Explaining the Dimensions and Components of Fraud Prediction in Banks Based on a Paradigmatic Model (Grounded Theory)

Articles in Press

Document Type : Original Article

Authors
marziyeh rahdar 1
Saeed Anvar Khatibi 2
Yaghoub Aghdam Mazraeh 3
Mehdi Alinezhad Sarokolaei 4
1 Department of Accounting, Ara.C., Islamic Azad University, Tabriz, Iran.
2 Department of Accounting, Ta.C., Islamic Azad University, Tabriz, Iran.
3 Department of Accounting, Sou. C., Islamic Azad University, Soufian, Iran.
4 Department of Accounting, Ta. C, Islamic Azad University, Tabriz, Iran.
10.22034/jmaak.2026.79284.4767
Abstract
Abstract
This research was conducted with the aim of identifying the factors affecting fraud in banks' financial reporting and presenting a conceptual model to improve the supervisory system and enhance financial transparency. The research population consisted of experts in the fields of banking, auditing, financial supervision, and academia, and the sample was selected through purposive and snowball sampling. Qualitative data were collected through 24 semi-structured interviews and analyzed using the Strauss and Corbin grounded theory approach. In the open coding stage, 73 initial codes were extracted, which were then organized in the axial and selective coding phases, utilizing MAXQDA 2020 software, into 6 core categories and five paradigmatic components: causal conditions, contextual conditions, intervening conditions, strategies, and consequences. The findings revealed that the core phenomenon of "fraud detection in banks' financial reporting" is influenced by a set of intra-bank, supervisory and legal, technological, human, environmental, and international factors. The results indicate that weak corporate governance, performance pressures, the complexity of banking activities, opportunities arising from supervisory gaps, and a weak organizational culture are the most significant factors creating a breeding ground for fraud. Furthermore, analytical strategies such as controlling drivers, monitoring rationalization behaviors, data-driven analysis, and whistleblowing, along with technical strategies including fraud risk-based auditing and qualitative content analysis of reports, were identified as the most effective approaches for detecting and mitigating fraud. The consequences of implementing these strategies include increased supervisory efficiency, improved internal controls, enhanced audit quality, reduced future costs, and the strengthening of the banking system's health. The final research model suggests a multidimensional structure that illustrates the interaction between individual, organizational, technological, and environmental factors, and can serve as a basis for improving regulations, designing warning systems, and developing fraud risk assessment frameworks in banks.
Keywords
Financial Reporting Fraud
Banks
Grounded Theory
Corporate Governance
Fraud Risk-Based Auditing
  1. آشاروزنیا، کتایون؛ پورآقاجان، عباسعلی؛ نسل موسوی، سید حسین . (1402). رویکردی نوین به پیش‌بینی تقلب در صورت‌های مالی (مقایسه مدل‌های سنتی و شبیه‌سازی و مدرن)، تحقیقات حسابداری و حسابرسی، 15(57)، 141-160.
  2. برزگر عباسپور, کسری, اسلامی مفیدآبادی, حسین, ابراهیمی شقاقی, مرضیه. (1402). تأثیر ویژگی‌های حسابرس و ساختار هیئت‌مدیره بر احتمال وقوع تقلب در گزارشگری مالی شرکت‌های تجاری. قضاوت و تصمیم گیری در حسابداری و حسابرسی, 2(7), 115-145.
  3. برنا، محمدرضا؛ برادران حسن‌زاده، رسول، فضل‌زاده، علیرضا؛ بادآور‌نهندی، یونس. (1401). الگوی عوامل موثر بر وقوع تقلب در صورت‌های‌مالی با رویکرد حسابداری دادگاهی: بر اساس روش تحلیل مضمون(تم)، پژوهشهای کاربردی در گزارشگری مالی، 11(2)، 281-320
  4. بهرامی, آسو, نوروش, ایرج, راد, عباس, محمد ملقرنی, عطااله. (1400). تقلب در گزارشگری مالی و تکنیک‌های نوین مورد استفاده جهت کشف آن. مطالعات حسابداری و حسابرسی, 10(38), 105-118.
  5. رجب دری،حسین. (1401). تدوین مدل شش‎ضلعی تقلب مالی با رویکرد اسلامی: بررسی اهمیت و تعامل اجزا. دوفصلنامه مطالعات دین، معنویت و مدیریت, 9(17), 5-31.
  6. سلیمانی, ابوالفضل و شکریان برنجستانکی, مهدیه . (1400). تخفیف حق‌الزحمه حسابرسی، احتمال تقلب و افشا تحریف بااهمیت: واکاوی نقش تعدیل‌گری کیفیت حسابرسی. پژوهش‌های حسابرسی حرفه‌ای، 1(4)، 70-95.
  7. علیزادگان، لیلا؛ صمدی لرگانی، محمود؛ ایمنی، محسن. (1401). تأثیر تیپ شخصیتی و اخلاق حرفه‌ای بر توانایی حسابرسان در کشف تقلب… پژوهش‌های حسابداری مالی و حسابرسی، 14(54)، 49-77.
  8. علیزاده­گان، لیلا، صمدی لرگانی، محمود، و ایمنی، محسن. (1402). تحلیل توانایی حسابرسان در کشف تقلب با استفاده از تئوری رفتار برنامه ریزی شده: تاثیر تجربه حسابرس و تیپ شخصیتی با نقش تردید حرفه ای. پژوهش های حسابداری مالی و حسابرسی (پژوهشنامه حسابداری مالی و حسابرسی)، 15(57 )، 149-184.
  9. فلاح، رضا و نیری پسند، سروناز (1403)، مروری بر مطالعات و مفاهیم تقلب، کشف تقلب و تاثیر آن بر کیفیت حسابرسی، دهمین کنفرانس بین المللی و ملی مطالعات مدیریت، حسابداری و حقوق، تهران، https://civilica.com.
  10. کهرودی، حسن؛ برزگر، قدرت اله؛ کامیابی،  یحیی . (1403). رویکرد مقایسه ای بین دیدگاه حسابرسان مستقل و حسابرسان دستگاه­های نظارتی در پیشگیری از تقلب براساس الزامات دانش، مهارت و اخلاق در حسابرسان، پژوهش­های کاربردی در گزارشگری مالی، 13(1)، 77-102.
  11. ملکی‌کاکلر، حسن؛ بحری ثالث، جمال؛ جبارزاده کنگرلویی، سعید؛ آشتاب، علی. (1400). کارایی مدل‌های آماری و الگوهای یادگیری ماشین در پیش‌بینی گزارشگری مالی متقلبانه. اقتصاد مالی، 15(54)، 267-292.

12.    Alfarago, D., Syukur, M., & Mabrur, A. (2023). The likelihood of fraud from the Fraud Hexagon perspective: Evidence from Indonesia. ABAC Journal, 43(1), 34–51.

13.    Association of Certified Fraud Examiners (ACFE). (2016). Report to the Nations on Occupational Fraud and Abuse. Austin, TX: ACFE.

14.    Bishop, T. J. F., & Hydoski, F. E. (2009). Corporate Resiliency: Managing the Growing Risk of Fraud and Corruption. Hoboken, NJ: John Wiley & Sons.

15.    Javier-Moreno Arboleda, F., Guzman-Luna, A., & Torres, D. (2018). Fraud detection–oriented operators in a data warehouse based on forensic accounting techniques. Computer Fraud & Security, 10, 13–19.

16.    Li, J. (2025). Corporate governance, fraud learning cycles, and financial fraud detection: Evidence from Chinese listed firms. Research in International Business and Finance, 76, 102832.

17.    Lalit, W., & Virender, P. (2012). Forensic accounting and fraud examination in India. International Journal of Applied Engineering Research, 7(11), 1–4.

18.    Marais, A., Vermaak, C., & Shewell, P. (2023). Predicting financial statement manipulation in South Africa: A comparison of the Beneish and Dechow models. Cogent Economics & Finance, 11(1), 1–33.

19.    Marsellisa, N. (2018). Financial statement fraud: Perspective of the Pentagon Fraud Model in Indonesia. Academy of Accounting and Financial Studies Journal, 22(3), 1–9.

20.    Nahri Aghdam Qaleh Jouqi, J., Rezaei, N., Aghdam Mazrae, Y., & Abdi, R. (2024). Comparing the performance of machine learning techniques in detecting financial frauds. Advances in Mathematical Finance and Applications, 9(3), 1006–1023. https://doi.org/10.71716/amfa.2024.22101813

21.    Nurma Prastika, A., & Sasongko, N. (2023). Analysis of fraudulent financial reporting with Fraud Hexagon Theory in financial sector companies listed on the Indonesia Stock Exchange (2017–2021). International Journal of Business Management and Technology, 7(1), 1–12.

22.    Omidi, M., Min, Q., Moradinaftchali, V., & Piri, M. (2019). The efficacy of predictive methods in financial statement fraud. Discrete Dynamics in Nature and Society, 2019, Article ID 1289360.

23.    Ratna, S., & Sri, F. (2020). Pengaruh Fraud Pentagon terhadap kecurangan laporan keuangan. Prosiding Akuntansi, 364–369.

24.    Rezaee, Z., & Crumbley, L. (2007). The role of forensic auditing techniques in restoring public trust and investor confidence in financial information. The Forensic Examiner, 16(1), 44–63.

25.    Sallal, F., Bagherpour Velashani, M. A., & Saei, M. J. (2021). Fraudulent financial reporting motivations in emerging markets. Journal of Financial Crime, 28(3), 892–905.

26.    Shemshad, A., & Karim, R. G. (2023). The effect of managerial ability on the timeliness of financial reporting: The role of audit firm and company size. Journal of Operational and Strategic Analytics, 1(1), 34–41.

27.    Tiffani, L., & Marfuah, M. (2015). Detection of financial statement fraud using fraud triangle analysis in manufacturing firms listed on the Indonesia Stock Exchange. Jurnal Akuntansi dan Auditing Indonesia, 112–125.

28.    Umar, H. (2020). Detecting Corruption: HU Model. Jakarta: Penerbit Universitas Trisakti.

29.    Umar, H., Haryono, & Purba, R. (2020). HU Model: Incorporation of Fraud Star in detection of corruption. International Journal of Economics and Management Studies, 13(6), 234–265.

30.    Vousinas, G. L. (2019). Advancing theory of fraud: The SCORE model. Journal of Financial Crime, 26(1), 372–381.

31.    Wells, J. T. (2017). Corporate Fraud Handbook: Prevention and Detection (6th ed.). John Wiley & Sons.