دانش حسابداری و حسابرسی مدیریت

دانش حسابداری و حسابرسی مدیریت

کالیبراسیون مدل توسعه یافته بنیش: رهیافت پویایی شناسی سیستمی

نوع مقاله : مقاله پژوهشی

نویسندگان
ظاهر سپهریان 1
ناهید مالکی نیا 2
حسین عسگری آلوج 3
1 استادیار، گروه ریاضی، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران.
2 استادیار، گروه حسابداری، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران
3 استادیار، گروه حسابداری، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران.
10.22034/jmaak.2025.74413.4090
چکیده
مدل بنیش(1999) از مدلهای پایه کشف دستکاری سود می باشد که از یک فرایند خطی تبعیت میکند و قادر به پیش بینی رفتار تصادفی دستکاری سود نیست. تمام رفتارهای دینامیکی پیچیده توسط حداقل یک حلقه تقویتی و یک حلقه تعادلی ایجاد می شود، ولی چون مدل بنیش فقط از یک حلقه تقویتی تشکیل شده نمی تواند رشد نمائی متغیرحالت را متوقف کند. این پژوهش با هدف توسعه مرزهای مدل بنیش و افزودن حلقه تعادلی راهبری شرکتی به آن، دادههای 81 شرکت بورسی را طی سالهای 1395-1401 با ونسیم مورد تحلیل قرار داده است. پس از طراحی نمودارهای علی-حلقوی و حالت و جریان هشت حلقه ای مدل بنیش، جهت سهولت در کاربرد به مدل تک حلقه ای تقویتی تبدیل شد و درمرحله بعدی مدل پیشنهادی دوحلقه ای شامل یک حلقه تقویتی و یک حلقه تعادلی ترسیم شد. درمجموع 1296 شبیه سازی انجام گرفت. بعلت خطای شبیه سازی بالاتر از حد قابل قبول 15%، پارامترهای برون زای مدل با تغییرات تصادفی به روش آزاد در کران بالا وپائین 1296بارکالیبره شدند. دقت شبیه سازی مدل های پویای بنیش و پیشنهادی پس ازکالیبراسیون به ترتیب 84/72 و 98/07 درصد و میزان ریشه های خطای اعتبارسنجی به حالت ایده آل رسید که صحت عملکرد مدل توسعه یافته را تائید می کند.

عنوان مقاله English

Calibration of Developed Model of Beneish: System Dynamics Approach

نویسندگان English

Zaher Sepehrian 1
Nahid Maleki Nia 2
Hosein Asgari Alouj 3
1 Assistant Prof., Department of Mathematics, BileSavar Branch, Islamic Azad University, BileSavar, Iran.
2 Asistant prof. , Department of accounting, Bilesavar branch, Islamic Azad University, Bilesavar, Iran
3 Assistant Prof., Department of Accounting, BileSavar Branch, Islamic Azad University, BileSavar, Iran.
چکیده English

Beniesh model (1999) is one of the basic models for detecting earning manipulation, which follows a linear process and cannot predict random behavior of EM. All complex dynamic behavior is produced by at least a balancing and reinforcing loops, but because Beneish model consists of only one reinforcing loop, it can not stop the exponential growth of the stock variable. This research has analyzed the data of 81 companies over 2016-2022 by Vensim, in order to developing the boundaries of the Beneish model and adding the balancing loop of corporate governance to it. After designing the eight-loops stock and flow diagrams of the Beneish model, it was changed to a single-loop model of reinforcing for ease of use, and then the proposed two-loop model was drawn including balancing and reinforcing loops. A total of 1296 simulations were performed. Due to the higher simulation error than the acceptable limit of 15%, exogenous parameters were calibrated of 1296 times by free random changes of the upper and lower limits. The simulation accuracy of the Beneish and proposal model was 84.72% and 98.07% after calibration, respectively, and the the validation error roots reached to the ideal value, which confirms the developed model correctness.

  • احدی، رامین و طهماسبی، فرامرز (1396). بررسی رابطه بین ریسک مالی و مدیریت سود در بانک‌های پدیرفته شده در بورس اوراق بهادار تهران، سومین کنفرانس بین‌المللی مدیریت و مهندسی صنایع، تهران.
  • آزادی، فرهاد، قنبری، مهرداد، جمشیدی نوید، بابک، و مسعودی، جواد. (1403). ارائه مدل توسعه‌یافته بنیش با به‌کارگیری پدیده تونلینگ بر مبنای تکنیک شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات در شناسایی شرکت‌های دستکاری کننده سود. دانش سرمایه‌گذاری، 13(51), 23-54.
  • استرمن، جان د. (1401)، پویایی‌شناسی کسب وکار (تفکرسیستمی ومدل‌سازی برای جهانی پیچیده )، ترجمه: برارپورکوروش ودیگران، جلداول، انتشارات سمت.
  • بنی مهد، بهمن؛ مراد‌زاده فرد، مهدی و مروارید عراقی، فاطمه (1393). تغییرات مثبت سود هر سهم و قیمت سهام: آزمون فرضیه ثبات رفتاری. حسابداری مدیریت، 7 شماره 1(پیاپی 20 )، 67-77.
  • پورعلی، محمدرضا وکوچکی تاجانی، محدثه ( 1399). مقایسه دقت پیش‌بینی دستکاری سود شرکت‌ها با استفاده از الگوریتم رقابت استعماری و الگوریتم ژنتیک، اولین کنفرانس بین‌المللی چالش‌ها و راهکار‌های نوین در مهندسی صنایع و مدیریت و حسابداری.
  • پورمرادی، مرضیه، شعبانی، زینب، سام دلیری، لیلا، (1395)، رویکرد معادلات دیفرانسیل تصادفی در پیش‌بینی متغیر‌های مالی – مطالعه موردی سهام ایران خودرو در بازار بورس تهران، نهمین کنفرانس انجمن ایرانی تحقیق درعملیات دانشگاه صنعتی شیراز.
  • جبارزاده کنگرلویی، سعید، متوسل، مرتضی و بهنمون، یعقوب. (1398). تأثیر مدیریت سود و محدودیت مالی بر خوانایی گزارشگری مالی. فصلنامه بورس اوراق بهادار، 12(46)، 5-25.
  • جوادی نیا، امیر (1399). بررسی تاثیر توانایی مدیریت بر رابطه بین ارتباطات سیاسی و هزینه نمایندگی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، چشم انداز حسابداری و مدیریت، 3(21)، 144-163
  • حاجی حیدری، نسترن، و سیدجوادین، سیدرضا. (1390). توسعه و تغییر مدل کسب و کار با به کارگیری رویکرد پویایی سیستم ها. علوم مدیریت ایران، 6(21)، 1-17.
  • حسنی، محمد و احدزاده، اعظم (1398). تحلیل تجربی تأثیر حضور سرمایه‌گذاران نهادی فعال دارای نماینده در هیأت مدیره بر انگیزه‌های اختیاری مدیران جهت مدیریت سود (فرضیه نظارت کارا یا فرضیه همگرایی استراتژیک؟ )، رویکرد‌های پژوهشی نوین در مدیریت و حسابداری، 3(11)، 29-51.
  • حمیدی‌زاده محمدرضا، (1394 )، پویایی‌های سیستم، ویرایش دوم، انتشارات دانشگاه شهیدبهشتی تهران
  • خدابنده، آذر و رضایی، فرزین (1397). مدیریت تاثیر اطلاعات در گزارشگری مالی شرکت‌ها، رویکرد‌های پژوهشی نوین در مدیریت و حسابداری، 2(8)، 1-14
  • خسروتاش، مسعود،(1396). شبیه سازی قدم زدن تصادفی ، حرکت براونی و برخی رده های معادلات دیفرانسیل تصادفی ، کنفرانس آموزش و کاربرد ریاضی.
  • خلیل‌زاده، محمد، حیدرپور، فرزانه، توانگر حمزه کلایی، افسانه و جهانشاد، آزیتا. (1401). تاثیر ویژگی‌های روانشناختی مدیرعامل بر احتمال دستکاری سود با استفاده از مدل بنیش و واکنش حسابرس به آن. فصلنامه بورس اوراق بهادار، 15(57)، 375-402.
  • داغانی، رضا؛ طلوعی، کبری و حاجیان، نجمه (1398). تاثیر ساختار مالکیتی و نظارتی هیأت مدیره و ویژگی‌های حسابرس بر مدیریت سود، پژوهش‌های تجربی حسابداری، 34،299 -326.
  • ذاکری، حامد، (1389). چارچوب نظری دستکاری در حساب ها، دانش و پژوهش حسابداری، 21 ، 36-44.
  • رجائیان محمدمهدی، (1392)، شبیه‌سازی سیستم‌های پویا با نرم‌افزار Vensim، انتشارات دانشگاه فردوسی مشهد.
  • رحیم اف کامران، نعمتی امید، (2015)، کالیبراسیون مدل‌های شبیه‌سازی شده با استفاده از نرم‌افزار Aimsun، اولین کنفرانس بین‌المللی انسان، معماری، مهندسی عمران و شهر، تبریز.
  • شعری آناقیز، صابر؛ رحیمیان، نظام الدین؛ صالحی صدقیانی، جمشید و خراسانی، ابوطالب (1396). بررسی و تطبیق میزان دقت نتایج حاصل از مدل‌های بنیش و تعدیل شده بنیش بر اساس محیط اقتصادی ایران در کشف و افشای گزارشگری، مالی متقلبانه، فصلنامه چشم انداز مدیریت مالی، 7(18)، 105-123
  • صالحی کردآبادی، سجاد وزاد دوستی، فرزانه (1399). رابطه حاکمیت شرکتی، مدیریت سود و عملکرد مالی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، چشم اندازحسابداری ومدیریت، 3(26)، 92-109.
  • صالحی، مهدی و فرخی پیله رود، لاله (1397). پیش‌بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم، فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 10(37)، 1-24
  • عسگری آلوج، حسین؛ نیک بخت، محمدرضا؛ کرمی، غلامرضا و مؤمنی، منصور (1398). توسعه مدل بنیش با ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات برای پیش‌بینی دستکاری سود. بررسی‌های حسابداری و حسابرسی، 26(4)، 615-638.
  • عسگری آلوج، حسین، نیکبخت، محمد رضا، کرمی، غلامرضا، و مومنی، منصور. (1399). تعدیل مدل پیش‌بینی دستکاری سود با تأکید بر متغیر‌های محیطی و روش ترکیبی شبکه عصبی مصنوعی و الگوریتم‌های فرا‌ابتکاری. اقتصاد پولی مالی،27(20)،1-26.
  • علیخانی دهقی، حسین؛ ایزدی نیا، ناصر و کیانی، غلامحسین (1399). نقش مدیریت سود در شناسایی صورت‌های مالی متقلبانه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، مدیریت دارایی و تامین مالی، شماره 31،21 –
  • قادری، اقبال؛ محمدی ملقرنی، عطاءالله و امینی، پیمان (1399). بکارگیری الگوی ترکیبی شبکه‌های عصبی مصنوعی با الگوریتم‌های فراکاوشی (ICA، PSO) در پیش‌بینی مدیریت سود، پژوهش‌های تجربی حسابداری، 36،213 –
  • قائمی، فاطمه؛ مرادی، زهرا و علوی، غلامحسین (1399). تأثیر ویژگی‌های کمیته حسابرسی بر کنترل‌های داخلی و مدیریت سود، پژوهش‌های حسابداری مالی و حسابرسی، شماره 46،259 –
  • قربانی، بهزاد. ؛ حسینی‌غنچه، سیدجلال الدین و محمد‌یلر، زهرا. (1396). تأثیر افشای اطلاعات استراتژیک، غیرمالی و مالی بر مدیریت سود، حسابداری مالی وحسابرسی، 9(35)، 23-40
  • کاردان، بهزاد، صالحی، مهدی، قره خانی، بیتا ومنصوری، مرتضی. (1396). بررسی دقت الگوریتم‌های خطی-تکاملی BBOوICDE والگوریتم‌های غیرخطی SVRوCART درپیش‌بینی مدیریت سود، پژوهش‌های حسابداری مالی، 9(1)، 77-95.
  • کردستانی، غلامرضا و تاتلی، رشید (1395). پیش‌بینی دستکاری سود: توسعه یک مدل، بررسی‌های حسابداری و حسابرسی، 23(1)، 73-96.
  • کولیوند، عباس، حسنی، محمد، و متین فرد، مهران. (1402). ارائه مدل توسعه‌یافته پیش‌بینی تقلب با تمرکز بر مؤلفه‌های کیفیت گزارشگری مالی و کیفیت حسابرسی در شرکت‌های تولیدی. پیشرفت‌های حسابداری، 15(1)،1-29.
  • لمسکی تازیکه، افسانه و سعیدی پرویز(1398). بررسی چگونگی شکل‌گیری مثلث تقلب توسط مدیران برای کسب سود بیشتر از ذینفعان، مطالعات اقتصاد، مدیریت مالی و حسابداری، 5(1)، 189-200.
  • مالکی نیا، ناهید، تهرانی، رضا، عالم تبریز، اکبر و فلاح شمس، میرفیض. (1400). توسعه مدل پیش‌بینی دستکاری سود با روش ترکیبی شبکه عصبی و الگوریتم‌های کیهان‌شناسی، فصلنامه اقتصادپولی مالی، 28(21)، 57-86.
  • مالکی نیا، ناهید، تهرانی، رضا، عالم تبریز، اکبر، فلاح شمس لیالستانی، میرفیض. (1401). پیش‌بینی مدیریت سود با روش ترکیبی شبکه عصبی پرسپترون چند‌لایه و الگوریتم‌های فرا‌ابتکاری . فصلنامه بورس اوراق بهادار ،15(58) ، 141-160.
  • مالکی نیا، ناهید، عسگری آلوج، حسین، و سپهریان، ظاهر. (1399). کاربرد مدل حرکت براوونی هندسی تعمیم یافته توسط فرآیند رژیم سوئیچینگ مارکوف درشبیه‌سازی قیمت سهام: رویکرد پویایی‌شناسی سیستمی. مهندسی مالی و مدیریت اوراق بهادار، 11(42)، 387-418.
  • محسنی رضا، سخت کارمدلل، لیلا، (1396). برآورد قیمت سهام بازار انرژی شامل نفت، گاز و زغال‌سنگ: مقایسة مدل‌های خطی و غیرخطی رژیم سوئیچینگ مارکوف، مجله ایرانی مطالعات مدیریتی، 10(3)، صص 715-728.
  • مرادی، محمد (1394). طراحی مدل کیفیت سود در بورس اوراق بهادار تهران؛ با تاکید بر نقش اقلام تعهدی، فصلنامه تحقیقات حسابداری و حسابرسی، شماره 25،76-99.
  • مقدم، عبدالکریم و قدردان، احسان (1398). بررسی عوامل مؤثر بر عدم دستکاری سود توسط مدیریت. مطالعات حسابداری و حسابرسی، 8(31)، 59-74.
  • موسوی حقیقی، محمدهاشم، خلیفه، مجتبی، صفایی، بهزاد، و صابری، حامد. (1395). شبیه سازی قیمت سهام از منظر عوامل داخلی و خارجی موثر بر سیستم با استفاده از رویکرد پویایی شناسی سیستمی. مدیریت دارایی و تامین مالی، 4(4 (پیاپی 15) )، 79-98.
  • نیسی عبدالساده، چمنی انباجی رویا، شجاعی منش لیلی، (1391)، سه مدل اساسی در ریاضیات مالی، مجله مدلسازی پیشرفته ریاضی، دوره2 ، شماره1 ، صص 77- 96.

 

  • Ahmad, S., Tahar, R. M., Muhammad-Sukki, F., Munir, A. B., & Rahim, R. A. ,(2016). Application of system dynamics approach in electricity sector modelling: A review. Renewable and Sustainable Energy Reviews, 56,29–37.
  • Alastair M., Claire V. ,& Patricia Sh. ,(2023). Predicting financial statement manipulation in South Africa: A comparison of the Beneish and Dechow models, Cogent Economics & Finance, 11:1, DOI: 10.1080/23322039.2023.2190215
  • Asghar, A. , Sajjad, S., Shahzad, A. ,& Matemilola, B. T. (2020). Role of discretionary earning management in corporate governance-value and corporate governance-risk relationships, Corporate Governance, 20 (4), 561-581.
  • Beneish, M. D. (1999). The Detection of Earnings Manipulation, Financial Analysts Journal, 55 (5): 24-36.
  • Bilan, Y. ,& Jurickova, V. (2021). Detection of earnings management by different models. In SHS Web of Conferences(Vol. 92). EDP Sciences.
  • Chrysovalantis, G. (2009). Classification techniques for the identification of falsified financial statements: a comparative analysis. Intelligent Systems in Accounting, Finance & Management, 16(3): 207–229.
  • Cleofe Giorgino, M., Barnabè, F., &Martin, K., (2019). Integrating qualitative system dynamics with accounting practices: The case of integrated reporting and resource mapping, System research and behavioral science, pp1-22.
  • Cooke, David L. (2004). Using system dynamics models to enhance the visualisation of stochastic price processes”. In Proceedings of the International Conference of the System Dynamics Society,
  • Erdoğan, M. ,& Erdoğan, E. O. (2020). Financial Statement Manipulation: A Beneish Model Application, Grima, S. , Boztepe, E. and Baldacchino, P. J. (Ed. ) Contemporary Issues in Audit Management and Forensic Accounting (Contemporary Studies in Economic and Financial Analysis, 102, Emerald Publishing Limited, 173-188.
  • Forrester, J. W. ,(1994). System dynamics, systems thinking, and soft, O. R. System Dynamic Review, 10,245–256.
  • Gibson, C. (2014). Financial Reporting and Analysis, Using Financial Accounting information, South Westerrn Cengage Learning, ISBN 10:0-324-660839,11th edition, USA
  • Hasani, M. & Vahidzadeh, A. (2018). Empirical analysis of the effect of the presence of active institutional investors with a representative in the board of directors on managers' discretionary motivations for profit management (effective monitoring hypothesis or strategic convergence hypothesis?), New Research Approaches in Management and Accounting, 3(11), 5-29.
  • Kao, L. C., Anlin. Lu. ,& Cheng, Sh. (2018). Ex ante and ex post overvalued equities: The roles of corporate governance andproduct market competition, Asia Pacific Management Review, 23(2018). 209-221.
  • Kavetsky, C. (2017). Calibrating a System Dynamic Model within an Integrative Framework to Test Foreign Policy Choices, Electronic Theses and Dissertations. 5578,1-197
  • Kirkos, E. , Spathis, C. ,& Manolopoulos, Y. (2007). Data Mining techniques for the detection of fraudulent financial statements. Expert Systems with Applications, 32(4): 995–1003.
  • Kotsiantis, S. , Koumanakos, E. , Tzelepis, D. ,& Tampakas, V. (2006) Forecasting fraudulent financial statements using data mining. International Journal of Computational Intelligence, 3(2): 104–110.
  • Li, T. & Zaiats, N. (2017). Information environment and earnings management of dual class firms around the world, Journal of Banking & Finance, 74,1-23.
  • Malekiniya, N., Asgari Alouj, H., & sepehrian, Z. (2020). Application of Generalized Geometric Bravoni Motion Model by Markov Switching Regime Process in Stock Price Simulation: System Dynamics Approach. Financial Engineering and Portfolio Management, 11(42), 387-418.
  • Maleki Nia, N., tehrani, R., Tabriz Akbar, A., & Fallah shams, M. (2021). Development of Earning Manipulation Prediction Model Applying Hybrid Neural Network and Cosmology Based Algorithms. Monetary & Financial Economics, 28(21), 57-86. doi: 10.22067/mfe.2021.71593.1099.
  • Maleki Nia, N., Tehrani, R., AlamTabriz, A., Falah Shams, M. (2022). Earning Management Prediction Applying Hybrid Multi-Layer Perceptron Neural Network and Meta-heuristic Algorithms. Journal of Securities Exchange, 15(58), 141-160. doi: 10.22034/jse.2021.11609.1718.
  • Maleki Nia, N. (2022). Modification of the Beneish Model for Earnings Management Prediction using Logit and Probit Analysis, International Journal of Advanced Management and Accounting,1(2),1-14.
  • McNinhols, M. F. (2000). Research Design issues in earnings management studies, Journal of accounting and Public Policy. 19,313-345.
  • Nasirzadeh, F. ; Khanzadi, M. ; Mir, M. ,(2018). A hybrid simulation framework for modelling construction projects using agent-based modelling and system dynamics: an application to model construction workers’ safety behavior. International Journal of Construction Management, 18, 132–143.
  • Niluh Putu Dian Rosalina Handayani, N., Lesta Mega Evi, A., Oktaviani Ari ,W.(2023). Fraud triangle and earnings management based on the modified M-score: A study on manufacturing company in Indonesia, Heliyon, 9(2).
  • Ramírez Orellana, A. , Martínez Romero, M. J. ,& Mariño Garrido, T. (2017). Measuring fraud and earnings management by a case of study: Evidence from an international family business, European Journal of Family Business, 7, 41-53.
  • Razali, W. A. A. W. M. ,& Arshad, R. (2014). Disclosure of corporate governance structure and the likelihood of fraudulent financial reporting. Procedia-Social and Behavioral Sciences, 145,243-253.
  • Repousis, S. (2016). Using Beneish model to detect corporate financial statement fraud in Greece. Journal of Financial Crime, 23,(4): 1063-1073.
  • Serrano-Cinca, , Begoña, Gutiérrez-Nieto,M., Bernate-Valbuena (2019). The use of accounting anomalies indicators to predict business failure, European Management Journal, 37(3), 353-375.
  • Shakouri, M. M. , Taherabadi, A. , Ghanbari, M. ,& Jamshidinavid, B. (2021). Explaining the Beneish model and providing a comprehensive model of fraudulent financial reporting (FFR). International Journal of Nonlinear Analysis and Applications, 12,39-48.
  • Spathis, Ch. , Doumpos, M. ,& Zopounidis, C. (2002). Detecting falsified financial statements: a comparative study using multicriteria analysis and multivariate statistical techniques. European Accounting Review, 11(3), 509-535.
  • Sterman, J. D. ,(1984). Appropriate Summary Statistics for Evaluating the Historical Fit of System Dynamics Models. Dynamica, 10,51-66.
  • Suryanto, T. ,& Grima, S. (2018). The Corporate Decision in Indonesia: A Result of Corporate Governance Requirements, Earning Management and Audit Reports, Grima, S. and Marano, P. (Ed. ) Governance and Regulations’ Contemporary Issues (Contemporary Studies in Economic and Financial Analysis, 99, Emerald Publishing Limited, 183-206.
  • Tarjoa, N. (2015). Application of Beneish M-Score Models and Data Mining to Detect Financial Fraud, Social and Behavioral Sciences, 211,924 – 930.
  • Watts, R. Zimmerman, J. (1990). Positive Accounting Theory. Prentice Hall Eaglewood Cliffts.
  • Wyrobek, J. (2020). Application of machine learning models and artificial intelligence to analyze annual financial statements to identify companies with unfair corporate culture, Procedia Computer Science, 176(2020). 3037-3046.
  • Zhikun, D., Wenyan, G., Shenghan, L. and Zezhou, W., (2018). System Dynamics versus Agent-Based Modeling: A Review of Complexity Simulation, sustainability, 10,2484; 1-13.