Abstract:
هدف این پژوهش، ارائه مدل توسعه یافته پیشبینی تقلب با تمرکز بر مؤلفههای کیفیت گزارشگری مالی و کیفیت حسابرسی است. جامعه آماری پژوهش را شرکتهای پذیرفته شده در بورس اوراق بهادار تهران تشکیل میدهد. در این پژوهش دستکاری سود با ۵ شاخص برای تشخیص تقلب و تعیین شرکتهای سالم و ناسالم مورد استفاده قرار گرفته است که شامل مجموع اقلام تعهدی، اقلام تعهدی اختیاری و هموارسازی سود در سطوح سود ناخالص، سود عملیاتی و سود خالص است. در این مطالعه از عوامل کیفیت گزارشگری مالی، کیفیت حسابرسی (رتبه بندی سازمان بورس و جامعه حسابداران رسمی از مؤسسات حسابرسی)، مثلث تقلب (مؤلفه فرصت با معیار ارزیابی کنترلهای داخلی) و نقش افشاگران تقلب بر اساس شاخص راهبری شرکتی (وجود کمیته حسابرسی و واحد حسابرسی داخلی) برای پیشبینی احتمال وقوع تقلب استفاده شده که ماحصل آن ارائه الگوی توسعه یافته پیشبینی تقلب است. برای این منظور عوامل مطرح شده در سه مدل اولیه بررسی شده و نتایج با دستاوردهای قبلی مورد مقایسه قرار گرفته و قدرت مدلها تخمین زده شده است. یافتههای حاصل از بررسی 101 شرکت در بازه زمانی 1388 تا 1400 بیانگر این است که دقت مدل اولیه بنیش از مدل توسعهیافته بنیش و مدل کردستانی و تاتلی بالاتر است. همچنین با اضافه نمودن متغیرهایی مانند کیفیت حسابرسی، افشای گزارشگری مالی، مثلث تقلب و حسابرسی داخلی مؤثر، میتوان به الگویی متناسب با محیط اقتصادی حاکم بر کشور دست یافت و دقت مدل بنیش را در احتمال وقوع تقلب به میزان محسوسی بالاتر برد.
The purpose of this study is to present an extended model of fraud forecasting by focusing on financial reporting quality and audit quality in Tehran Stock Exchange listed firms. Statistical analyses include 104 firms which listed in Tehran Securities & Exchange over the period 2010 to 2022. In this study, earnings manipulation indicators has been used to detect fraud and determine fraudulent and non-fraudulent firms using five indicators consist of total accruals, discretionary accruals, earnings smoothing in three level such as gross profit, operating profit and net profit. Furthermore, some factors such as financial reporting quality, audit quality, fraud triangle and the role of fraud whistleblowers based on corporate governance index used to predict the likelihood of fraud, resulting to develop a fraud detection model. Findings indicate that the accuracy of the Benish's initial model is higher than the Benish's developed model and the Kurdestani & Tatli's developed model; and using variables such as audit quality, disclosure, fraud triangle and internal auditing can lead to an acurate model regarding the Iran’s economic environment. According to the findings, some variables such as audit quality, voluntary disclosure, the control test score in audit institute and internal audit are the most important factors affecting the fraud detection. Also, Beneish's model and other modified models should be adapted to the prevailing market environment and economic cycle and the affective factors should be considered in developing such models.
Machine summary:
در اين مطالعه از عوامل کيفيت گزارشگري مالي، کيفيت حسابرسي (رتبه بندي سازمان بورس و جامعه حسابداران رسمي از مؤسسات حسابرسي)، مثلث تقلب (مؤلفه فرصت با معيار ارزيابي کنترل هاي داخلي) و نقش افشاگران تقلب بر اساس شاخص راهبري شرکتي (وجود کميته حسابرسي و واحد حسابرسي داخلي) براي پيش بيني احتمال وقوع تقلب استفاده شده که ماحصل آن ارائه الگوي توسعه يافته پيش بيني تقلب است .
بـر ايـن اسـاس پرسـش اصـلي پژوهش حاضر اين است که با توجه به چارچوب نظري تقلب ، آيا ميتـوان بـر اسـاس مـدل بنـيش ، الگويي مناسب محيط گزارشگري و حسابرسي شرکت هاي ايراني براي کشف و پيش بيني تقلب هاي احتمالي بالقوه طراحي نمود؟ در اين پژوهش ، با ارائه ساز و کار نظارتي مناسب و متغيرهاي اساسـي جهت کاهش احتمال وقوع تقلب و بررسي ميزان اثرپذيري ريسک تقلب از اين متغيرها، بـه توسـعه مدل بنيش و برازش ضرايب متغيرهاي آن پرداخته شد.
5% 190 113 303 110 193 303 5 نگاره ٥: دقت و خطاي مدل توسعه يافته کردستاني و تاتلي (١٣٩٥) *TACATA0,477*DSTA-0,656*DSRI+0,034+0,618M-Score = *DREVDRECTA0,441*DSTDTA-0,295*DPI+1,225*GITA-0,366+ سطح پايين سطح بالا تعداد تعداد (غير دستکاري کننده ) (دستکاري کننده ) دقت کل خطاي کل دقت خطا دقت خطا 56.
در اين پژوهش ، به ارائه مدل توسعه يافته پيش بيني تقلب با تلفيق و تمرکز بر مؤلفه هاي گزارشگري مالي و کيفيت حسابرسي در شرکت هاي توليدي پذيرفته شده در بورس اوراق بهادار تهران پرداخته شـد.
Prevention and Detection of Financial Statement Fraud – An Implementation of Data Mining Framework, International Journal of Advanced Computer Science and Applications, 3(8), 150-156.