چکیده:
تقلب از پدیدههای رایج و متداول در کسب و کار است. پیشگیری با کشف تقلبهای با اهمیت در صورتهای مالی همواره کانون توجه سرمایه گذاران، قانونگذاران، استاندارد گذاران، مدیران و حسابرسان بوده است. بر عصر حاضر عصر اطلاعات نام نهاده شده و آنچه که منجر به قدرت و موفقیت میشود، اطلاعات است. داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بار نمایی بصری دادهها میباشد که در چارچوب فرآیندی، استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه دادههای بزرگ امکان پذیر میگردد و استفاده از آن در تصمیمگیری در فعالیتهای تجاری مهم نظیر ارتقای کیفیت سودمندی اطلاعات از طریق شناسایی تقلبهای مالی میسر میشود. تحقیق حاضر به روش شناخت تاریخی با بهرهگیری از اسناد کتابخانهای و به پشتوانه پیشینه و تحقیقات محققان شواهدی لازم جهت بررسی داده کاوی در تقلب صورتهای مالی ارائه میکند.
Fraud is a common phenomenon in business. Prevention by detecting significant fraud in financial statements has always been the focus of investors, legislators, standardizers, managers and auditors. The present age is called the information age, and what leads to power and success is information. Data mining is a bridge between statistics, computer science, artificial intelligence, modeling, machine learning and visual loading of data, which in the process of extracting valid, previously unknown, understandable and reliable information from large databases is possible. It can be used in decision-making in important business activities such as improving the quality of information usefulness by detecting financial fraud.The present study provides the necessary evidence for investigating data mining in financial statement fraud by using historical documents using library documents and based on the background and research of researchers.
خلاصه ماشینی:
شواهد زيادي از حساب سازي در به کارگيري حسابداري وجود دارد و به صورت گسترده از آن استفاده مي شود که اين امر به عنوان پديده رايج و مخرب کارايي، نقدينگي و امنيت بازارهاي مالي جهاني، بازارهاي سرمايه و بدهي به دليل وجود تقلب در صورت هاي مالي که عامل اساسي در بحران مالي اخير و رکود اقتصادي جهاني ميباشد، تهديد ميکند (اسپاتيس ٢ و همکاران ، ٢٠٠٧).
And Asgharzadih, P 5 Rahimian, N and Akhundzade, M 6 Chartered Institute of Management Accountants 7 Khani 8 Cullinan, P.
بکارگيري تکنيک هاي داده کاوي براي طبقه بندي هاي مالي يکي از حوزه هاي پرثمر تحقيقاتي است ، بسياري از قوانين التزامي و واحدهاي تحقيقاتي ويژه ، افرادي را مامور شناخت فعاليت هاي متقلبانه در اختيار دارند که با موفقيت داده کاوي را به کار ميبرند هرچند در مقابل ساير زمينه هاي آزموده شده مثل پيش بيني ورشکستگي و پريشاني مالي، تحقيقات کاربرد تکنيک هاي داده کاوي به منظور کشف تقلبات مديريتي در حداقل قرار دارد (کالدرون و چه ٣ ، ٢٠٠٢).
1 Sipina Research Edition 119 اسپاتيس و همکاران (٢٠٠٧) در تحقيق خود از اين نرم افزار جهت درخت تصميم گيري شرکت هاي مورد تقلب بهره گرفتند که نمودار درخت تصميم گيري تحقيق آنها در شکل شماره ٢ نشان داده شده است .
اسپاتيس و همکاران (٢٠٠٧) در آزمايش شبکه گمانه زني بيزي از نرم افزاري که استفاده کردند، BN با قدرت پيش بيني بود که عنوان شد اين نرم افزار ظرفيت آموزش يک طبقه بندي کننده را با داده ها دارد و متعلقات الگوريتمي که بر پاشده دسته اي از الگوريتمهاي مبتني بر آزمون مستقل شرطي است و نياز به تنظيم گره نيست (جنگ و گرينر١، ٢٠٠١).