تکنیک های داده کاوی برای تشخیص صورت های مالی جعلی

قیمت: 39,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تکنیک های داده کاوی برای تشخیص صورت های مالی جعلی

عنوان لاتین

Data Mining techniques for the detection of fraudulent financial statements

این مقاله تأثیر داده کاوی (DM) تکنیک های طبقه بندی در تشخیص مشکلات صورت های مالی جعلی (FFS) و ارتباط با شناسایی عوامل موثر FFS را بررسی می کند. در انجام وظیفه مدیریت تشخیص تقلب، حسابرسان می توانندکار خود را با استفاده از تکنیک های داده کاوی تسهیل کنند. این مطالعه به بررسی سودمندی درختان تصمیم، شبکه های عصبی و شبکه های باور بیزی در شناسایی صورت های مالی جعلی می پردازد. بردار ورودی تشکیل شده از نسبت مشتق شده از صورت های مالی است. عملکردهای سه مدل مقایسه شده اند.

This paper explores the effectiveness of Data Mining (DM) classification techniques in detecting firms that issue fraudulent financial statements (FFS) and deals with the identification of factors associated to FFS. In accomplishing the task of management fraud detection, auditors could be facilitated in their work by using Data Mining techniques. This study investigates the usefulness of Decision Trees, Neural Networks and Bayesian Belief Networks in the identification of fraudulent financial statements. The input vector is composed of ratios derived from financial statements. The three models are compared in terms of their performances