سال انتشار: ۱۳۹۱

محل انتشار: دهمین همایش ملی حسابداری ایران

تعداد صفحات: ۳۴

نویسنده(ها):

محمدعلی باقرپورولاشانی – استادیار دانشگاه فردوسی مشهد
محمدجواد ساعی – استادیار گروه حسابداری دانشگاه فردوسی مشهد)
علی مشکانی – دانشیار گروه آمار دانشگاه فردوسی مشهد)
مصطفی باقری – کارشناس ارشد حسابداری دانشگاه فردوسی مشهد

چکیده:

افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن داده های مالی،محدودیت هایی برای استفاده بهینه و کارا از این داده ها به وجود آورده است. به همین دلیل، استفاده ازتکنیک های داده کاوی به منظور استخراج اطلاعات مفید از این داده ها رواج یافته است. هدف اینپژوهش پی شبینی گزارش حسابرس مستقل با استفاده از تکنیک های داده کاوی م یباشد. به منظور پیش بینی گزارش حسابرس مستقل از سه تکنیک طبقه بندی داده کاوی شامل، درخت تصمیمC 5.0 شبکه های عصبی مصنوعی و رگرسیون لجستیک استفاده شده است. جامعه آماری پژوهش شامل تمامیشرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سا لهای ۱۳۸۲ الی ۱۳۸۸ م یباشد. در این تحقیق از ۲۹ متغیر مالی و غیرمالی در قالب ۱۰ طبقه به منظور آموزش و آزمون مدل استفاده شده است نتایج تحقیق نشان م یدهد که میانگین دقت مدل حاصل از تکنیک درخت تصمیمC 5.0 از دو تکنیک دیگر بیشتر بوده و این تکنیک توانایی بالاتری جهت کاهش ریس کهای حسابرسی دارد. درخت تصمیم حاصل از این تکنیک گزارشات حسابرسی را با میانگین دقت ۸۸٫۶۴ % پیش بینی می کند. مطابق با نتایج تحقیق با اهمیت ترین متغیر جهت پیش بینی نوع گزارش حسابرس مستقل در تمامی مد لها، نوع گزارش حسابرسی سال قبل (از طبقه حاکمیت شرکتی) م یباشد