کشف تقلب با استفاده از مدل تعدیل شده بنیش و نسبت‌های مالی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه حسابرسی، دانشگاه خاتم، ایران

2 کارشناس ارشد حسابداری، دانشگاه قم، ایران

چکیده

تقلب یکی از مهمترین موضوعاتی است که در حسابداری و حسابرسی صورت‌های مالی مطرح می‌شود. هدف پژوهش، کشف تقلب با استفاده از مدل تعدیل شده بنیش و شناسایی نسبت‌های مالی حساس به تقلب است. از نظر شیوه جمع‌آوری داده‌ها، پژوهش توصیفی از نوع تحلیل رگرسیون می‌باشد. ابتدا از بین 150 شرکت با استفاده از مدل تعدیل شده بنیش، شرکت‌های متقلب شناساییو از شرکت‌های غیر متقلب تفکیک شده و از بین نسبت‌هایی که تحقیقات انجام شده قبلی معرفی نموده‌اند، 25 نسبت مالی انتخاب شده و پس از اجرای آزمون کولموگروف-اسمیرنوف، 10 نسبت مالی شرکت‌های متقلب و غیرمتقلب تعیین شده است. پس از اجرای مدل رگرسیون در سه مرحله، نتایج نشان می‌دهند، نسبت فروش به مجموع دارایی‌ها و نسبت حقوق صاحبان سهام به مجموع دارایی‌ها دو نسبت مالی حساس به تقلب هستند. این مدل در طبقه بندی نمونه موردنظر در این تحقیق از نرخ دقت کلی 1/69 درصد برخورداراست. در نتیجه این مدل نقش اثربخشی درکشف تقلب صورت‌های مالی داشته است. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Fraudulent Financial Statement detection Using: Adjusted-M-score-Beneish models and financial ratios.

نویسندگان [English]

  • nezamodin rahimian 1
  • razieh hajiheydari 2
1 Assistant Professor, Audit Department, Khatam University,Tehran Iran
2 Master of Accounting, Qom University, Qom, Iran
چکیده [English]

Fraud is one of the most important issues arisen in accounting and auditing of financial statements. This research is aimed to detect frauds using the adjusted Beneish model and recognize financial ratios sensitive to fraud. The sample consists of 150 firms listed in Tehran Stock Exchange during the period from 2011 to 2015. This study is descriptive in data gathering and uses regression model in data analysis. Also, this study uses the adjusted Beneish model to recognize Fraudulent firms and separate them from non-Fraudulent firms. Then from financial ratios introduced in the previous researches, 25 ones are selected and after Kolmogorov–Smirnov test, 10 financial ratios with significant difference between fraudulent and non-fraudulent firms are determined. Findings, after execution of the regression model in three stages, show that sales to total assets and equity to total assets ratios are two financial ratios sensitive to frauds. The model has an accuracy rate of 69/1 percent in classifying the total sample; therefore, the model plays an effective role in detecting fraudulent financial statements.

کلیدواژه‌ها [English]

  • fraud
  • fraudulent financial reprting
  • adjusted Beneish model
  • financial ratios

اعتمادی، حسین؛ زلقی، حسن. (1392). کاربرد رگرسیون لجستیک در شناسایی گزارشگری متقلبانه. دانش حسابرسی: 13 (52)، 163-145.

بولو، قاسم. (1385). نظام راهبری شرکتی و تأثیر آن بر کیفیت سود. بورس اقتصادی: 52، 11-8.

خواجوی، شکراله: منصوری، شعله. (1394). تقلب حلقه ی پنهان در زنجیره ی امنیتی گزارشگری مالی. فصلنامه کنکاش: 28. 64-54.

خانی، عبدالله. (1386). فعالیت‌های تقلب آمیز و آینده حرفه حسابداری رسمی. فصلنامه حسابرس:

 38، 48-44.

رهنمود عملی، مدیریت خطر تقلب درکسب و کار، (1389). ترجمه نظام‌الدین رحیمیان، تهران انتشارات اطلاعات: موسسه حسابرسی مفید راهبر، چاپ اول.

زارع ‌بهمنمیری، محمدجواد؛ ملکیان‌کله‌بستی، اسفندیار. (1395). رتبه‌بندی عوامل موثر بر احتمال تقلب مالی با توجه به گزارش حسابرسی صورت‌های مالی. پژوهش‌های تجربی حسابداری:

6 (21) ;17-1.

صفرزاده، محمدحسین. (1389). توانایی نسبت‌های مالی در کشف تقلب در گزارشگری مالی: تحلیل لاجیت. دانش حسابداری: 1 (1)، 137- 163.

کردستانی، غلامرضا؛ تاتلی، رشید. (1395). پیش بینی دستکاری سود: توسعه یک مدل. بررسی‌های حسابداری و: 23 (1)، 73-96.

مهام، کیهان؛ ترابی، ابوالفضل. (1391). ارائه مدل رتبه بندی ریسک در تقلب گزارشگری مالی. همایش ملی جهاد اقتصادی (با تاکید بر تولید ملی، حمایت از کار و سرمایه ایرانی)، دانشگاه مازندران.

وکیلی‌فرد، حمیدرضا؛ جبارزاده‌کنگرلویی، سعید؛ پوررضاسلطان‌احمدی، اکبر. (1388). بررسی ویژگی‌های تقلب در صورت‌های مالی. مجله حسابدار: 210، 41-36.

Abdul Aris, Nooraslinda Mohd Arif, Siti Maznah, Othman, Rohana, Mohamed Zain, Mustafa (2015). Fraudulent Financial Statement Detection Using Statistical Techniques: The Case Of Small Medium Automotive Enterprise. The Journal of Applied Business Research. 31 (4). 1469-1477

Beneish, M. D. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal: 55 (5) , 24-36.

Bolu, Qassem. (2006). Corporate governance and its impact on the quality of profit. Economic exchange journal 52, 11-8. (in Persian).

Dechow, P, Sloan, R. & Sweeney, A. (1995). Detecting Earnings Management. The Accounting Review: 70 (2) , 193-225.

Elliot, R. and Willingham, J. (1980). Management Fraud: Detection and Deterrence. Petrocelli, New York. NY.

Etemadi, Hossein; Zalaghi, Hasan. (2013). Application of logistic regression in fraudulent reporting. Audit Knowledge journal: 13 (52). 163-145 (in persian).

 Kaminsky, K, A. Wetzel, T. S and Guan, L. (2004). Can Financial Ratios Detect Fradulent Financial Reporting?, Managerial Auditing Journal: 19 (1) ,15-28.

Kanapickiene; Rasa; Grundiene; Zivile (2015). The Model of Fraud Detection in Financial Statements by Means of Financial Ratios, International Scientific Conference Economics and Manangement.

Kirkos, E. , Spathis, C. , and Manolopoulos, Y. , (2007). “Data Mining Techniques for the Detection of Fraudulent Financial Statements. ” Expert Systems with Applications: 32, 995–1003.

 

Khajavi, Shokraleh and Sholeh Mansouri (1394). Fraud: The hidden circle in the financial reporting security chain, Konkash magazine, Tehran. (in persian).

Khani, Abdullah (2007). The fraudulent and future activities of the accounting profession. Auditor's journal: 38, 48-44. (in persian).

Kurdestani, Gholamreza; Tatali, Rashid. (2016). Prediction of profit manipulation: the development of a model. Accounting and Auditing Reviews journal, Volume: 23 ( 1) 73-96. (in persian).

Maham, Keihan, Torabi, A. (2012). Providing Financial Reporting Fraud Risk Rating Model. National Conference on Economic Jihad (With Emphasis On National Production, Supporting Iranian Labor and Capital) , University of Mazandaran. (in persian).

Omar N. , Kunji K. R. , Mohd S. Z. , And Shafie, N. A. (2014). Financial Statement Fraud: A Case Examination Using Beneish Model and Ratio Analysis, International Journal of Trade, Economics and Finance: 5 (2) ,184-186.

Practical Guidance, Managing the Risk of Fraud and Work, (2010). Translation by Nezamoddin Rahimian, Tehran Information publication: Mofid Rahbar Audit Institute, First edition. (in persian).

Safarzadeh, Mohammad Hossein. (2010). The ability of financial ratios to detect fraud in financial reporting: Logit analysis. Accounting Knowledge journal: 1 ( 1) , 137- 163. (in persian).

Vakili Fard, Hr; Jabbarzadeh, S, Pourreza Sultan Ahmadi, A. (2009). Study of Fraud in A Financial Statement. Journal of Accountant, 24 (210) , 41-36. (in persian).

 Tangod; Kk; Kulkarni; Gh (2015). Detection of financial statement fraud using data mining technique and performance analysis, International Journal of Advanced Research in Computer and Communication Engineering: 3 (12). 189-191

Zare Behnamiri, Mohammad Javad; Malekian Kalehbesty, Esfandiar. (2016). Rating of factors affecting the probability of financial fraud according to the financial statements audit report. Empirical Accounting Research: 6 ( 21) ,1- 17. (in persian).