شناسایی تقلب مالی در شرکت‌های سهامی‌عام با استفاده معیارهای مالی وغیرمالی با رویکرد یادگیری ماشین

باقریان کاسگری, عباس; رئیسی وانانی, ایمان; امیری, مقصود; همایون, سعید

doi:10.22054/ims.2024.78018.2434

فهرست نشریات

اخذ رتبه توسط نشریه پژوهش‌های رهبری آموزش از وزارت علوم، تحقیقات و فناوری

اخذ رتبه «الف» توسط نشریه پژوهشنامه معارف قرآنی از وزرات علوم، تحقیقات و فناوری

نشست مشورتی مسئولان مجلات علمی دانشگاه علامه‌طباطبائی

نتایج ارزیابی علمی نشریات دانشگاه علامه طباطبائی در سال ۱۴۰۱; 19عنوان موفق به دریافت رتبه الف شدند.

تعداد نشریات	60
تعداد شماره‌ها	2,022
تعداد مقالات	16,253
تعداد مشاهده مقاله	42,468,257
تعداد دریافت فایل اصل مقاله	24,308,355

	شناسایی تقلب مالی در شرکت‌های سهامی‌عام با استفاده معیارهای مالی وغیرمالی با رویکرد یادگیری ماشین
مطالعات مدیریت کسب و کار هوشمند
مقاله 3، دوره 13، شماره 50، آذر 1403 اصل مقاله (1.78 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2024.78018.2434
نویسندگان
عباس باقریان کاسگری^* ¹؛ ایمان رئیسی وانانی²؛ مقصود امیری³؛ سعید همایون⁴
¹دانشجوی دکتری رشته مدیریت فناوری اطلاعات، دانشگاه علامه طباطبائی، تهران، ایران نویسنده مسئول: AbbasBagherian@yahoo.com
²دانشیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی ، تهران، ایران
³استاد گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی ، تهران، ایران
⁴دانشیار گروه حسابداری، دانشگاه گوله، گوله، سوئد.
چکیده
بیشتر سیستم‌های تشخیص تقلب سنتی برای شناسایی تقلب مالی، صرفا معیار‌های مالی را در نظر می‌گیرند که به نظر می‌رسد درحالیکه این احتمال وجود دارد که شرکت‌های متقلب علاوه بر تقلب‌های مالی، مرتکب سایر انواع تقلبهای غیر مالی نیز شوند. اگرچه تحقیقات اخیر، بیش از حد بر اهمیت داده های مالی به عنوان تنها فاکتور پیش‌بینی‌کننده تقلب تأکید کرده‌اند؛ هیچ مطالعه‌ای بر معیارهای غیر مالی یا ESG به عنوان یک فاکتور کمکی برای برای پیش‌بینی تقلب انجام نشده است. لذا هدف این تحقیق این است که با ارائه یک مدل یادگیری ماشینی پیشرفته و یادگیری عمیق، امکان بهبود پیش‌بینی تقلب‌های بر اساس ترکیبی از داده‌های مالی و ESG، را بررسی نماید. در این پژوهش با استفاده از الگوریتم های نظارت‌شده یادگیری ماشین و یادگیری عمیق، به بررسی چگونگی شناسایی تقلب مالی در بازه زمانی 10 ساله منتهی به سال 1401 پرداخته می شود. این تحقیق به طور نوآورانه‌ای نشان داد که استفاده از مدل ترکیبی مبتنی بر داده‌های مالی ومعیارهای غیرمالی قدرت پیش‌بینی‌کننده‌ای بهتری برای تقلب‌های مالی نسبت به تکیه صرف بر داده‌های مالی دارد. مطابق یافته های این تحقیق، در پاسخ به پرسش اول این تحقیق، در میان الگوریتم‌های یادگیری ماشین و یادگیری عمیق، بالاترین کارایی در برای الگوریتم طبقه‌بندی یا Bagging مشاهده گردید. همچنین یافته های این تحقیق در خصوص سوال دوم تحقیق نشان می دهد که مجموعه داده‌ای همه ویژگی‌ها(مدل ترکیب داده‌های مالی و غیرمالی) کارایی بهتری در مقایسه با مجموعه داده‌های مالی به تنهایی) و غیرمالی به تنهایی داشته است.
کلیدواژه‌ها
سیستم‌های هوشمند کشف تقلب؛ یادگیری عمیق؛ یادگیری ماشین؛ معیارهای مالی؛ معیارهای غیر مالی

مراجع

آمار تعداد مشاهده مقاله: 125 تعداد دریافت فایل اصل مقاله: 67

سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب

پیوندهای مفید

اخبار و اعلانات

آمار

شناسایی تقلب مالی در شرکت‌های سهامی‌عام با استفاده معیارهای مالی وغیرمالی با رویکرد یادگیری ماشین