نوع مقاله : مقاله پژوهشی

نویسندگان

• مرضیه پورساعدی ¹
• محمود همت فر ²
• سید عنایت‌اله علوی ³
• رویا نصیرزاده ⁴

¹ دانشجوی دکتری حسابداری، گروه حسابداری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

² دانشیار، گروه حسابداری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

³ استادیار گروه کامپیوتر، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

⁴ استادیار، گروه آمار، دانشکده علوم، دانشگاه فسا، فسا، ایران

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 «QP» در الگوریتم‌های شبکه عصبی مصنوعی، تلاش شده است تا طی چندین مرحله براساس 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 براساس دو مقیاس آزمون و کنترل، الگوریتم‌هایی فر ابتکاری که بالاترین ضرایب دقت در پیش‌بینی صحت تقلب مالی را دارند، در سطح شرکت‌های بازار سرمایه مورد بررسی قرار گیرند. لذا براساس فرآیند نمونه گیری سیستماتیک، تعداد 95 شرکت بورس اوراق بهادار انتخاب شدند تا براساس 950 مشاهده (سال-شرکت)، حد فاصل شرکت‌های دارای سلامت مالی با شرکت‌های دارای احتمال تقلب مالی از طریق دهک‌بندی تعیین گردد و شرکت‌های قرار گرفته در دهک‌های دارای تقلب مالی، از طریق پارامترهای مطلوبیت شبکه عصبی مصنوعی مورد بررسی 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 دهک‌بندی شده براساس دو الگوریتم انتخابی ژنتیک و کلونی زنبور عسل نشان می‌دهد، الگوریتم کلونی زنبور عسل از ضریب دقت بالاتری در پیش‌بینی صحت احتمال تقلب شرکت‌های مورد بررسی برخوردار است.

کلیدواژه‌ها

• تقلب مالی
• شبکه عصبی مصنوعی
• برنامه‌ریزی مجذوری

موضوعات

• حسابداری مالی

عنوان مقاله [English]

Modeling the Detection of Firms Financial Fraud under The Implementation of Artificial Neural Network's Evaluation Algorithms

نویسندگان [English]

• Marzieh Poursaedi ¹
• Mahmood Hematfar ²
• , Seyed Enayatallah Alavi ³
• Roya Nasirzadeh ⁴

¹ Phd Student, Department of Accounting, Borujerd Branch, Islamic Azad University, Borujerd, Iran

² Associate Professor, Department of Accounting, Borujerd Branch, Islamic Azad University, Borujerd, Iran

³ Assistant professor of computer Department, faculty of Engineering Shahid Chamran university of Ahvaz. Ahvaz, Iran

⁴ Assistant Professor, Department of Statistics, Faculty of Science, Fasa University, Fasa, Iran

چکیده [English]

The purpose of this research is modeling the detection of firms financial fraud under the implementation of artificial neural network's evaluation algorithms. In this study, efforts have been made by using Quadratic Programming "QP" processes in artificial neural network algorithms to determine the basic algorithm in the first place and choose the technical parameters of the artificial neural network in the second place, based on the time data from 2013 to 2022, through several stages. Then, by developing a diagnostic model based on two test and control scales, innovative algorithms that have the highest accuracy coefficients in predicting the accuracy of financial fraud should be investigated at the level of capital market companies. Therefore, based on the systematic sampling process, 95 stock exchange companies were selected, so that based on 950 observations (company-year), the distance between companies with financial health and companies with the possibility of financial fraud was determined through decimalization and the companies placed in the deciles with financial fraud should be examined through the parameters of the artificial neural network's usefulness. The results of the study showed that the unsupervised learning algorithm, which includes a set of evaluation parameters based on meta-heuristic algorithm, has higher accuracy of predictions based on the fulfilled data. Also, the results of predicting the financial frauds of decimated companies based on two selected algorithms, genetic and bee colony, show that the bee colony algorithm has a higher accuracy factor in predicting the probability of fraud of the investigated companies.

کلیدواژه‌ها [English]

• Financial Fraud
• Artificial Neural Network
• Quadratic Programming