1392). تقلب در جعل اسناد. تحقیقات حقوق، 65(2)، 186-161.
صفرزاده، محمدحسین. (1388). توانایی نسبت‌های مالی درکشف تقلب در گزارشگری مالی: تحلیل لاجیت. مجله دانش حسابداری، 1، 163-137.
طاهری، مسعود؛ ایزدی نیا، ناصر؛ مویدفر، رزیتا.(1397). بررسی اهمیت ابعاد ونشانه‌های تقلب در تعدیل برنامه حسابرسی با استفاده از مدل پنتاگون تقلب. مطالعات تجربی حسابداری مالی، 15(59)، 106-83.
عبداله‌زاده، سلام؛ محمدی ملقرنی، عطااله؛ نوروش، ایرج؛ امینی، پیمان. (1397). بررسی تأثیر آنتروپی نسبت‌های نقدینگی و اهرمی بر شناسایی شرکت‌های مشکوک به تقلب در گزارشگری مالی. دانش حسابرسی، 18(72)، 96-79.
غلامی‌مقدم، فائژه؛ حصارزاده، رضا؛ ساعی، محمدجواد. (1396). معیارهای واژه محور ومعیارهای سنتی تقلب در گزارش‌های مالی: شواهدی از یک مطالعه اکتشافی. راهبرد مدیریت مالی، 6(20)، 92-73.
فرقاندوست حقیقی، کامبیز؛ هاشمی، سید عباس؛ فروغی دهکردی، امین. (1393). مطالعه رابطه مدیریت سود و امکان تقلب در صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. دانش حسابرسی، 56، 68-47.
فرقاندوست حقیقی، کامبیز؛ برواری، فرید. (1388). بررسی کاربرد روش‌های تحلیلی در ارزیابی ریسک تحریف صورت‌های مالی (تقلب مدیریت). دانش و پژوهش حسابداری، 16، 23-18.
فروغی، داریوش؛ خالقی، محسن؛ رساییان، امیر. (1390). مفهوم اهمیت در حسابرسی صورت‌های مالی و تأثیر آن بر توجه حسابرسان در فرآیند کشف تقلب مدیران. پیشرفت‌های حسابداری، 4(1)، 135-111.
فیضی‌زاده، احمد. (1399). شناسایی و اولویت‌بندی روش‌های تقلب در صورت‌های مالی از دیدگاه حسابرسان. دانش حسابداری و حسابرسی مدیریت، 9(33)، 8-1.
کارشناسان، علی؛ بهرامی‌نسب، علی؛ ممشلی، رضا.(1396). نقش کیفیت سود در شناسایی گزارشگری مالی متقلبانه، پژوهش‌های تجربی وحسابداری، 8(31)، 336-313.
کمیته تدوین استانداردهای حسابرسی. (1391). اصول وضوابط حسابداری وحسابرسی: استانداردهای حسابرسی، سایر خدمات اطمینان‌بخشی وخدمات مرتبط. تهران. سازمان حسابرسی.
محمدی مقدم، احسان؛ معین الدین، محمود؛ حیرانی، فروغ. (1395). شناسایی و رتبه‌بندی عوامل مؤثر بر احتمال بروز تقلب یا اعمال مجرمانه توسط حسابداران با استفاده از نظریه مثلث تقلب. دانش حسابداری وحسابرسی مدیریت، 7(25)، 138-123.
مرادی، جواد؛ رستمی، راحله؛ زارع، رضا. (1391). شناسایی عوامل خطر مؤثر بر احتمال وقوع تقلب در گزارشگری مالی از دید حسابرسان و بررسی تأثیر آنها بر عملکرد مالی شرکت. پیشرفت‌های حسابداری، 6(1)، 173-141.
مشایخی، بیتا؛ مهرانی، کاوه؛ رحمانی، علی؛ مداحی، آزاده. (1394). تدوین الگو کیفیت حسابرسی. بورس اوراق بهادار، 6، 137-103.
مرادی پردنجانی، حجت‌الله؛ صادقی، ستار. (1393). پدیدارشناسی؛ رویکردی فلسفی، تفسیری و روش‌شناختی به مطالعات کارآفرینی، پدیدارشناسی. مطالعات روششناسی دینی، 1(2)، 72-63.
مهدوی، غلامحسین؛ قهرمانی، علیرضا. (1393). ارائه الگویی برای کشف تقلب بوسیله حسابرسان با استفاده از شبکه عصبی مصنوعی. دانش حسابرسی، 17(67)، 70-45.
نجف‌لو، محمود؛ زنگی آبادی، مصطفی؛ غلامی، پرویز. (1394). تأثیر عوامل خطر تقلب بر تعدیل برنامه حسابرسی. دانش حسابرسی، 17(68)، 277-261.
هاشمی، سیدعباس؛ حریری، امیر سینا. (1395). ارزیابی توانایی قانون بنفورد در شناسایی و پیش‌بینی کشف تقلب. بررسی‌های حسابداری و حسابرسی، 24(2)، 302-283.
References
Abbasi, H., Albrecht, C., Vance, A., Hansen, J. (2012). Meta fraud: A meta-Learning framework for detecting financial Fraud. MIS Quarterly, 36(4), 1293-1327.
Amiri Moghadam, M. (2013). Upgraded to professional skepticism. Auditor, 92, 9-4. [In Persian].
Association of Certified Fraud Examination (ACFE). (2018). the fraud tree Occupational fraud and abuse classification system. Available at: http: //www.acfe. org.
Bahrami, A., Noravesh,I., Raad, A., Mohamadi Molqarani, A .(2020). Forecasting the Financial Statements Fraud Detection of Companies Listed on the Stock Exchange. Journal of Experimental Studies in Financial Accounting, 17(65), 35-59. [In Persian].
Banimahd, B., Golmohamadi, A. (2017). Investigating the relationship between ethical climate and Whistleblowing through optional reporting model in Iran's audit profession. Journal of Value & Behavioral Accounting, 2 (3), 61-86. [In Persian].
Banish, M. (1999). Incentives and Penalties related to earnings overstatements that violate GAAP. The Accounting Review, 74(4), 425-457.
Blue, G., Akbarian Shurkaei, R. (2017). Examination of the relationship of Bystander Effect, Evidence Strength and Perceived Responsibility with Reporting Fraud. Journal of Value & Behavioral Accounting, 2 (3), 1-32. [In Persian].
Blue, G., Sadeghi, P. (2011). Individual Ethical Characteristics of Charter Accountants in Use of Decision Guide for Assessing Management Fraud. Ethics in science and Technology. 6 (1), 75-84[In Persian].
Boluo, G., Barzideh, F., Alahyari Abhari, H. (2020). A Model for assessment of the risk of fraud in an audit of financial statements. Journal of Accounting Knowledge, 11(4): 25-45. [In Persian].
Colaizzi, P.F. (1978). Psychological research as a phenomenologist views it. In: Valle, R.S. and King, M., Eds., Existential-Phenomenological Alternatives for Psychology. Oxford University Press, New York, 48-71.
Coram, P., Fergus. C., Moroney. R. (2006). The value of internal audit in fraud detection of accounting and business information systems. Accounting and Finance, 48(2), 543–559.
Davidson, R. (2011). Accounting fraud: Booms, busts, and incentives to perform. Available at: https:// pdfs.semanticscholar. org/e5c0/fad17c7ac6a38b8589b09a16d97d8b19ce91.
Dorminey, J., Fleming, S., Kranacher, M., Riley, R. (2012). The evolution of fraud theory. Accounting Education, 27(2), 555–579.
Dyncus, D.F. (2009). What does fraud look like? Middle Management Conference. Available at: https:// slideplayer. com/slide/10618804.
Eining, M., Jones, D., Loebbecke, J. (1997). Reliance on decision aids: An examination of auditors' assessment of management fraud. Auditing, 16(2), 1-19.
Ebrahimi, S., Jahangirzadeh, J., Ketabian, H. (2016). Recognition of effective parameters on financial fraud. Majlis and Rahbord, 23(86), 149-174. [In Persian].
Ebrahimi, S., Bahrami Nasab, A., Baghban, J. (2018). The effect of audit quality and observance of shareholders' rights on the possibility of fraudulent reporting. Journal of Audit Science, 17 (1), 149-125. [In Persian].
Ebrahimian, M. R., Izadinia, N., Amiri, H. (2020). Provide a model to predict the possibility of fraud in financial statements using logistic regression. Journal of Audit Science, 20 (79), 377-348. [In Persian].
Etemadi,H., Zolfi,H.(2013), Application of logistic regression in identifying fraudulent financial reporting. Journal of Audit Science, 13(51), 163-145. [In Persian].
Emami Sigaroodi, A., Dehghan Nayeri, N., Rahnavard, Z., Nori Saeed, A. (2012). Qualitative research methodology: phenomenology. Journal of Holist Nurs Midwifery, 22(2), 56-63. [In Persian].
Feizizadeh, A. (2020). Identification and prioritization of fraud methods in financial statements from the perspective of auditors. Journal of Management Accounting and Auditing Knowledge, 9(33), 1-8[In Persian].
Forughi, D., Khaleghi, M., Rassaiian, A.  (2012).The Concept of Materiality in Financial Statement Auditing and it’s Effect on Auditor’s Attention in Manager’s Fraud Detecting Process. Journal of Accounting Advances 4(1), 111-135[In Persian].
Glancy, H., Yadav, S. (2011). A computational model for financial reporting fraud detection. Contents lists available at science direct. Decision Support Systems, 50, 595–601.
Glen, M. (2007). The differences in perceived level of fraud-detecting effectiveness of sas no. 99 red flags between external and internal auditors. Journal of business & Economics Research, 5(6), 9-26.
Glen, M., Lin. P., Landry, R., Vicdan, H. (2006). Internal auditors perceptions of the effectiveness of red flags to detect fraudulent financial reporting. Journal of Accounting, Ethics & Public Policy, 6(1), 102-113.
Gramling, A., Mayers, P.M. (2003). Internal auditors assessment of fraud warning signs: Implications for external auditors. The CPA Journal, 6(73), 20-32.
Hakami, T.A., Rahmat, M., Yaacob, M.H., Saleh, N.M. (2020). Fraud detection gap between auditor and fraud detection models: Evidence from gulf cooperation council. Asian Journal of Accounting and Governance, 13(1), 1-13.
Hamaguchi, Y. (2020). Dynamic analysis of bribery firms’ environmental tax evasion in an emissions trading market. Journal of Macroeconomics, 63(c), 1-12.
Hamidzade Arbabi, N., Diyanati, A. (2014). Modern Techniques of Preventing Forgery. Intelligence and Criminal Research Journal, 9(33), 109-128. [In Persian].
Hashemi, S., Hariri, A. (2017). The Analysis of Benford's Law Ability to Identify and Predict Financial Fraud Detection. Accounting and Auditing Review, 24(2), 283-302. [In Persian].
Haynes, A.H. (2012). Detecting fraud in bankrupt municipalities using benford's law. Scripps Senior Theses, Paper 42, available at: http: //scholarship. claremont. edu/scripps_theses/42.
Herawatib, N. (2015(. Application of beneish m-score models and data mining to detect financial fraud. Procedia- Social and Behavioral Sciences, 211(2), 924–930.
Humpherys, S., Moffitt, K., Burns, M., Burgoon, J., Felix, W.F. )2010(. Identification of fraudulent financial statements using linguistic credibility analysis. Decision Support Systems, 50(1), 585–594.
International Federation of Accountants. (2017). Toward enhanced professional skepticism, www.ifac.org.
Jahanshad, A., Sardari Zadeh, S. (2014). Relation between difference of financial measure (revenue growth) and nonfinancial measure (employee growth) with fraudulent financial reporting. Journal of Accounting and Social Interests,4(2), 181-198. [In Persian].
Karshenasan, A., Bahraminasab, A., mamsholi, R. (2019).Earnings quality and identification of fraudulent financial reporting. Empirical Research in Accounting, 9(1), 314-339. [In Persian].
Li, B., Yu, J., Zhang, J., Ke, B. )2015(. Detecting accounting frauds in publicly traded U.S. firms: A machine learning approach. Journal of Accounting Research, 45(1), 199-235
Kennedy, K. (2012). An analysis of fraud: Causes, prevention, and notable case. Ph.D Dissertation, University of New Hampshire.
Mohammadi Moghadam, E., Moeinadin, M., Heyrani, F. (2018). Identify and rank the factors affecting the risk of fraud or criminal acts by accounting using the fraud triangle theory. Journal of Management Accounting and Auditing Knowledge, 7(25): 123-138. [In Persian].
Mahdavi, G., Qahramani, A. (2014). Provide a model for detecting fraud by auditors using artificial neural networks. Auditing Knowledge, 17 (67), 70-45 [In Persian].
Najaflu, M., Zangiabadi, M., Gholami, P. (2015). The effect of fraud risk factors on the adjustment of the audit program. Auditing Knowledge, 17(68), 277-261 [In Persian].
Ngai, E., Hu, Y., Wong, Y., Chen, Y., Sun, X. (2011). The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literat ure. Decision Support Systems, 50(3), 559-569.
Nieschwietz, R.J., Schultz, J.Jr., Zimbelman, M.F. (2000). Empirical research on external auditors' detection of financial statement fraud. Journal of Accounting Literature; Gainesville, 19, 190-246.
Pad, I. (2003). Akhsasy's criminal law.Roham Publications, Tehran. [In Persian].
Pourheidari, O., Bazrafshan, S. (2012). An examination of the usefulness of fraud detection decision aid in assessment of management fraud risk. Empirical Research in Accounting, 2(1), 67-84 [In Persian].
Riley, W. (2008). Fraud: What’s it all about? Audit and advisory services. Available at: https: //audit.berkeley. edu/sites/default/files/FraudWhatsItAllAbout.
Rezaee, Z., Riley, R. (2009). Financial statement fraud: Prevention and detection. 2nd ed. Hoboken, NJ: John Wiley and& Sons, Inc.
Safarzadeh, M. (2012). The ability of financial ratios in detecting fradulent financial reporting: Logit analysis. Journal of Accounting Knowledge, 1(1), 137-163 [In Persian].
Skousen, C.J., Smith, K.R., Wright, C.J. (2009). Detecting and predicting financial statement fraud: The effectiveness of the fraud triangle and SAS No. 99. Advances in Financial Economics, 13(3), 53-81.
Summers, S.L., Sweeney, J.T. (1996). Fraudulently misstated financial statements and insider trading: An empirical analysis. The Accounting Review, 73(1), 131-146.
Ugochukwu, J.N., Justina, N.O., Chukwunonso, E. (2015). Assessing the risk of fraud in published IFRS and Nigerian GAAP financial reports: A comparative application of the Beneish models. Advance Audit and Forensic Accounting, 14(1), 21-42
Whiting, D., Hansen, J., McDonald J. B., Albrecht, C., Albrecht, W.S. (2012). Machine learning methods for detecting patterns of management fraud. Computational Intelligence, 28(4), 505-527.
Yulistyawati, N.K.A., Suardikha, M.S., Sudana, P. (2019). The analysis of the factor that causes fraudulent financial reporting with fraud diamond. Journal Akuntansi dan Auditing Indonesia, 23(1), 1-10.
Zhou, W., Kapoor, G. (2010). Detecting evolutionary financial statement fraud. Decision Support Systems, 50(1), 570–5123.
Journal of Accounting Knowledge
Volume 12, Issue 3 - Serial Number 46
December 2021
Pages 129-146

Files

History

  • Receive Date: 29 August 2020
  • Revise Date: 25 March 2021
  • Accept Date: 25 May 2021

Share

How to cite

Statistics