ارائه رویکردی نوین در پیش بینی و کشف تقلب صورت های مالی با استفاده از الگوریتم زنبور عسل

با توجه به اینکه برای کتمان تقلب در صورت های مالی از طرحهای پیچیده و سازمان یافته استفاده می شود، توسعه روش های کشف تقلب می تواند به عنوان راهکاری مورد توجه قرار گیرد. لذا، پژوهش حاضر با استفاده از الگوریتم زنبورعسل به توسعه روش های کشف تقلب در صورت های مالی پرداخته است.

برای بررسی موضوع سه روش الگوریتم زنبور عسل، الگوریتم ژنتیک و رگرسیون لوجستیک به کارگرفته شده است. نمونه آماری این مطالعه متشکل از 120 شرکت پذیرفته شده در بورس اوراق بهادار (60 شرکت مشکوک به تقلب و 60 شرکت غیر متقلب) برای دوره زمانی 1396-1385 است. شرکت های مشکوک به تقلب بر مبنای 1) اظهارنظر تعدیل شده حسابرسی، 2) وجود تعدیلات سنواتی با اهمیت و صورت های مالی تجدید ارائه شده در مورد موجودی ها و سایر دارایی ها و... 3) وجود اختلافات مالیاتی با حوزه مالیاتی طبق یادداشت ذخیره مالیات بر درآمد و پرونده مالیاتی و بند شرط گزارش حسابرسی انتخاب شدند. پس از استفاده از آنتروپی متقابل، 16 نسبت مالی به عنوان پیش بینی کننده های بالقوه گزارشگری مالی متقلبانه معرفی شدند.

یافته های پژوهش نشان داد که روش الگوریتم زنبور عسل با دقت پیش بینی 5/82 درصد نسبت به دو روش الگوریتم ژنتیک  با دقت 5/77 درصد و رگرسیون لوجستیک با دقت 5/72 درصد، از عملکرد بهتری جهت شناسایی شرکت های مشکوک به تقلب در صورت های مالی برخوردار است.

نتایج پژوهش حاکی از آن است، روش پیشنهادی این پژوهش در مقایسه با دیگر روش های تکاملی، از دقت پیش بینی بالاتر، درصد خطای کمتر و سرعت نسبتا خوبی برخوردار است.