به گزارش دانشگاه تربیت مدرس، این پژوهش با راهنمایی دکتر سحر سپاسی از اعضای هیئت علمی دانشکده مدیریت و اقتصاد انجام شد.
پژوهشگران دانشگاه تربیت مدرس در قالب پایان نامه دکتری به ارائه پژوهشی در خصوص مدل پیشگیری، کنترل و کشف کلاهبرداری مالی در ایران پرداختند.
به همین دلیل، بخش کوچکی از تحقیقات روش‌هایی را برای کشف تقلب در صورت‌های مالی با استفاده از الگوریتم زنبور عسل ایجاد کرده‌اند. برای مطالعه موضوع از سه روش الگوریتم زنبور عسل، الگوریتم ژنتیک و رگرسیون لجستیک استفاده شد. نمونه آماری این پژوهش شامل 36 شرکت پذیرفته شده در بورس (18 شرکت مشکوک به کلاهبرداری و 18 شرکت غیر متقلب) برای دوره زمانی 1394-1396 می باشد. شرکت های مشکوک به تقلب بر اساس چک لیستی از عوامل مؤثر بر پیشگیری از تقلب در بخش اول انتخاب شدند. پس از استفاده از آنتروپی متقابل، 16 نسبت مالی به عنوان پیش بینی کننده های بالقوه گزارشگری مالی متقلبانه شناسایی شدند.
همچنین فرهنگ عمومی، شرایط اقتصادی کشور، اعتقادات مذهبی و نظام حقوقی از پیشینه ها و عوامل حاکمیت شرکتی و کیفیت حسابرسی مستقل جزو شرایط میانی بود. در نهایت روش های پیشگیری و کنترل تقلب در چهار گروه کنترل های فیزیکی، کنترل های حسابداری، افشای تقلب و افزایش نقش واحد منابع انسانی و پیامدهای آن در سه سطح شرکت، سازمان و فردی طبقه بندی و ارائه شده است. .
به گزارش ای بی اس نیوز، آثار مخرب رسوایی های مالی در سال های اخیر توجه به مشکل کلاهبرداری در ایران را اجتناب ناپذیر کرده است. تحقیقات نشان داده است که یک سیستم کنترل پیشرفته مانعی محکم در برابر انواع دستکاری داده ها و کلاهبرداری در سازمان است.
absnews
هدف اصلی بخش کیفی پژوهش، ارائه مدل پیشگیری از تقلب بر اساس ویژگی‌های فرهنگی، اقتصادی و سیاسی سازمان‌های ایرانی است. این بخش از نوع تحقیقات کیفی است که با استفاده از روش نظریه زمینه ای و با مرور مطالعات کتابخانه ای انجام شده است. بر اساس نتایج این پژوهش، عوامل فرهنگ اخلاقی سازمانی و سیستم کنترل مؤثر، شرایط علی و روش‌های کنترل مؤثر شناسایی شد.
این پژوهش که در قالب پایان نامه دکتری الهه تشدیدی در رشته حسابداری انجام شده است، با هدف ارائه مدلی جامع برای پیشگیری و کشف تقلب در ایران و از دو بخش کیفی و کمی تشکیل شده است.
نتایج نشان داد که روش الگوریتم زنبور عسل با دقت پیش‌بینی 96.2 درصد نسبت به دو روش الگوریتم ژنتیک با دقت 88.5 درصد و رگرسیون لجستیک با دقت 80.8 درصد عملکرد بهتری در شناسایی شرکت‌های مشکوک دارد. کلاهبرداری در پرونده های مالی A. علاوه بر این، روش پیشنهادی این تحقیق در مقایسه با سایر روش‌های تکاملی، از دقت پیش‌بینی بالاتر، ضریب خطای کمتر و سرعت نسبتاً خوبی برخوردار است، بنابراین برای حل مشکل پیش‌بینی احتمال تقلب در صورت‌های مالی، اجرای زنبور عسل الگوریتم نتایج بهتری می دهد.
از آنجایی که از طرح‌های پیچیده و سازمان‌یافته برای پنهان کردن تقلب در صورت‌های مالی استفاده می‌شود، خطر کشف نشدن تقلب افزایش می‌یابد. بنابراین، توسعه روش های کشف تقلب می تواند به عنوان یک راه حل در نظر گرفته شود.
تحریریه ABS NEWS | ای بی اس نیوز