تاثیر شاخص های فضای کسب و کار بر احتمال تقلب در صورت مالی شرکت ها پذیرفته شده در بورس اوراق بهادار تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ، گروه حسابداری ، واحد قائمشهر ، دانشگاه آزاد اسلامی ، قائمشهر ، ایران

2 استاد یار ، گروه حسابداری ، واحد قائمشهر ، دانشگاه آزاد اسلامی ، قائمشهر ، ایران (نویسنده مسئول)

3 گروه کامپیوتر، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران

چکیده

چکیده
میزان دقت و صحت اطلاعات مالی افشا شده توسط شرکت‌ها اصلی‌ترین منبع اطلاعاتی سرمایه‌گذار برای اتخاذ تصمیمات سرمایه‌گذاری است. از این رو هر گونه تقلب در ارائه گزارش‌های مالی باعث هدایت نامطلوب منابع مالی و تصمیمات غیربهینه در سرمایه‌گذاری می‌شود. مطالعات تجربی پیش‌بینی تقلب در گزارش‌های مالی بر متغیرهای سطح شرکتی متمرکز بوده‌اند و از متغیرهای فضای کسب و کار غفلت کرده‌اند. از اینرو در این مطالعه، نقش فضای کسب و کار بر احتمال تقلب در صورت مالی 120شرکت پذیرفته شده در بورس و اوراق بهادار طی دوره‌ی زمانی 1392-1398 با استفاده از رویکرد رگرسیونی لاجستیک بررسی شده است. نتایج نشان داد الگوی لاجیت برآورد شده حدود 59/25 درصد از تغییرات نسبت احتمال وقوع تقلب‌ در گزارش‌های مالی به عدم وقوع آن را توضیح می-دهد. همچنین از بین 9 متغیر فضای کسب و کار دو متغیر درامد سرانه و نرخ ارز بازار آزاد تاثیر معناداری بر احتمال تقلب در گزارش مالی شرکت‌ها دارند و با افزایش یک درصدی در درآمد سرانه، احتمال تلقب در گزارش‌های مالی 5232/0 درصد کاهش و با افزایش نرخ ارز در بازار آزاد نیز احتمال تقلب در گزارشات مالی شرکت‌های مورد بررسی به میزان 4338/0 درصد افزایش پیدا می‌کند. این نتایج نشاندهنده‌ی اهمیت متغیرهای فضای کسب و کار به همراه متغیرهای سطح شرکتی در پیش‌بینی احتمال تقلب در گزارش‌های مالی شرکت‌هاست.

کلیدواژه‌ها

عنوان مقاله [English]

The impact of business climate indicators on the likelihood of fraud in the financial statements of companies

نویسندگان [English]

  • gholamreza sadeghi 1
  • abaasali pouraghjan 2
  • Mir Saeid Hoseini Shirvani 3
1 PhD Student, Department of Accounting, Ghaemshahr Branch, Islamic Azad University, Ghaemshahr, Iran
2 Assistant Professor, Department of Accounting, Ghaemshahr Branch, Islamic Azad University, Ghaemshahr, Iran (Corresponding Author)
3 Department of Camputer, Sari Branch, Islamic Azad University, Sari, Iran
چکیده [English]

Abstract
The accuracy of financial information disclosed by companies is the main source of investor information for making investment decisions. Therefore, any fraud in the submission of financial statements leads to unfavorable management of financial resources and non-optimal investment decisions. Empirical studies of financial reporting fraud predictions have focused on firm-level variables and neglected business climate variables. Therefore, in this study, the role of business environment on the probability of fraud in the financial statements of 120 companies listed on the stock exchange and securities during the period 2012-2019 has been investigated using a logistic regression approach. The results showed that the estimated logit pattern explains about 25.59% of the changes in the ratio of the probability of fraud in financial statements to its non-occurrence. Also, among the 9 variables of business environment, two variables of per capita income and free market exchange rate have a significant effect on the probability of fraud in companies' financial reports, and with a one percent increase in per capita income, the probability of cheating in financial reports is 0.5232% With the decrease and increase of the exchange rate in the open market, the probability of fraud in the financial reports of the surveyed companies increases by 0.4338%. These results indicate the importance of business environment variables along with company level variables in predicting the likelihood of fraud in corporate financial statements.

کلیدواژه‌ها [English]

  • Keywords: business environment
  • financial reporting fraud
  • exchange rate
  • per capita income

مراجع

  • اعتمادی، حسین.، زلفی، حسن.، 1392. کاربرد رگرسیون لجستیک در شناسایی گزارشگری مالی متقلبانه، فصلنامه دانش حسابرسی، 13 (51): 25-23.
  • احمدی ، سید جلال ، فغانی ماکرانی ، خسرو ، فاضلی ، نقی (1399) .ارائه مدلی برای پیش بینی صورت های مالی متقلبانه و مقایسه صورت ها و نسبت های مالی با قانون بنفورد ، فصلنامه علمی و پژوهشی دانش حسابداری و حسابرسی مدیریت ، سال نهم ، شماره 35 ، صص 89-102.
  • رحیمیان, نظام الدین, حاجی حیدری, راضیه. (1398). کشف تقلب با استفاده از مدل تعدیل شده بنیش و نسبت‌های مالی،پژوهش های تجربی حسابداری، 9 (1)، 47-70.
  • رحیمیان، نظام الدین، 1389. مدیریت خطر تقلب در کسب و کار، انتشارات اطلاعات، چاپ دوم.
  • رضائی, مهدی, ناظمی اردکانی, مهدی, ناصر صدرآبادی, علیرضا. (1399). کشف تقلب صورت‌های مالی با توجه به گزارش حسابرسی صورت‌های مالی. حسابداری مدیریت. 13 (45)، 141-153.
  • سنجابی،آرش، (1384،(شناسایی عوامل مـوثر بـر احتمـال وقـوع تقلـب در گزارشـگری صورتهای مالی،پایان نامه کارشناسی ارشد حسابداری، دانشـگاه تربیـت مـدرس، دانشـکده علوم انسانی .
  • سیدایرج آذرنیوش - بهزاد شیری دایلاق - حسین مردانی، 1394. اولین کنفرانس بین المللی حسابداری، مدیریت و نوآوری در کسب و کار.
  • شیرکوند، سعید (1390). بررسی عوامل موثر بر سنجش و بهبود فضای کسبوکار در ایران. مرکز مطالعات و بررسیهای اقتصادی اتاق بازرگانی و صنایع معادن تهران.
  • مشایخی، بیتا. 1390. روانشناسی تقلب. حسابدار 26. 263: 73-70.
  • معصومی ، جواد ، نیکومرام ، هاشم ، طالب نیا ، قدرت اله (1399) .شناسایی و رتبه بندی عوامل موثر بر کشف تقلب صورت های مالی با استفاده از فرآیند تحلیل سلسله مراتبی (AHP) ، فصلنامه علمی و پژوهشی دانش حسابداری و حسابرسی مدیریت ، سال نهم ، شماره 35 ، صص 25-51.
  • هاشمی، سید عباس.، حریری، امیرسینا، 1396. ارزیابی توانایی قانون بنفورد در شناسایی و پیش­بینی کشف تقلب مالی. 24 (2): 302-283.
  • وکیلی فرد، حمید رضا، جبارزاده کنگرلویی، سعید، پوررضا، اکبر و احمدی، سلطان، 1388. بررسی ویژگی­های تقلب در صورت­های مالی، مجله حسابدار، شماره 210.
  • Abbasi A., Albrecht C., Vance A., & Hansen J. (2012). Metafraud: A meta-learning framework for detecting financial fraud. MIS Quart Manage Inf Syst MIS Quarterly: Management Information Systems, 36(4), 1293-1327.
  • Albrecht, C. C., Albrecht, C. O., Albrecht, W. S., & Zimbleman, M. (2015). Fraud examination. Mason, OH: South-Western CENGAGE learning.
  • Albrecht, W. S. (2012). Fraud examination. Mason, Ohio: South-Western Cengage Learning
  • Alleyne, B., & Amaria, P. (2013). The effectiveness of corporate culture, auditor education, and legislation in identifying, preventing, and eliminating corporate fraud. International Journal Of Business, Accounting, & Finance, 7(1), 34-62.
  • Arshad, R., Asyiqin, W. A., Razali, W. M., & Bakar, N. A. (2015). Catch the “warning signals”: The fight against fraud and abuse in non-profit organizations. Procedia Economics and Finance, 28, 114-120.
  • Ball, Ray, and Philip R. Brown. "Ball and Brown (1968): A retrospective." The Accounting Review 89, no. 1 (2014): 1-26.
  • Beasley, M. S., J. V. Carcello, D. R. Hermanson and P. D. Lapides. , 2000.Fraudulent Financial Reporting: Consideration of Industry Traits and Corporate Governance Mechanisms. Accounting Horizons, Vol. 14 (4)
  • Bui, T., & Amaria, P. (2014). How do financial analysts in Vietnam perceive the relationship between the corporate board structure and financial statement fraud? International Journal of Business, Accounting, and Finance, 8 (1), 1-23.
  • Eierle, B., & Schultze, W. (2013). The role of management as a user of accounting information: Implications for standard setting. Accounting & Management Information Systems / Contabilitate Si Informatica De Gestiune, 12(2), 155-189.
  • Goel, S., & Gangolly, J. (2016). Beyond the numbers: Mining the annual reports for hidden cues indicative of financial statement fraud. Intelligent Systems in Accounting, Finance & Management, 19(2), 75-89. doi:10.1002/isaf.1326
  • Gullkvist, B., & Jokipii, A. (2013). Perceived importance of red flags across fraud types. Critical Perspectives on Accounting, 24(1), 44-61. doi: http://dx.doi.org.proxy1.ncu.edu/10.1016/j.cpa.2012.01.004
  • Henderson, R. (2020). Using graph databases to detect financial fraud. Computer Fraud & Security, 2020(7), 6-10.
  • Huang, S. Y., Lin, C. C., Chiu, A. A., & Yen, D. C. (2017). Fraud detection using fraud triangle risk factors. Information Systems Frontiers, 19(6), 1343-1356.
  • Kaminsky, K. A., Wetzel, T. S., and Guan, L. , 2004. Can Financial Ratios Detect Fradulent Financial Reporting?, Managerial Auditing Journal, Vol. 19(1)
  • Karpoff, Jonathan M. "The future of financial fraud." Journal of Corporate Finance (2020): 101694.
  • Kerkaus E., C. Spathis, Y. Manolopoulos, 2007.Data Mining Techniques for the Detection of Fraudulent Financial Statements, Expert Systems with Applications, Vol.32
  • Königsgruber, R. (2012). Capital Allocation Effects of Financial Reporting Regulation and Enforcement. European Accounting Review, 21(2), 283-296. doi:10.1080/09638180.2011.558294
  • Lin, C., Chiu, A., Huang, S. Y., & Yen, D. C. (2015). Detecting the financial statement fraud: The analysis of the differences between data-mining techniques and experts’ judgments. Knowledge-Based Systems, 89459-470. doi:10.1016/j.knosys.2015.08.011
  • Roxas, M. L. (2011). Financial statement fraud detection using ratio and digital analysis. Journal of Leadership, Accountability & Ethics, 8(4), 56-66.
  • Santoso, N. T. (2018). Predicting Financial Statement Fraud with Fraud Diamond Model of Manufacturing Companies Listed in Indonesia. In State-of-the-Art Theories and Empirical Evidence (pp. 151-163). Springer, Singapore.
  • Whitehouse, T. (2012). Audit failures epidemic at all big 4 firms. Compliance Week, 9(97), 10.
  • Whiting, D., Hansen, J., McDonald, J., Albrecht, C., & Albrecht, W. (2012). Machine learning methods for detecting patterns of management fraud. Computational Intelligence, 28(4), 505-527.
  • Wuerges, A. E., & Borba, J. A. (2014). Accounting Fraud: an estimation of detection probability. Revista Brasileira De Gestão De Negócios, 16(52), 466-483. doi:10.7819/rbgn.v16i52.1555
  • Young, S. M., & Peng, E. Y. (2013). An analysis of accounting frauds and the timing of analyst coverage decisions and recommendation revisions: Evidence from the US. Journal of Business Finance & Accounting, 40(3), 399-437. doi:10.1111/jbfa.12020
  • Yusof, N. M., & Lai, M. L. (2014). An integrative model in predicting corporate tax fraud. Journal Of Financial Crime, 21(4), 424-432. doi:10.1108/JFC-03-2013-0012

فایل ها

هم رسانی

ارجاع به این مقاله

آمار