حسابداری مالی
مرضیه پورساعدی؛ محمود همت فر؛ سید عنایتاله علوی؛ رویا نصیرزاده
چکیده
هدف این مطالعه، مدلسازیِ تشخیصِ تقلب مالی شرکتها تحتِ اجرای ارزیابی الگوریتمهای مطلوبیتِ شبکه عصبی مصنوعی میباشد. در این مطالعه با استفاده از فرآیندهای برنامهریزی مجذوری « » در الگوریتمهای شبکه عصبی مصنوعی، تلاش شده است تا طی چندین مرحله بر اساس دادههای زمانی 1392 تا 1401، اقدام به تعیین الگوریتم پایه در وهلهی اول ...
بیشتر
هدف این مطالعه، مدلسازیِ تشخیصِ تقلب مالی شرکتها تحتِ اجرای ارزیابی الگوریتمهای مطلوبیتِ شبکه عصبی مصنوعی میباشد. در این مطالعه با استفاده از فرآیندهای برنامهریزی مجذوری « » در الگوریتمهای شبکه عصبی مصنوعی، تلاش شده است تا طی چندین مرحله بر اساس دادههای زمانی 1392 تا 1401، اقدام به تعیین الگوریتم پایه در وهلهی اول و انتخاب پارامترهای تکنیکال شبکه عصبی مصنوعی در وهلهی دوم گردد. سپس با توسعه یک مدل تشخیصی بر اساس دو مقیاس آزمون و کنترل، الگوریتمهایی فر ابتکاری که بالاترین ضرایب دقت در پیشبینی صحت تقلب مالی را دارند، در سطح شرکتهای بازار سرمایه موردبررسی قرار گیرند. لذا بر اساس فرآیند نمونهگیری سیستماتیک، تعداد 95 شرکت بورس اوراق بهادار انتخاب شدند تا بر اساس 950 مشاهده (سال-شرکت)، حد فاصل شرکتهای دارای سلامت مالی با شرکتهای دارای احتمال تقلب مالی از طریق دهکبندی تعیین گردد و شرکتهای قرارگرفته در دهکهای دارای تقلب مالی، از طریق پارامترهای مطلوبیت شبکه عصبی مصنوعی موردبررسی قرار گیرند. نتایج مطالعه نشان داد، الگوریتم یادگیری بدون نظارت که شامل مجموعه پارامترهای ارزیابی مبتنی بر الگوریتم فرا ابتکاری است، از صحت پیشبینیهای مبتنی بر دادههای برآورده شده بالاتری برخوردار میباشد. همچنین نتایج ناشی از صحت پیشبینی تقلبهای مالی شرکتهای دهکبندیشده بر اساس دو الگوریتم انتخابی ژنتیک و کلونی زنبورعسل نشان میدهد، الگوریتم کلونی زنبورعسل از ضریب دقت بالاتری در پیشبینی صحت احتمال تقلب شرکتهای موردبررسی برخوردار است. همچنین مشخص شد، نسبت سود خالص به فروش مهمترین معیار ارزیابی دقت پیشبینی احتمال تقلب در شرکتهای موردبررسی میباشد.
