کشف تقلب در صورت‌های مالی: تحلیل تفاوت بین تکنیک‌های داده‌کاوی و قضاوت

هدف پژوهش حاضر، شناسایی و رتبه‌بندی عوامل مؤثر بر کشف تقلب صورت‌های مالی با استفاده از تکنیک قضاوت به روش فرآیند سلسله مراتبی و تکنیک‌های داده‌کاوی می‌باشد. جامعه‌ی آماری شامل حسابرسان ارشد، سرپرستان، سرپرستان ارشد، مدیر حسابرسی و شریک مؤسسه‌ی و همچنین شرکت‌های بورس اوراق بهادار تهران می‌باشد. در راستای هدف پژوهش، تعداد 56 پرسش‌نامه و داده‌های 109 شرکت بورسی طی دوره‌ی زمانی 1391 تا 1396 گردآوری و مورد تحلیل قرار گرفت. بر اساس تکنیک قضاوت، بعد فشار اولویت اول، فرصت دومین عامل و توجیه به‌عنوان سومین عامل مؤثر بر کشف تقلب رتبه‌بندی می‌شوند که این نتایج با سایر تکینک-ها تفاوت دارد. از لحاظ تجربی، رویکردهای شبکه‌ی عصبی و درخت‌ تصمیم‌ در طبقه‌بندی صحیح نمونه‌ی مورد آموزش و آزمایش شبکه از نرخ دقت 65/98 درصد (شبکه‌ی عصبی)، 5/91 درصد (درخت‌ تصمیم‌) و 79/69 درصد (شبکه‌ی عصبی)، 10/69 درصد (درخت‌ تصمیم‌) برخوردار است، که از مدل لجستیک دقیق‌تر می‌باشد که در این روش تنها به 32/72 درصد و 10/88 درصد طبقه‌بندی صحیح در ارزیابی وقوع تقلب می‌رسد. علاوه بر این، به طور قابل توجه خطای نوع دوم ناشی از مدل درخت‌ تصمیم در مقایسه با بکارگیری شبکه‌ی عصبی و مدل‌ لجستیک از 18/58 درصد و 7/72 درصد به 6/55 درصد کاهش می‌یابد. با توجه به شاخص دقت، مدل درخت تصمیم نسبت به سایر مدل‌ها از کارآیی بیشتری برخوردار است؛ بنابراین از بین تکنیک‌های داده‌کاوی، وزن هر کدام از متغیرهای ورودی مدل درخت تصمیم مبنای رتبه‌بندی نهایی متغیرهای پژوهش قرار گرفته است.