ارائه یک رویکرد محاسباتی نوین برای پیش بینی تقلب در صورت های مالی، با استفاده از شیوه های خوشه بندی و طبقه بندی (شواهدی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران)

رسوایی ها و شکست های شرکتی، اطمینان سرمایه گذاران به درست و منصفانه بودن حساب های واحدهای تجاری را مخدوش کرده است. تکنولوژی های مبتنی بر آمار و یادگیری ماشینی راهکاری اثربخش برای پیشگیری و کشف تقلب هستند؛ بنابراین در این پژوهش به بررسی این مسئله پرداخته می شود که آیا می توان از طریق شناسایی عوامل مرتبط با تقلب در صورت های مالی و با به کارگیری شیوه های داده کاوی، مدلی برای کشف تقلب در صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارائه کرد؟ برای پاسخ گویی به این سوال از 19 علائم خطر اشاره شده در استاندارد حسابرسی 240 به همراه شیوه های داده کاوی تحلیل مولفه های اساسی و خوشه بندی، برای تعیین شرکت های متقلب استفاده شد؛ سپس به منظور ارائه مدلی برای پیش بینی صورت های مالی متقلبانه، از 40 متغیر مالی و غیرمالی به همراه شیوه های درخت تصمیم، ماشین بردار پشتیبان و روش بوستینگ استفاده شد. یافته های پژوهش بیان گر وجود شواهدی دال بر عملکرد مناسب مدل های پیشنهادی برای پیش بینی تقلب در صورت های مالی است.