فایل ورد کامل مقاله ترجمه‌شده درباره تکنیک‌های داده‌کاوی برای کشف تقلب در صورت‌های مالی؛ مرور روش‌ها و کاربردها

عنوان لاتین مقاله:

Data Mining techniques for the detection of fraudulent financial statements

سال چاپ: ۲۰۰۷

محل انتشار:

ٍElsevier,Science direct, Expert Systems with Applications 32 (2007) 995–۱۰۰۳

بخشی از ترجمه:

چکیده:

این مقاله کارایی تکنیک های طبقه بندی با استفاده از داده کاوی (DM) در شناسایی شرکت هایی را که صورت های مالی خلاف واقع (FFS) منتشر می کنند، بررسی کرده و به شناسایی عوامل مرتبط با FFS نیز می پردازد. حسابرسان می توانند با بهره بردن از تکنیک های داده کاوی برای کشف تقلب های مدیریتی، کار خود را ساده تر کنند. این مطالعه تأثیر استفاده از درخت های تصمیم گیری، شبکه های عصبی و شبکه های بیزین در شناسایی صورت های مالی تقلبی را بررسی می نماید. بردار درون داد از نسبت های برگرفته از صورت های مالی تشکیل شده است. سه مدل مذکور از لحاظ عملکرد مورد مقایسه قرار می گیرند.

کلمات کلیدی: صورت های مالی تقلبی، تقلب مدیریتی، داده کاوی، حسابرسی، یونان

۱. مقدمه

امروزه حسابرسی (ممیزی) به کاری بسیار چالش بر انگیز بدل شده و شواهد زیادی موجودست مبنی براین که انجام فعالیت های مربوط به «دستکاری در حساب ها» به شدت رواج دارد. کاسکیوارا سال ۲۰۰۲ را از نظر دستکاری در حساب ها، «سالی هولناک» نامیده و ادعا می کند که این دستکاری ها هنوز هم ادامه دارد (کاسکیوارا، ۲۰۰۴). برخی از برآوردها حاکی از آنند که تقلب و کلاهبرداری سالانه بیش از ۴۰۰ میلیارد دلار برای ایالات متحده هزینه دربردارد (ولز، ۱۹۹۷). اسپاتیس، دامپوس و زاپونیدیس (۲۰۰۲) مدعی این هستند که تقلب در صورت های مالی ظرف چند سال اخیر به شدت رواج گرفته است. تقلب مدیریتی به معنای کلاهبرداری عامدانه از سوی مدیریت است به نحوی که ارائه صورت های مالی ساختگی گمراه کننده باعث خسارت دیدن سرمایه گذاران و بستانکاران شود. حسابرسان می بایست حتما در طول فرایند ممیزی، احتمال وقوع تقلب مدیریتی را برآورد کنند. سازمان AICPA صراحتا به مسئولیت حسابرسان در کشف تقلب اذعان دارد (کالینان و ساتن، ۲۰۰۲). حسابرسان برای گسترش پیش بینی …