چکیده:
جرم اقتصادی در حال افزایش است و هیچ شرکتی از مکر تقلب و متقلبان در امان نیست. نتایج پژوهشهای پیشین نشان میدهد که اقتصادهای نوظهور بیشتر در معرض این خطر هستند. هدف اصلی این پژوهش ارائه الگویی برای کشف تقلب به وسیله حسابرسان با استفاده از شبکه عصبی مصنوعی پیشخور با الگوریتم پسانتشار خطا است. جامعه آماری پژوهش را سرپرستان، سرپرستان ارشد و مدیران موسسات حسابرسی عضو جامعه حسابداران رسمی ایران تشکیل میدهد. اطلاعات مربوط به شرکتهای متقلب و غیرمتقلب از طریق ارسال پرسشنامه برای اعضای جامعه آماری جمعآوری و با استفاده از نرمافزار SPSS نسخه 20 و نرمافزار MATLAB نسخه 2012، مورد تجزیه و تحلیل قرار گرفت.
نتایج پژوهش نشان داد که الگوی شبکه عصبی مصنوعی طراحیشده با 9 نرون در لایه پنهان دارای دقت 9/86 درصد توانایی شناسایی شرکتهای متقلب و غیرمتقلب را دارد.
خلاصه ماشینی:
"اعمال و وضع قوانینی همچون قانون فساد خارجی ٩ ١٩٧٧ و قانون ساربنز آکسلی ١٠ ٢٠٠٢ در آمریکا و به دنبال آن هم سویی برخی کشورها در پیش گیری قبل از درمان در قالب قوانین مشابه ، از یک سو مسئولیت مدیران در برابر مدیریت خطر تقلب را افزایش داده و از سوی دیگر موجب ایجاد محیطی شده است که در کنار قوانین و مقررات ، مدیران شرکت ها و سازمان ها خود نیز به دنبال تدوین و اجرای راهبردهایی برای پیش گیری و کشف تقلب و سوء استفاده های مالی برآیند (پدنیولت ،٢٠١٠: .
هم چنین ، شبکه های عصبی مصنوعی کاربردهای زیادی در علوم مختلف دارد که از میان آنها می توان به این موارد اشاره کرد: طبقه بندی ، شناسایی و تشخیص الگو، پردازش سیگنال پیش بینی ، سری های زمانی الگوسازی و کنترل بهینه سازی سیستم های خبره و فازی مسائل مالی ، بیمه ، امنیتی ، بازار بورس و وسایل تفریحی (منهاج ، ١٣٨٩: ٣٨).
عمده پژوهش های انجام شده در حوزه شبکه های عصبی مصنوعی در حسابداری در زمینه پیش بینی بوده است که مواردی از آنها شامل مهدوی و بهمنش (١٣٨٣)، نمازی و کیامهر (١٣٨٦)، مهدوی و گودرزی (١٣٨٧)، پورحیدری و اعظمی (١٣٨٩)، جمالیان پور (١٣٨٩) و صادق زاده مهارلویی (١٣٩٢) می شود.
نتایج حاصل از بررسی نمودارهای بالا و جدول مزبور نشان می دهد که شبکه عصبی طراحی شده با ٥ و ٩ نرون در لایه پنهان ، دارای دقت ٨٦/٩ درصد در پیش بینی شرکت های متقلب و غیرمتقلب است ."