آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,175 |
| تعداد مقالات | 8,477 |
| تعداد مشاهده مقاله | 6,462,864 |
| تعداد دریافت فایل اصل مقاله | 3,703,318 |
استفاده از شبکه عصبی مصنوعی پیشخور چند لایه در تشخیص گزارشگری مالی متقلبانه در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران | ||
| مطالعات حسابرسی مطهر | ||
| مقاله 4، دوره 1، شماره 2، آبان 1402، صفحه 93-113 اصل مقاله (584.63 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد جعفری1؛ ندا رضایی2؛ محمد سلگی* 3 | ||
| 1دانشکده مدیریت و اقتصاد، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| 2دانش‌آموخته کارشناسی ارشد مؤسسه آموزش عالی تابران، مشهد، ایران | ||
| 3استادیار گروه مدیریت مالی اسلامی، دانشکده مدیریت و اقتصاد، دانشگاه جامع امام حسین (ع)، تهران، ایران | ||
| تاریخ دریافت: 30 تیر 1402، تاریخ بازنگری: 08 آبان 1402، تاریخ پذیرش: 03 آبان 1402 | ||
| چکیده | ||
| هدف: هدف مقاله استفاده از شبکه عصبی پیشخور چندلایه در تشخیص گزارشگری مالی متقلبانه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. بر اساس استاندارد 240 حسابرسی تقلب عبارت است از هرگونه اقدام عمدی توسط مدیران اجرایی، کارکنان، مدیران ارشد و اشخاص ثالث که سبب فریبکاری در جهت برخورداری از مزایایی ناروا گردد. روش‌شناسی: روش آماری مورد استفاده در این پژوهش شبکه عصبی پیشخور چند لایه (لگاریتم سیگموئید) است. جامعه آماری پژوهش پس از اعمال برخی محدودیت‌های موجود در این پژوهش، شامل 520 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران طی دوره زمانی 1399 است. یافته‌ها: نتایج پژوهش در رابطه با عملکرد شبکه عصبی مصنوعی در تشخیص گزارشگری مالی متقلبانه مثبت است. به بیان الگوی ANN توسعه‌یافته می‌تواند گزارشگری مالی تقلبی را در صورت‌های مالی شناسایی کند. دانش‌افزایی: یافته‌های این پژوهش به ادبیات روش‌های کشف نشانه‌های تقلب در صورت‌های مالی کمک می‌کند و هم‌چنین می‌توان از آن برای کمک به نقش حسابرس در کشف تحریف‌های با اهمیت منتسب به تقلب استفاده کرد. | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 58 تعداد دریافت فایل اصل مقاله: 72 |
||