چکیده:
شرکتها گاهی به تدوین گزارشهای مالی متقلبانه در راستای تقلب مالیاتی میپردازند. هدف این پژوهش، ترکیب ابزارهای دادهکاوی و هوش مصنوعی همراه با الگوریتمهای فراابتکاری جهت تبیین و بهینهسازی مدلی در شناسایی تقلب و فرار مالیاتی با بهکارگیری ظرفیت گزارشهای مالی است. نشانگرهای کیفی و کمی گزارشهای مالی 1056 سال- شرکت بورس اوراق بهادار تهران از 1385 تا 1398 در رویکرد کلاسیک بررسی و جهت تبیین مدل در سیستم استنتاج فازی–عصبی تطبیقی بهکارگرفته شد. یافتههای پژوهش نشان میدهد که در بهینهسازی با الگوریتم ژنتیک، الگوریتم بهینهسازی ازدحام ذرات و الگوریتم تکامل تفاضلی، الگوریتم ازدحام ذرات، بهینهترین مدل را حاصل نموده و در بررسی با دادههای آزمایشی و آموزشی کاراترین الگوریتم است. نتایج حاکی از این است که بهکارگیری الگوریتمهای بهینهسازی مختلف در رویکرد دادهکاوی، سبب افزایش قدرت پیشبینی مدل شناسایی گزارشگری مالی- مالیاتی متقلبانه میگردد.
Sometimes companies file fraudulent financial statements for tax fraud. The purpose of this research is to combine data mining tools and artificial intelligence with meta-heuristic algorithms to explain and optimize a model for detecting fraud and tax evasion by using the financial reporting capacity of companies. In order to collect research data, the financial reports of companies listed on the Tehran Stock Exchange, including 1056 years-company in the years 2007 to 2020 were examined. First, the effect of qualitative and quantitative indicators derived from financial reports was investigated, refined and then used to form the explaining model in the Adaptive Neural-Fuzzy Inference System (ANFIS). The model was combined and developed in the optimization stage with the aim of maximizing detection power, by using meta-heuristic optimization algorithms including genetic algorithm, particle swarm optimization algorithm and differential evolution algorithm. The research findings show that in terms of predictive power among the optimization algorithms used in the research, the particle swarm algorithm with the highest percentage of correct prediction, produces the most optimal model and in examination by test and training data is the most efficient algorithm. The results of the research indicate that the use of different optimization algorithms in the data mining approach increases the predictive power of the fraudulent fiscal reporting model.
خلاصه ماشینی:
2234 تبیین گزارشگری مالی- مالیاتی متقلبانه شرکت ها: رویکرد ترکیبی داده کاوی کلاسیک ، ANFIS و الگوریتم های فراابتکاری دانشجوی دکتری حسابداری، گروه حسابداری، واحد ارومیه ، دانشگاه آزاد ماریام یوخنه القیانی اسلامی، ارومیه ، ایران جمال بحری ثالث دانشیار، گروه حسابداری، واحد ارومیه ، دانشگاه آزاد اسلامی، ارومیه ، ایران سعید جبارزاده کنگرلوئی دانشیار، گروه حسابداری، واحد ارومیه ، دانشگاه آزاد اسلامی، ارومیه ، ایران اکبر زواری رضایی استادیار، گروه حسابداری، دانشگاه ارومیه ، ارومیه ، ایران چکیده شرکت ها گاهی به تدوین گزارش های مالی متقلبانه در راستای تقلب مالیاتی میپردازند.
هدف این پژوهش ، ترکیب ابزارهای داده کاوی و هوش مصنوعی همراه با الگوریتم های فراابتکاری جهت تبیین و بهینه سازی مدلی در شناسایی تقلب و فرار مالیاتی با به کارگیری ظرفیت گزارش های مالی است .
نتایج حاکی از این است که به کارگیری الگوریتم های بهینه سازی مختلف در رویکرد داده کاوی، سبب افزایش قدرت پیش بینی مدل شناسایی گزارشگری مالی- مالیاتی متقلبانه میگردد.
در همین راستا پژوهش پیش رو سعی در بهینه سازی مدل شناسایی تقلب و فرار مالیاتی در قالب گزارشگری مالی متقلبانه با روش های هوش مصنوعی در سیستم ANFIS و با به - کارگیری الگوریتم های فراابتکاری با خطای کمینه و قدرت و صحت تشخیص بیشینه دارد.
لذا، پژوهش انجام شده با تلفیق رویکردهای کلاسیک و سیستم استنتاج فازی - عصبی تطبیقی و بهینه سازی آن توسط الگوریتم های تکاملی به مدل بهینه شناسایی تقلب مالیاتی در گزارشگری مالی شرکت ها دست یافت .