بخشی از مقاله
خلاصه
پیشبینی دقیق خطر بروز تقلب در صورتهای مالی موجب افزایش توانایی پیشگیری و کشف آن خواهد شد. داده-های صورتهای مالی حسابرسی شده این توانایی را دارند تا هرگونه تقلب در صورتهای مالی را پیشبینی و کشف نمایند. از این رو تحقیق حاضر بر آن است تا با استفاده از نسبتهای مالی بر پیشبینی تقلب در صورتهای مالی بوسیله شبکه عصبی مصنوعی اهتمام ورزد.
نمونه آماری تحقیق شامل 855 شرکت 379 - شرکت دارای نشانههای تقلب و 476 شرکت فاقد نشانههای تقلب - پذیرفته شده در بورس اوراق بهادار تهران و در دوره زمانی 1384-1388 است. از میان 29 نسبت مالی اولیه، 15 نسبت به عنوان پیشبینی کنندههای بالقوه برای آزمون انتخاب شدهاند. چند مدل شناسایی صورتهای مالی دارای تقلب بر اساس شبکه عصبی پرسپترون چند لایه با تعداد نرون و توابع فعالسازی مختلف ایجاد شدند. نتایج حاکی توانایی مدلهای مبتنی بر شبکه عصبی در پیشبینی تقلب در صورتهای مالی است.
.1 مقدمه
امروزه بیش از هر زمان دیگری بازارهای سرمایه گسترش یافته و کسب قدرت اقتصادی ساختار یافته در فراسوی مرزهای جغرافیایی، بازارهای سرمایه را جولانگاه خود قرار میدهد. ناگزیر بازار سرمایه بیش از پیش مستعد بروز تبانی، تقلب و فساد است که متولّیان مختلف اقتصادی در این بازار مرتکب میشوند.
از طرفی با توجه به اینکه امروزه، افراد زیادی مانند مدیران و سرمایهگذاران و اعتباردهندگان از اطلاعات صورتهای مالی جهت تصمیمگیریهای اقتصادی خود استفاده مینمایند، باید از قابلیت اتکای - عاری از تقلب بودن - این اطلاعات اطمینان حاصل کنند.
ویژگی قابلیت اتکا به تهیه و ارائه صحیح، دقیق و به دور از غرضورزی و نیز رعایت انصاف جهت گزارش در مورد داراییها، بدهیها، حقوق صاحبان سهام و نتیجه عملیات سازمان در صورتهای مالی اشاره میکند. این در حالی است که تقلب در گزارشگری و حسابداری مالی در سالهای اخیر رشد قابل توجهی داشته است و با توجه به رسواییهای ناشی از تقلبهای مالی، حرفه حسابداری به شدت مورد توجه قرار گرفته است و حتی برخی از آن به عنوان رسوایی حسابداری نام بردهاند.. به همین دلیل امروزه مجامع قانونگذار، حرفهحسابداری و مدیریت و انجمنهای تخصصی و اندیشمندان علمی این رشته به علل ایجاد تقلب و راههای موجود به منظور جلوگیری از وقوع رفتار متقلبانه در گزارشگری مالی توجه خاصی کردهاند.
طبق بخش 24 استانداردهای حسابرسی ایران، تحریف در صورتهای مالی میتواند از تقلب یا اشتباه ناشی شود.
" اشتباه " عبارتست از هرگونه تحریف سهوی در صورتهای مالی - شامل حذف یک مبلغ یا یک مورد افشا - مانند اشتباه در گردآوری یا پردازش اطلاعات مبنای تهیه صورتهای مالی، براورد حسابداری نادرست ناشی از نادیده گرفتن یا تفسیر نادرست حقایق، اشتباه در بکارگیری استانداردهای حسابداری مرتبط با اندازهگیری، شناسایی، طبقهبندی، ارائه یا افشا .
" تقلب " عبارتست از هرگونه اقدام عمدی یا فریبکارانه یک یا چند نفر از مدیران، کارکنان یا اشخاص ثالث، برای برخورداری از یک مزیتی ناروا یا غیرقانونی. هر چند تقلب یک مفهوم قانونی گسترده دارد، اما آنچه به حسابرس مربوط میشود، اقدامات متقلبانهای است که به تحریف با اهمیت در صورتهای مالی میانجامد. هدف برخی از تقلبات ممکن است تحریف صورتهای مالی نباشد. حسابرسان درباره وقوع تقلب قضاوت حقوقی نمیکنند .[1] وجه تمایز بین تقلب و اشتباه، عمدی یا غیرعمدی بودن اقدامی است که به تحریف در صورتهای مالی بینجامد. تقلب، برخلاف اشتباه، عمدی است و معمولا با کتمان آگاهانه حقایق همراه است .
طبق تعریف انجمن بازرسان رسمی تقلب - ACFE - 3، تقلب عبارت است از هر عمل غیرقانونی که همراه با فریب، پنهانکاری و تخطی و نقض اعتماد باشد. این اعمال همراه با تهدید و یا فشار فیزیکی نمیباشد. تقلب توسط افراد یا سازمانها برای بدست آوردن پول، دارایی یا خدمات، اجتناب از پرداخت یا زیان خدمات و یا ایمن ساختن مزیت تجاری یا شخصی صورت میگیرد
بیانیهها و قوانین حسابرسی مختلفی مانند استاندارد بینالمللی حسابرسی بخش 4240، بیانیه شماره 582 هیئت استاندارد حسابرسی6 با عنوان " رسیدگی به تقلب در هنگام حسابرسی صورتهای مالی" و در پی آن بیانیه شماره 799 با عنوان " ارزیابی تقلب در صورتهای مالی" و در ایران استاندارد حسابرسی بخش 24 با عنوان "مسئولیت حسابرس در ارتباط با تقلب و اشتباه در حسابرسی صورتهای مالی" منتشر شدهاند. بسترهای خطر ذکر شده به عنوان رهنمودی برای حسابرسان در پیشگیری و کشف تقلب میباشد. بیانیه استانداردهای حسابرسی شماره 99، حسابرسان را در رابطه با کشف تقلب ملزم به جمعآوری اطلاعات مهم در ارزیابی تقلب کرده است، اگر چهعوامل خطر تقلب ضرورتاً گویای وجود تقلب نیست، اما این عوامل به عنوان علائم هشدار دهنده در مورد زمینههای وقوع تقلب محسوب میشوند
بیانیه اخیر حسابرسان را ملزم به برنامهریزی روشهای حسابرسی به گونهای غیرقابل پیشبینی از سالی به سال دیگر کرده است، به عبارتی حسابرس باید به منظور برآورد خطر بروز تقلب، اطلاعات بیشتری در مقایسه با گذشته را جمعآوری و ارزیابی کند و این ارزیابی تا پایان عملیات حسابرسی به طور مستمر مورد بازنگری قرار گیرد. این بیانیه افق جدیدی را در مورد الزامات و رهنمودهای حسابرسی در کشف تقلب در مقابل حسابرسان گشوده و آنان را وارد عرصه وسیعی از روشها و شیوههای حسابرسی در جهت ایفای مسئولیت خطیرشان در این زمینه کرده است. طبق استاندارد حسابرسی ایران بخش24، بایستی حسابرسان، خطر وجود تحریف با اهمیت ناشی از تقلب یا اشتباه در صورتهای مالی را هنگام برنامهریزی و اجرای روش-های حسابرسی در نظر بگیرند.
از دیدگاه آماری ارائه شده توسط انجمن بازرسان تقلب در سال 2008، سوءاستفاده از داراییها در حدود 80 درصد، فساد مالی 15 درصد، صورتهای مالی متقلبانه 4 درصد و سایر موارد تقلب 1 درصد را تشکیل میدهند، اما بر حسب میانگین در مورد زیان شرکتهای قربانی، اختلاف فاحشی بین زیانهای معلول صورتهای مالی متقلبانه 4 - میلیون دلار - و دیگر انواع تقلب شامل فساد مالی 440 - هزار دلار - ، سوءاستفاده از داراییها 85 - هزار دلار - و سایر موارد - 107 هزار دلار - وجود دارد
اگر چه امروزه حوادث بسیاری از تقلب مالی افشا شده، لازم به ذکر است که کشف تصادفی تقلبات فراوان-تر از کشف تقلبات با طراحی تکنیکهای حسابرسی بوده است و ما نمیتوانیم این احتمال را که تعداد موارد ابتلا به تقلب یا جعل قریبالوقوع به خوبی مشخص نشده وجود دارد را نادیده بگیریم. همانگونه که آمارهای مقایسهای ارائه شده توسط انجمن بازرسان تقلب در سال 2010 نشان میدهند زیان متحمل شده نسبت به سال 2008 به بیش از دو برابر افزایش یافته که حاکی از سرعت بیشتر پیشرفت روشهای تقلب در گزارشگری مالی نسبت به روشهای شناسایی و پیشگیری از تقلب است، به عبارتی تقلب همواره در حال تحول و نوشدن است و پیشگیری از آن نیازمند نوشوندگی است و این امر به علت آگاهی افراد متقلب با روشهای حسابرسی مورد استفاده توسط حسابرسان مستقل میباشد.
این در حالی است که تحلیلهای سنتی که در حسابداری مالی استفاده میشود طوری طراحی نشدهاند که به نحو مؤثر طرحهای متقلبانه شامل رشوهخواری و فساد را مورد شناسایی قرار دهند و حسابرسیهای معمولی ممکن است نتوانند تقلب و فسادهایی که به گونهای خاص طرحریزی و برنامهریزی شدهاند را شناسایی کنند یا مانع از وقوع آنها شوند. در عصر حسابداری بیدرنگ و ارتباطات بیدرنگ، رویههای سنتی و مرسوم حسابرسی حتی اگر اثربخش هم باشد، اغلب اشتباهات عمدی و سهوی را به-طور کامل پوشش نداده و فقط بعد از وقوع آن و پس از آنکه تأثیر با اهمیتی بر شرکت گذارد، مشخص میسازد.
بر این اساس بهکارگیری شیوههایی برای کشف زودهنگام این اشتباهات ضرورت مییابد و این اطمینانبخشی میتواند به جلوگیری از اشتباهات عمدی یا سهوی کمک کند .[5] بنابراین، توسعه اقدامات مؤثر و نیاز به طراحی ابزارهای جدید، شناسایی و جلوگیری از تقلب مالی برای اطمینان از رشد سالم اقتصاد به یک نیاز مبرم تبدیل شده است. در این راستا مدلسازی اطلاعات و تکنیکهای تحلیل اطلاعات در جزییات معاملات و مانده حسابها در حسابرسی مستمر برای نظارت و آزمون بکار برده میشوند
مدلسازی اطلاعات از اطلاعات حسابرسی سنتی و مانده حسابها برای ایجاد الگو استفاده می-کند. تحلیل اطلاعات، مبادلات حسابرسی نشده فعلی را با الگویی که از مدلسازی اطلاعات بدست آمده مقایسه میکند، تا از این راه انحرافاتی که نیازمند رویههای جستجوگر است، شناسایی شود. فرضیه پشتیبان مدلسازی و تحلیل اطلاعات این است که اطلاعات حسابرسی نشده آینده و خصوصیات رفتاری آن میبایست مشابه گذشته باشد. .[7]
با توجه به این مطالب ملاحظه میشود که کشف تقلب در صورتهای مالی کارِ سادهای نیست؛ زیرا تقلب، معلول عوامل متعددی است و در ضمن به شیوههای متفاوتی نیز قابل اعمال است همچنین علاقه فزایندهای در جهت توسعه نظری سیستمهای پویای هوشمند آزاد از الگو ایجاد شده که بر دادههای تجربی مبتنی است. شبکههای عصبی جزء این دسته از سیستمهای پویا است که با پردازش دادههای تجربی، دانش نهفته در پس دادهها را به ساختار شبکه منتقل می-کند، بنابراین استفاده از شبکههای عصبی به عنوان ابزاری در مدلسازی و تصمیمات مالی رو به افزایش است.
شمار زیادی از تحقیقات به توانایی شبکه عصبی در پیشبینی عملکرد مالی پرداختهاند و اعتقاد بر این است که شبکه عصبی وسیله خوبی برای پیشبینی عملکرد مالی است. شبکههای عصبی رویکردی مشتق از داده8 هستند که هنگام فرایند مدلسازی به مفروضات از پیش تعیین شده9 احتیاج ندارند، چرا که این شبکهها یادگیری مستقلی از روابط ذاتی بین متغیرها دارند. بر خلاف اغلب تکنیکهای پیشبینی سنتی، شبکههای عصبی شیوهای خود انطباق10 و غیرخطی هستند که دارای توانایی تخمین اصول بوده و قادر به کنترل هر نوع رابطه پیچیده هستند
با این تفاسیر پژوهش حاضر با بهرهگیری از شبکههای عصبی مصنوعی به عنوان یک ابزار قدرتمند در مدلسازی توابع غیرخطی، به دنبال مدلسازی تشخیص و پیشبینی تقلب در گزارشگری مالی با استفاده از برخی شاخصهای مالی و غیرمالی است.
