بهینه سازی مدل تقلب بنیش در پیش بینی تجدید ارائه صورتهای مالی با استفاده از ترکیب شبکه عصبی و الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه حسابداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

2 دانشجوی دکتری حسابداری، دانشگاه تهران، پردیس البرز، تهران، ایران

چکیده

تجدید ارائه صورت های مالی، به معنی ارائه مجدد اطلاعات مالی سال گذشته به منظور اصلاح اطلاعات نادرست یا افزایش قابلیت مقایسه، یکی از پدیده های رایج در ایران است که موجب سلب اطمینان سرمایه گذاران نسبت به اعتبار و شایستگی مدیریت و کیفیت سودهای گزارش شده می شود. هدف از ارائه این پژوهش ارائه مدل توسعه ای تقلب بنیش ، در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بین سال های 1388 تا 1399 می باشد. داده های 265 شرکت با استفاده از شاخص های منتخب و نهایی مدل تقلب بنیش ( 1999) استخراج و جهت توسعه مدل پیش بینی نیز از الگوریتم شبکه عصبی و ژنتیک استفاده شده است.
نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، دقت و کارآیی مدل بهبود یافته بنیش با الگوریتم ترکیبی شبکه عصبی و ژنتیک در پیش بینی شرکت های تجدید ارائه نشده 15/78 درصد ، شرکت های تجدید ارائه شده 63/29 درصد بوده است. همچنین دقت کلی مدل ارائه شده با الگوریتم ترکیبی شبکه عصبی و ژنتیک 21/73 درصد بوده است.

کلیدواژه‌ها

عنوان مقاله [English]

Optimizing Benish's fraud model in forecasting Restatement of Financial Statements Using a combination of neural network and Genetic Algorithm

نویسندگان [English]

  • Sasan Mehrani 1
  • akbar rahimi poor 2
1 Associate Professor of Accounting, University of Tehran, Tehran, Iran.
2 Ph.D. Student in Accounting, Tehran University Alborz Campus, Tehran, Iran.
چکیده [English]

Restatement of Financial Statements , which means re-presenting last year's financial information in order to correct incorrect information or increase comparability, is one of the common phenomena in Iran, which causes investors to lose confidence in the credibility and competence of management and the quality of reported profits. The purpose of this research is to present the development model of Benish fraud in companies admitted to the Tehran Stock Exchange between 2008 and 2019. The data of 265 companies were extracted using the selected and final indicators of Benish's (1999) fraud model, and neural network and genetic algorithms were also used to develop the prediction model. The results of the research indicate that based on the confusion matrix, the accuracy and efficiency of the improved Benish model with the combined algorithm of neural network and genetics in predicting unrepresented companies was 78.15%, and re-presented companies was 29.63%. . Also, the overall accuracy of the model presented with the combined algorithm of neural network and genetics was 73.21%.

کلیدواژه‌ها [English]

  • Restatement of financial statements
  • annual adjustments
  • prediction
  • Benish model
  • genetic algorithm

مراجع

  1. رحمانی، علی، نجف تومرایی، المیرا، (1390)، " تجدید ارائه صورت های مالی و ریسک اطلاعاتی"، فصلنامه مطالعات تجربی حسابداری مالی، سال 10، شماره 34، صص 54-33.

2.       حسنی، محمد، ( 1401 ) ، " تأثیر محرک‌های بالقوه ریسک دادخواهی ناشی از اشتباه‌ها و تحریف‌ها در گزارشگری مالی صاحبکاران بر تعدیل اظهارنظر حسابرسی"، قضاوت و تصمیم گیری در حسابداری و حسابرسی، دوره 1، شماره 3، صص 165-125.

  1. کاظمی، حسین ، (1390)، " تجدید ارائه صورتهای مالی عوامل موثر و واکنش نسبت به آنها"، دانش و پژوهش حسابداری، شماره24، صص 23-18.
  2. کردستانی غلامرضا، تاتلی رشید. (1395)،" پیش بینی دستکاری سود: توسعه یک مدل". بررسیهای حسابداری و حسابرسی. دوره 23، شماره 1، صص 96-73.
  3. abdullah, S.N.Y. M.N.M (2010) "Financial Restatements and corporate governance among Malaysian listed companies", Managerial Auditing Journal,Vol 25, No 6 , Pp. 526-552.
  4. Baber, W.R, Liang L. Zhu, Z. (2009) "Associations between internal and external corporate governance characteristics: Implication for investigating financial accounting restatements", Accounting Horizons , Vol 26, No 2, Pp. 219-237.
  5. Beneish, D. (1999)." Incentives and penalties related to earnings overstatements that violate GAAP", The Accounting Review, Vol 74, No 4, Pp 425-457
  6. Beneish, M. D, Lee, C, Press, E, Whaley, B, Zmijewski, M, Cisilino, P. (1999). " The detection of earnings manipulation".Financial Analysts Journal,Vol 55, No 5,Pp 24-36.
  7. Fawcett, T. (2006) "An Introduction to ROC Analysis". Pattern Recognition Letters, No 27, Pp 861-874
  8. Bhasin, M. L. (2013). " Corporate governance and forensic accountants role: global regulatory action sce­nario". International Journal of Accounting Research, Vol 1, No 1, Pp1-19.
  9. GAO, (2002), "'Financial Statement Restatements trends, Market Impacts, Regulatory Responses, and Remaining Challenges", United States: General Accounting Office.
  10. Jensen, M. C. W. H. Meckling, (1976)." Theory of the Firm: Managerial Behavior, Agency Costs, and Ownership Structure". http://papers.ssrn.com/sol3/papers.cfm? abstract_id=94043.
  11. Mao, Y. (2018) 'Financial Restatement Research Literature Review', Modern Economy, 9,, pp.2092-2103.
  12. Palmrose, Z. V., Richardson, V. J., & Scholz, S. (2004). Determinants of market reactions to restatement announcements. Journal of accounting and economics, 37(1), 59-89.
  13. Papik, Mário, Papikova, Lenka, (2020), " Detection Models For Unintentional Financial Restatements ", Journal of Business Economics and Management, VOL 21, Pp 64-86.
  14. Impink, J. (2010). "Earnings manipulation and bankruptcy: WorldCom", Bachelor
    paper, University of Amsterdam
  15. Sadaf, R. Oláh, J. Popp, J. Mate, D. (2018). " An investigation of the influence of the worldwide gov­ernance and competitiveness on accounting fraud cases: a cross-country perspective". Sustainability, Vol 10, No 3 ,Pp 1-11.
  16. Savčuk, O. (2007). " Internal audit efficiency evaluation principles". Journal of Business Economics and Management, Vol 8, Pp 275-284.
  17. Watts, R.L. (1977) , " Corporate financial statements,a product of the market and political  processes" , Australian journal of management, Vol 2, No1 , Pp 53-75.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار