دانش حسابداری و حسابرسی مدیریت

دانش حسابداری و حسابرسی مدیریت

تحلیل توانایی الگوریتم های شبکه‌های بیزین، svm و کرنل RBF در پیش‌بینی دقت گزارش حسابرسی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
محمدامین قنبری تفرشی
محسن حمیدیان
سیده محبوبه جعفری
گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.
10.22034/jmaak.2026.79152.4729
چکیده
پژوهش حاضر به تحلیل توانایی الگوریتم شبکه‌های بیزین، svm و کرنل RBF در پیش‌بینی دقت گزارش حسابرسی پرداخته است. رویکرد‌ پژوهش حاضر، از نوع اکتشافی است؛ زیرا هدف اصلی، تدوین یک چارچوب مطلوب پیش‌بینی دقت گزارش حسابرسی مبتنی بر هوش مصنوعی می باشد. ‌بر اساس یافته‌های حاصله از الگوریتم شبکه های بیزین، این نتیجه حاصل شد که متغیر تعداد بندهای گزارش حسابرسی بیشترین توان پیش بینی کنندگی و ساختار مالکیت کمترین توان پیش‌بینی‌کنندگی دقت گزارش حسابرسی را دارد. در ادامه بر اساس محاسبه میانگین حسابی وزن‌ها؛ می‌توان بیان داشت الگوریتم شبکه‌های بیزین تا حدود 54% توانسته است دقت گزارش حسابرسی را پیش‌بینی نماید. بر اساس یافته‌های الگوریتم ‌svm‌؛ کمترین میزان اختلاف اوزان واقعی و اوزان پیش‌بینی شده مربوط به متغیر اهرم مالی (نسبت بدهی) و بیشترین میزان اختلاف اوزان واقعی و اوزان پیش‌بینی شده مربوط به متغیر اندازه و اعتبار مؤسسه حسابرسی می‌باشد. لذا بر اساس نتایج الگوی svm؛ متغیر اندازه و اعتبار مؤسسه حسابرسی بیشترین توان پیش بینی کنندگی و متغیر اهرم مالی (نسبت بدهی)کمترین توان پیش‌بینی‌کنندگی دقت گزارش حسابرسی را دارد. در ادامه بر اساس محاسبه میانگین حسابی وزن‌ها؛ این نتیجه حاصل شد که الگوریتم svm تا حدود 19% توانسته است دقت گزارش حسابرسی را پیش‌بینی نماید. در نهایت بر اساس نتایج الگوریتم کرنل RBF این نتیجه حاصل شد که عوامل مبتنی بر ویژگی های شرکت؛ 41%‌، عوامل مبتنی بر حاکمیت شرکتی؛ 39%، عوامل مبتنی بر فرآیند حسابرسی؛ 73% و سایر عوامل می‌توانند 18% دقت گزارش حسابرسی را پیش‌بینی نمایند.
کلیدواژه‌ها
دقت گزارش حسابرسی
هوش مصنوعی
الگوریتم شبکه‌های بیزین
الگوریتم svm‌
الگوریتم کرنل RBF‌

عنوان مقاله English

Analysis the Ability of Bayesian Networks, SVM and RBF Kernel Algorithms to Predicting of Audit Reports Accuracy

نویسندگان English

Mohammad Amin Ghanbari Tafreshi
Mohsen Hamidian
Seyedeh Mahboobeh Jafari
Department of Accounting, ST.C., Islamic Azad University, Tehran, Iran.
چکیده English

The present study analyzed the ability of Bayesian networks, SVM, and RBF kernel algorithms to predict audit report accuracy. The present study approach is exploratory because the main goal is to develop an optimal framework for predicting audit report accuracy based on artificial intelligence. Based on the findings of the Bayesian networks algorithm, it was concluded that the variable number of audit report paragraphs has the highest predictive power and the ownership structure has the lowest predictive power of audit report accuracy. Furthermore, based on the arithmetic mean of the weights, it can be stated that the Bayesian networks algorithm has been able to predict audit report accuracy by about 54%. Based on the findings of the SVM algorithm, the lowest difference between actual weights and predicted weights is related to the variable of financial leverage (debt ratio) and the highest difference between actual weights and predicted weights is related to the variable of size and reputation of the audit firm. Therefore, based on the results of the SVM model; The audit firm size and reputation variable has the highest predictive power and the financial leverage variable (debt ratio) has the lowest predictive power of audit report accuracy. Next, based on calculating the arithmetic mean of the weights, it was concluded that the SVM algorithm was able to predict the audit report accuracy by about 19%. Finally, based on the results of the RBF kernel algorithm, it was concluded that factors based on company characteristics; 41%, factors based on corporate governance; 39%, factors based on the audit process; 73% and other factors can predict 18% of the audit report accuracy.

کلیدواژه‌ها English

Audit report accuracy
Artificial intelligence
Bayesian network algorithm
SVM algorithm
RBF kernel algorithm

  1. 1.   امیری، اسماعیل.(1399). ارائه مدلی برای سنجش خرید اظهارنظر حسابرس و اثر آن بر کیفیت حسابرسی و کیفیت گزارشگری مالی. ‌ر‌ساله دکتری تخصصی، دانشگاه مازندران، دانشکده علوم اقتصادی و اداری.

    2.   برخورداری، محمد عظیمی.(1402). بررسی نقش تعدیلگر دقت اظهار نظر حسابرس بر رابطه بین حاکمیت شرکتی و تغییر حسابرسان. ‌ر‌ساله کارشناسی ارشد، دانشگاه بین‌المللی امام رضا علیه‌السلام، دانشکده مدیریت و حسابداری.

    3.   حاجی محمد یزدی، امیرحسین.(1402). استفاده از روش‌های داده‌کاوی به منظور پیش‌بینی اظهارنظر حسابرس. ‌ر‌ساله کارشناسی ارشد، دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری.

    4.   حکمی پور، نوشین، قنبرزاده، میترا‌.‌(1404). شناسایی و رتبه‌بندی عوامل موثر بر کیفیت حسابرسی از دیدگاه گروه‌های درگیر با آن در ایران به روش تحلیل عاملی تاییدی. دانش حسابداری و حسابرسی مدیریت 14(55)، 129-144.

    5.   دیناربر، مینا، ساعدی، رحمان،  بهزادیان، فتاح، صفدریان، لیلا‌.‌(1403). شناسایی عوامل موثر بر حسابرسی برآوردهای حسابداری مبتنی بر ارزش منصفانه با استفاده از رویکرد تحلیل عاملی اکتشافی. نشریه دانش حسابداری و حسابرسی مدیریت، 15(57)، 41-56.

    6.   ربانی، الهام.(1396). پیش بینی نوع اظهارنظر حسابرس با استفاده از روش پشتیبانی تصمیم گیری چند معیاره در شرکت های پذیرفته شده در بورس اوراق بهادار تهران. ‌ر‌ساله کارشناسی ارشد، دانشگاه آزاد اسلامی واحد یزد.

    7.   رحیم زاده، علیرضا، متین فرد، مهران، حاجیها، زهره، رحمانی نیا، احسان‌.‌(1404). بررسی کارائی و دقت الگوریتم های یادگیری ماشین در پیش بینی نوع اظهارنظر حسابرسی: شواهدی از بورس اوراق بهادار تهران. نشریه دانش حسابداری و حسابرسی مدیریت، 16(63)، 175-191. ‌

    8.   شفیعی، شهرام، محسنی، عبدالرضا،  قاسمی، مصطفی‌.‌(1404). الگوی بهینه مدیریت ریسک پذیری حسابرس با استفاده از معادلات ساختاری. نشریه دانش حسابداری و حسابرسی مدیریت، 16(62)، 121-138. ‌

    9.   طالب کریم العیساوی، حازم.(1403). مقایسه عوامل تأثیرگذار بر نوع گزارش حسابرس در قبل و بعد از همه‌گیری ویروس کرونا. ‌ر‌ساله کارشناسی ارشد، دانشگاه فردوسی مشهد، دانشکده علوم اداری و اقتصادی.

    10. کیائی جمالی، سیدامیرمحمد، الماسی، محمد.(1403). کیفیت حسابرسی: عوامل، چالش ها و راه حل ها. کنفرانس ملی یافته های نوین در مدیریت، روانشناسی و حسابداری، سال:1403 ‌، دوره برگزاری 8.

    1. Fuzhao، Zhou.(2023).Auditors’ responses and whistleblowing allegations. Finance Research Letters، December 2023.
    2. Heesun، Chung، Eugenia Y. Lee.(2024). Does opinion shopping impair auditor independence? Evidence from tax avoidance. Journal of Contemporary Accounting & Economics، April 2024.
    3. Maksym, Lazirko, Hanchi, Gu, Gita, Sharma.(2026). Automating Hypertext Assignment in Audit Documents: A Large Language Model-Based Approach. Accounting Open, Volume 2, 2026, 100004.Andrews، Owusu، Noel، O’Sullivan، Mark، David، Holmes.(2024). Why do female lead auditors charge a fee premium? evidence from the UK audit market. Journal of International Accounting، Auditing and Taxation. December 2024.
    4. Nunung، Nurul، Hidayah، Firdaus، Amyar،Alan، Lowe.(2024). Therapeutic governance: The art of mediating shame and blame and quasi-judicial pragmatic technologies in Indonesian government auditor-auditee engagements. Critical Perspectives on Accounting، December 2024.
    5. Vikram، Desai، Anthony C. Bucaro، Renu، Desai.(2023). Toward a better expert system for auditor going concern opinions using Bayesian network inflation factors. International Journal of Accounting Information Systems. June 2023.
دانش حسابداری و حسابرسی مدیریت

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 21 مهر 1405