چکیده مقاله
تقلب مالی در صورت های مالی شرکت های بورسی یکی از چالش های اساسی نظام های اقتصادی محسوب می شود که می تواند اعتماد عمومی و سلامت بازار سرمایه را به شدت تضعیف کند با پیچیده تر شدن ساختارهای مالی و افزایش فشارهای رقابتی، احتمال بروز رفتارهای متقلبانه نیز بیشتر شده است در این پژوهش با هدف شناسایی تقلب مالی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، از رویکردهای نوین یادگیری ماشین شامل الگوریتم های Random Forest، Isolation Forest و Autoencoder استفاده شده است داده ها شامل ۲۴۰ مشاهده سالانه از ۳۰ شرکت فعال در بورس طی سال های ۱۳۹۴ تا ۱۴۰۲ بوده و از سامانه کدال و گزارش های حسابرسی استخراج گردیده اند برچسب گذاری تقلب بر اساس مستندات رسمی سازمان بورس انجام شده و برای مقابله با عدم توازن داده ها از روش SMOTE بهره گرفته شده است همچنین، تقسیم بندی زمانی داده ها برای جلوگیری از نشت اطلاعات رعایت گردیده است نتایج نشان داد الگوریتم Random Forest با دقت ۹۱٪ و مقدار AUC برابر با ۰ ۹۳ بهترین عملکرد را در پیش بینی تقلب داشته است تحلیل تفسیرپذیری مدل با ابزار SHAP بیانگر نقش پررنگ شاخص هایی مانند بازده حقوق صاحبان سهام ROE ، نسبت بدهی به حقوق صاحبان سهام و جریان نقدی عملیاتی در بروز تقلب مالی است الگوریتم های بدون نظارت نیز توانایی شناسایی رفتارهای غیرعادی را داشتند، هرچند نرخ هشدار کاذب در آن ها بیشتر بود به طور کلی، یافته ها نشان می دهد یادگیری ماشین می تواند ابزاری موثر در حسابرسی قانونی و نظارت مالی باشد و به توسعه سیستم های هشدار زودهنگام در بازار سرمایه ایران کمک کند
کلیدواژه‌ها
نویسندگان
طاهره خداپناه
دانشجوی دکتری تخصصی مالی مهندسی مالی، دانشگاه آزاد اسلامی واحد یزد
شیوه ارجاع
�داپناه، طاهره،1404،پیش بینی تقلب مالی در شرکت های بورسی با رویکرد Random Forest و SHAP در بازار سرمایه ایران،همایش ملی سرمایه گذاری برای تولید با نقش تحول آفرین حسابداری و مدیریت،میبد
ارائه‌شده در
مجموعه مقالات همایش ملی سرمایه گذاری برای تولید با نقش تحول آفرین حسابداری و مدیریت15 آبان 1404 · میبد