کشف تقلب

ارزیابی بی طرفانه شواهد برای اثربخشی حسابرسی و اعمال صحیح تردید حرفه ای ضروری است. لذا هدف این مطالعه ارایه الگوی ارزیابی شواهد حسابرسی کشف تقلب و اولویت بندی شاخصه های موثر بر آن می باشد. در این پژوهش با استفاده از روش پژوهش دلفی فازی و نظرخواهی از خبرگان حرفه ای، ضمن شناسایی معیارهای ارزیابی شواهد حسابرسی، الگویی مناسب برای محیط اقتصادی ایران، با استفاده از تحلیل عاملی تأییدی طراحی شود . بدین منظور با مطالعه مبانی نظری 70 شاخص احصاء گردید که در چهار بُعد الف. عوامل فردی با 20 شاخص که مهم ترین شاخص آن دارا بودن سطح کافی و مناسبی از ویژگی های فردی؛ ب. عوامل سازمانی با 10 شاخص؛ مهم ترین شاخص آن، جایگاه و کیفیت حسابرسی و رسیدگی در سازمان؛ ج. عوامل زمینه ای با 10 شاخص؛ مهم ترین شاخص آن، تقویت و بروز کردن سیستم های اطلاعاتی و د. تمایلات فکری با 30 شاخص؛ مهم ترین شاخص آن، قابلیت تطبیق قوانین و دستورالعمل ها و انعطاف آنها در راستای ارزیابی دقیق شواهد طبقه بندی شد. نتایج پژوهش حاکی از پذیرفته شدن62 شاخص می باشد که الگویی برای ارزیابی شواهد حسابرسی فراهم می کند. همچنین نتایج حاصل از رتبه بندی ابعاد نشان می دهد که عوامل فردی در رتبه ی اول اهمیت از دیدگاه خبرگان، عوامل سازمانی در رتبه ی دوم، عوامل زمینه ای در رتبه ی سوم و تمایلات فکری در رتبه ی چهارم قرار گرفته اند.

هدف پژوهش حاضر کشف صورت های مالی متقلبانه براساس تکنیک های یادگیری عمیق در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. به منظور نیل به این هدف 1800 سال-شرکت (150 شرکت برای 12 سال) مشاهده جمع آوری شده از گزارش های مالی سالیانه شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی 1391 تا 1402 مورد آزمون قرار گرفته اند. در پژوهش حاضر از سه الگوریتم یادگیری عمیق ( شامل الگوریتم های ماشین بردار پشتیبان(SVM)، شبکه عصبی پیچشی(CNN) و شبکه عصبی بازگشتی (RNN)) و همچنین جهت انتخاب متغیرهای نهایی پژوهش از روش آزمون مقایسه میانگین دو نمونه جهت ایجاد مدل استفاده شده است. نتایج حاصل از الگوریتم های یادگیری عمیق نشان می دهد که صحت کلی الگوریتم های SVM، CNN و RNN به ترتیب 88.4%، 81.3% و 94.4% می باشد که نشان دهنده این است الگوریتم RNN بهترین عملکرد و الگوریتم CNN بدترین عملکرد را در کشف شرکت های دارای صورت های مالی متقلبانه دارد. یافته های پژوهش حاضر می تواند برای سهامداران، اعتباردهندگان، تحلیل گران و سایر مشارکت کنندگان در بازار سرمایه اطلاعات سودمندی را در بهبود پیش بینی صورت های مالی متقلبانه و کاهش خطا در اتخاذ تصمیمات مبتنی بر اطلاعات صورت های مالی، ارزیابی بهتر عملکرد شرکت بر مبنای اطلاعات، اتخاذ استراتژی های معاملاتی بهینه و شناسایی فرصت های مناسب خرید و فروش سهام بر مبنای اطلاعات صورت های مالی فراهم کند.

موضوع و هدف مقاله: سوت زنی از زوایای مختلفی موردتوجه پژوهشگران بوده اما بر اساس آمارها، ازجمله مقالات نمایه شده در دو پایگاه داده علوم انسانی و نورمگز، از مجموع 76 مقاله تنها 2 مقاله فرایند سوت زنی را بررسی کرده اند و جای خالی نگاه فرایندی به این مفهوم مخصوصاً با روش های عمیق کیفی حس می شود. هدف پژوهش حاضر تدوین فرایند انگیزه سوت زنی می باشد تا عوامل شخصی، سازمانی و اجتماعی مؤثر بر سوت زنی شناسایی شود.روش پژوهش: پژوهش حاضر بر مبنای جهت گیری بنیادی، روش کیفی و استراتژی نظریه پردازی داده بنیاد است. جامعه آماری پژوهش شامل خبرگان حوزه حسابداری و مالی در شهر تهران می باشند که دو ویژگیِ سابقه کاری بالاتر از ده سال و تجربه درگیر شدن در فرایندهای سوت زنی را داشته اند. نمونه آماری 26 نفر ازاین افراد هستند که به روش گلوله برفی انتخاب شدند.یافته ها: پژوهش نشان داد که محرک های فردی مانند شخصیت یا تعهد سازمانی، شرایط سازمانی مانند قوانین کارآمد و سرمایه اجتماعی و درنهایت ارزش های اجتماعی در افراد می تواند آن ها را به سمت سوت زنی سوق دهد. نتیجه گیری، اصالت و افزوده آن به دانش: سوت زنی علاوه بر قوانین و زمینه های سازمانی، وابسته به ویژگی های شخصی مانند شجاعت و مسئولیت پذیری و همچنین وابسته به ارزش های اجتماعی می باشد. لذا بر اساس یافته های پژوهش، نمی توان صرفاً با ابلاغ قوانین انتظار داشت مبارزه با فساد از طریق سوت زنی به نتیجه برسد چرا که افراد به خاطر تفاوت های شخصی و اجتماعی ،واکنش متفاوتی به این قوانین خواهند داشت.

امروزه مبارزه با تقلب، پیشگیری، کشف و گزارش تقلب در شرکت ها، بیش از هر زمان دیگری، بدل به دغدغه جدیدی در دنیا شده است. هدف اصلی این پژوهش، بررسی آرای حسابرسان درباره مسئولیت های مربوط به پیشگیری، کشف و گزارش تقلب است. برای رسیدن به این اهداف، ابتدا از دانسته های آنان درباره تقلب پرسیده شده و سپس برداشت های حسابرسان داخلی و مستقل نسبت به مسئولیت های آنان برای پیشگیری، کشف و گزارش تقلب، مقایسه و بررسی می شود.در این پژوهش، آرای حسابرسان داخلی و حسابرسان مستقل در راستای پاسخگویی به دو فرضیه ارائه و باهم مقایسه می شود. نمونه آماری، شامل 99 نفر حسابرس داخلی و 110 نفر حسابرس مستقل است و اطلاعات مورد نیاز از طریق پرسشنامه جمع آوری شده است. نتایج پژوهش نشان داد که حسابرسان شرکت کننده در تحقیق به میزان متوسط از دانسته های خود درباره تقلب رضایت دارند و بین برداشت حسابرسان داخلی و مستقل نسبت به مسئولیت های آنان برای پیشگیری، کشف و گزارش تقلب، تفاوت معناداری وجود دارد.

بازرسی از واحدهای اقتصادی یکی از بازوهای تنظیم بازار جهت برقراری آرامش و ثبات در آن است. کارایی فرایند بازرسی به کاهش جرائم، افزایش اعتماد عمومی به حاکمیت و احقاق حقوق مردم منجر خواهد شد. از این رو بررسی صحت عملکرد بازرسان به کمک داده های شکل گرفته از بازرسی های آنان در سامانه یکپارچه مدیریت بازرسی کشور (سیمبا) و کشف رفتارهای متقلبانه و آسیب زا در بازرسی ها همچون بازرسی های صوری، نقشی کلیدی در صیانت از اعتماد شکل گرفته در مردم و اثربخشی این فعل ایفا خواهد کرد. با درک وجود خلاء تحقیقاتی در تحلیل و بررسی داده های بازرسی به منظور رصد عملکرد بازرسان و کشف الگوهای رفتاری غیرمتعارف آنان در ثبت نتایج بازرسی ها، پژوهش حاضر به دنبال شناسایی الگوی بازرسی های صوری و به صورت خاص بازرسی های صورت گرفته حول شکایات و گزارش های مردمی و شناسایی بازرسان متخلف است. کشف رفتار غیرمتعارف و متقلبانه بازرسان با تحلیل 1518 ردیف داده ی عملکردی بازرسان با به کارگیری الگوریتم های کا-میانگین برای خوشه بندی و درخت تصمیم، رگرسیون لجستیک، بیز ساده و ماشین بردار پشتیبان به منظور دسته بندی دنبال شد. در ادامه ضمن انجام ارزیابی های درونی و بیرونی برای سنجش کیفیت نتایج، از روش های علم تصمیم با چاشنی نظر خبرگان برای غنی سازی بعد کاربردی پژوهش و حصول لیستی از بازرسان متقلب استفاده گردید که نتیجتاً 9 بازرس به عنوان بازرسان متخلف شناسایی و ناهنجاری از نوع جمعی تشخیص داده شد. در پایان نیز به منظور پیشگیری از بروز رفتارهای متقلبانه در دورزدن سامانه بازرسی، راه کارهای سیستمی و پیشنهادهای مدیریتی ارائه گردید.

هدف: امروزه اکثر شرکت ها و سازمان ها، تجارت الکترونیک را برای به دست آوردن بهره وری در خدمات و محصولات خود، در زمینه هایی مانند کارت اعتباری، مخابرات، بیمه درمانی، بیمه خودرو و غیره به کار گرفته اند. از طرفی، با توجه به حجم رو به رشد تراکنش های کارت های اعتباری و انواع روش های کلاه برداری و تقلب در این کارت ها، تقاضا برای کشف تقلب در این حوزه نیز افزایش یافته است. با توجه به انواع راه کارها و الگوریتم های ارائه شده برای کاهش هزینه تقلب در تراکنش های کارت های اعتباری، هدف از این پژوهش، ارائه روشی ترکیبی و بهینه، برای کاهش هزینه تشخیص تقلب در تراکنش های کارت های اعتباری، با استفاده از هم جوشی الگوریتم های ناهمگن طبقه بندی و خوشه بندی در سطح تصمیم گیری است. روش: این پژوهش روی داده های یک مجموعه تراکنش های بانک برزیلی در بازه زمانی دو ماهه، از ۱۴ جولای ۲۰۰۴ تا ۱۲ سپتامبر همان سال انجام شده است. در این مقاله با استفاده از شبکه عصبی مصنوعی، به عنوان یک رویکرد با سرپرستی و الگوریتم خوشه بندی K نزدیک ترین همسایه، به عنوان یک رویکرد بدون سرپرستی، تابع هزینه را به دست آوردیم. همچنین با توجه به شاخص های مختلف کشف تقلب که تاکنون در ادبیات معرفی شده، شاخص هزینه کشف تقلب انتخاب و بر اساس این تابع هزینه که نخستین بار توسط گادی و همکارانش (۲۰۰۸) معرفی شد، به سنجش این شاخص ها پرداختیم. از آنجا که استفاده از تنها یک الگوریتم هزینه زیادی دارد، به منظور کاهش آن، هم جوشی الگوریتم ها به دو روش نظریه گواه دمستر – شفر و هم جوشی احتمالی پیشنهاد شده است. هر دو روش هم جوشی در سطح تصمیم استفاده شده و ورودی های ناهمگن، از دو رویکرد با سرپرستی و بدون سرپرستی با هم ترکیب شده اند. یافته ها: با توجه به الگوریتم های اجرا شده، استفاده از تنها یک الگوریتم برای به دست آوردن تابع هزینه قابل قبول، می تواند بسیار پُرهزینه باشد. در حالی که استفاده از رویکرد هم جوشی، می تواند در کاهش هزینه تأثیر بسزایی داشته باشد. هم جوشی احتمالی، در مقایسه با نظریه گواه دمستر شفر کاهش هزینه چشمگیری داشته است که هر دو این الگوریتم ها، در سطح تصمیم به کار رفته اند. هم جوشی احتمالی نسبت به شبکه عصبی مصنوعی، کاهش هزینه ای معادل ۴/۲۱ درصد و نسبت به الگوریتم K نزدیک ترین همسایه، کاهش هزینه ای معادل ۸/۳۵ درصد داشته است. نتیجه این مطالعه، در نهایت با مقاله ای که اولین بار این مجموعه داده در آن با الگوریتم سیستم ایمنی مصنوعی به کار رفته است، مقایسه شده و کاهش هزینه چشمگیری را نشان داده است. نتیجه گیری: در این مطالعه با استفاده از دو الگوریتم طبقه بندی و خوشه بندی و هم جوشی آن ها در سطح تصمیم، نشان دادیم که روش های ترکیبی در مقایسه با استفاده هر یک از الگوریتم ها به تنهایی، کاهش هزینه بیشتری خواهند داشت. همچنین هم جوشی احتمالی در مقایسه با نظریه گواه دمستر شفر، هزینه کمتری برای کشف تقلب در سیستم های مالی دارد که این نتیجه درخور توجهی برای بانک ها و مؤسسه های مالی است تا یک سیستم کشف تقلب خوب بسازند.