ارزیابی نقش مدیریت سود در شناسایی صورتهای مالی متقلبانه در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران

نوع مقاله: مقاله علمی

نویسندگان

1 دانشجوی دکترا، گروه حسابداری، واحد خوراسگان، دانشگاه آزاد اسلامی، اصفهان، ایران

2 دانشیار گروه حسابداری، دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، ایران

3 استادیار گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، ایران

چکیده

ارائه گزارش‌های سالانه منبع ارزشمندی برای سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان اطلاعات حسابداری است. با این حال بخشی از گزارش‌ها به دلایل مختلف به صورت واقعی ارائه نگردیده و این موضوع باعث کاهش سودمندی گزارش‌ها می‌شود. بنابراین یک مسئله مهم در حسابداری پیش بینی و کشف صورت‌های مالی متقلبانه است. از این رو این پژوهش به منظور کمک به شناسایی صورت‌های مالی متقلبانه به بررسی رابطه مدیریت سود و صورت‌های مالی متقلبانه در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. به عبارت دیگر به منظور سنجش توانایی مدل‌های مدیریت سود در شناسایی صورت‌های مالی متقلبانه داده‌های 1303 سال – شرکت (شامل 21 شرکت متقلب و 168 شرکت غیر متقلب) طی سال‌های 1388 تا 1394 انتخاب شده و با استفاده از روش‌های داده کاوی شامل درخت تصمیم، شبکه‌های عصبی و روش بیزین تجزیه و تحلیل انجام شده است. بدین منظور 7 معیار مشهور مدیریت سود که در پژوهش‌های قبلی استفاده شده مورد بررسی قرار گرفته است. نتایج پژوهش نشان می‌دهد که از بین مدل‌های پژوهش، مدل درخت تصمیم و از بین مدل‌های اقلام تعهدی، مدل اقلام تعهدی تعدیل شده جونز با نسبت ارزش دفتری بیشترین ارتباط با صورت‌های مالی متقلبانه را دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluating the Role of Earnings Management in Identifying Fraudulent Financial Statements in Companies Listed in Tehran Stock Exchange

نویسندگان [English]

  • Hossein Alikhani Dehaghi 1
  • Naser Izadinia 2
  • Gholam Hosein Kiani 3
1 Ph.D Student, Department of Accounting,College of Economic and Management,Khorasgan(Isfahan) Branch, Islamic Azad University,Isfahan,Iran
2 Associate Professor in Accounting, Administrative Sciences and Economics Faculty, University of Isfahan, Isfahan, Iran
3 Assistant Professor in Economics, Administrative Sciences and Economics Faculty, University of Isfahan, Isfahan, Iran
چکیده [English]

An important issue for accounting is the prediction and detection of fraudulent financial statements. Therefore, this research has investigated the relationship between earnings management and fraudulent financial statements in Firms Listed in Tehran Stock Exchange in order to help identify fraudulent financial statements in the time interval from 2009 to 2016. In the other words, the objective of this study is to evaluate the ability of the popular discretionary accruals models to detect fraudulent financial statements. Out of these companies, 189 (21 companies were fraudulent and 168 were non-fraudulent) have been selected as the research sample. The data mining methods employed in this research include Decision Trees (REPTree), Artificial Neural Networks (ANNs) and Bayesian Networks.We evaluate the ability of 7 measures derived from the extant discretionary accruals models to detect the existence of a fraudulent. The obtained results indicated that the Decision Trees method had a higher performance and Modified Jones model with book-to-market ratio and cash flows in this regard.

کلیدواژه‌ها [English]

  • Fraudulent financial statement
  • Earnings management
  • data mining methods