ارائه مدلی برای پیش بینی صورت‎های مالی متقلبانه و مقایسه صورت ها و نسبت های مالی با قانون بنفورد

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
هدف پژوهش حاضر ارایه الگویی برای پیش بینی صورتهای مالی متقلبانه و استفاده از قانون بنفورد در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. روش پژوهش از نوع توصیفی- پیمایشی و به لحاظ هدف نیز کاربردی است. داده های پژوهش از سال های 1387 تا 1396 جمع آوری گردید. نمونه آماری پژوهش شامل 410 سال-شرکت متقلب و 410 سال-شرکت غیر متقلب بوده است. جهت تدوین مدل از روش رگرسیون لجستیک استفاده شده است. نتایج نشان می دهد که با توجه به نرخ دقت 64.6 درصدی، این مدل نقش اثر بخشی در کشف تقلب صورت های مالی دارد. همچنین نتایج آزمونT و آزمون لون در 35 متغیر مستقل بررسی شده نشان داد که در 20 متغیر، تفاوت معناداری در دو گروه متقلب و غیر متقلب وجود دارد. به علاوه تطابق پذیری و انحراف از قانون بنفورد در چهار حالت مختلف بررسی شد و نتایجی بدین شرح حاصل گردید که؛ توجه به ارقام صورت سود و زیان و ترازنامه در شرکت های غیر متقلب نشان داد توزیع بنفورد شرکت های غیر متقلب را به درستی تشخیص داده ولی شرکت های متقلب را به صورت نادرست غیر متقلب تشخیص داده است. توجه به نسبت مالی کل دارایی ها به فروش و دوره پرداخت حسابهای پرداختنی در شرکت های متقلب نشان داد که توزیع بنفورد این شرکتها را متقلب ارزیابی و به درستی دسته بندی کرده است ولی شرکت های غیرمتقلب را به صورت نادرست متقلب ارزیابی کرده است.
زبان:
فارسی
صفحات:
221 تا 237
لینک کوتاه:
magiran.com/p2209844 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!