ارائة یک رویکرد محاسباتی نوین برای پیش‌بینی تقلب در صورت‌های مالی، با استفاده از شیوه‌های خوشه‌بندی و طبقه‌بندی (شواهدی از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران)

رسوایی‌ها و شکست‌های شرکتی، اطمینان سرمایه‌گذاران به درست و منصفانه بودن حساب‌های واحدهای تجاری را مخدوش کرده است. تکنولوژی‌های مبتنی بر آمار و یادگیری ماشینی راهکاری اثربخش برای پیشگیری و کشف تقلب هستند؛ بنابراین در این پژوهش به بررسی این مسئله پرداخته می‌شود که آیا می‌توان از طریق شناسایی عوامل مرتبط با تقلب در صورت‌های مالی و با به‌کارگیری شیوه‌های داده‌کاوی، مدلی برای کشف تقلب در صورت‌های مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران ارائه کرد؟ برای پاسخ‌گویی به این سؤال از 19 علائم خطرِ اشاره‌شده در استاندارد حسابرسی 240 به همراه شیوه‌های داده‌کاوی تحلیل مؤلفه‌های اساسی و خوشه‌بندی، برای تعیین شرکت‌های متقلب استفاده شد؛ سپس به‌منظور ارائة مدلی برای پیش‌بینی صورت‌های مالی متقلبانه، از 40 متغیر مالی و غیرمالی به همراه شیوه‌های درخت تصمیم، ماشین بردار پشتیبان و روش بوستینگ استفاده شد. یافته‌های پژوهش بیان‌گر وجود شواهدی دال بر عملکرد مناسب مدل‌های پیشنهادی برای پیش‌بینی تقلب در صورت‌های مالی است.