1403/09/01
اسفندیار ملکیان

اسفندیار ملکیان

مرتبه علمی: استاد
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده علوم اقتصادی و اداری
نشانی:
تلفن: 01135302501

مشخصات پژوهش

عنوان
ارائه مدلی جهت پیش بینی احتمال تقلب در گزارش های مالی
نوع پژوهش
پایان نامه
کلیدواژه‌ها
پیش بینی، تقلب مالی، مدل کلاسیک، مدل فراابتکاری، گزارش های مالی.
سال 1395
پژوهشگران محمد جواد زارع بهنمیری(دانشجو)، یحیی کامیابی(استاد مشاور)، اسفندیار ملکیان(استاد راهنما)

چکیده

سیستم گزارشگری مالی همواره در جلب اعتماد عمومی با بحران هایی مواجه بوده است. افزایش شمار تقلب ها و تجدید ارائه صورت های مالی که اغلب با ورشکستگی شرکت های بزرگ همراه است، نگرانی هایی را در مورد صورت های مالی بوجود می آورد. به همین جهت، پیشگیری یا کشف تقلب های با اهمیت در صورت های مالی همواره کانون توجه سرمایه گذاران، مدیران و حسابرسان بوده است. بنابراین در دهه اخیر، موضوع تقلب و به ویژه تقلب در صورت های مالی مورد توجه محققین مختلف بوده است. هدف از این تحقیق پیش بینی احتمال تقلب در گزارش های مالی با استفاده از نسبت های مالی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بین سال های 1385 الی 1392 می باشد. برای این منظور تعداد 181 شرکت متناسب با محدودیت ها انتخاب گردید. برای برآورد تقلب، بندهای موجود در اظهار نظرحسابرس مستقل شرکت ها طبقه بندی و با نظرسنجی از خبرگان این بندها با استفاده از مدل های AHP فازی رتبه بندی و در نهایت درصد هایی برای هر سال شرکت بعنوان ریسک تقلب اختصاص داده شده است. علاوه بر آن متناسب با ادبیات تحقیق، نسبتهای مالی استخراج و به جهت برآورد پیش بینی نیز از مدل های کلاسیک، لاجیت و پروبیت و مدل های فراابتکاری، شبکه عصبی و برنامه ریزی ژنتیک استفاده شده است. در نتیجه تحقیق، بندهای مربوط به بیش نمایی یا کم نمایی درآمد و دارایی ها در بندهای گزارش های حسابرسان مستقل دارای بالاترین رتبه در احتمال وجود تقلب در صورت های مالی شرکت ها بوده اند. همچنین 7 نسبت مالی سرمایه درگردش به دارایی، حساب دریافتنی به فروش، وجه نقد به بدهی جاری، موجودی به دارایی جاری، بدهی به حقوق صاحبان سهام، سودناخالص به دارایی و قدر مطلق تغییرات در نسبت جاری بعنوان مهمترین نسبت های پیش بینی کننده تقلب مالی انتخاب شده اند. در بین مدل های پیش بینی کننده تقلب نیز مدل برنامه ریزی ژنتیک 71.37 درصد صحت پیش بینی داشته که دارای بالاترین قدرت پیش بینی در بین مدل ها بوده است.