پیش بینی گزارش حسابرس مستقل : رویکرد داده کاوی

هدف این پژوهش پیش بینی گزارش حسابرسان مستقل با استفاده از تکنیک های داده کاوی می باشد. گزارش حسابرسان مستقل در این تحقیق به دو دسته مقبول و غیرمقبول (شامل گزارشات مشروط، مردود و عدم اظهارنظر) طبقه بندی شده است. به منظور پیش بینی گزارش حسابرسان مستقل از سه تکنیک طبقه بندی داده کاوی شامل، درخت تصمیم c5.0، شبکه های عصبی مصنوعی و رگرسیون لجستیک استفاده شده است. جامعه آماری پژوهش شامل تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1382 الی 1388 می باشد. در این تحقیق از 29 متغیر مالی و غیرمالی در قالب 10 طبقه نقدینگی، عملکرد، اهرم مالی، ساختار سرمایه، سودآوری، ریسک ورشکستگی، مدیریت سود، حاکمیت شرکتی، اندازه شرکت و سایر متغیرها (شامل نوع صنعت و عمر شرکت) به منظور آموزش و آزمون مدل استفاده شده است. نتایج تحقیق نشان می دهند که میانگین دقت مدل حاصل از تکنیک درخت تصمیم c5.0 جهت پیش بینی نوع گزارش حسابرسی (میانگین دقت 88.64%) از دو تکنیک دیگر بیشتر بوده و این تکنیک توانایی بالاتری جهت کاهش ریسکهای حسابرسی دارد. مهمترین متغیرها جهت پیش بینی نوع گزارش حسابرسی به ترتیب شامل نوع گزارش حسابرسی سال قبل (مقبول یا غیر مقبول)، نسبت سودآوری (سود خالص به درآمد)، نسبت بدهیها (بدهیها به داراییها)، نوع صنعت، نوع عملکرد (سوده یا زیانده)، نوع حسابرس (دولتی یا خصوصی) و ریسک ورشکستگی (ورشکسته یا سالم) می باشند.