|
|
|
|
تبیین گزارشگری مالی مالیاتی متقلبانه شرکت‌ها: رویکرد ترکیبی داده‌کاوی کلاسیک، anfis و الگوریتم‌های فراابتکاری
|
|
|
|
|
|
|
|
نویسنده
|
یوخنه القیانی ماریام ,بحری ثالث جمال ,جبارزاده کنگرلوئی سعید ,زواری رضایی اکبر
|
|
منبع
|
مطالعات تجربي حسابداري مالي - 1400 - دوره : 18 - شماره : 71 - صفحه:87 -112
|
|
چکیده
|
شرکت ها گاهی به تدوین گزارش های مالی متقلبانه در راستای تقلب مالیاتی می پردازند. هدف این پژوهش، ترکیب ابزارهای داده کاوی و هوش مصنوعی همراه با الگوریتم های فراابتکاری جهت تبیین و بهینه سازی مدلی در شناسایی تقلب و فرار مالیاتی با به کارگیری ظرفیت گزارش های مالی است. نشانگرهای کیفی و کمی گزارش های مالی 1056 سال شرکت بورس اوراق بهادار تهران از 1385 تا 1398 در رویکرد کلاسیک بررسی و جهت تبیین مدل در سیستم استنتاج فازی–عصبی تطبیقی به کارگرفته شد. یافته های پژوهش نشان می دهد که در بهینه سازی با الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات و الگوریتم تکامل تفاضلی، الگوریتم ازدحام ذرات، بهینه ترین مدل را حاصل نموده و در بررسی با داده های آزمایشی و آموزشی کاراترین الگوریتم است. نتایج حاکی از این است که به کارگیری الگوریتم های بهینه سازی مختلف در رویکرد داده کاوی، سبب افزایش قدرت پیش بینی مدل شناسایی گزارشگری مالی مالیاتی متقلبانه می گردد.
|
|
کلیدواژه
|
تقلب مالیاتی، گزارش‌های مالی، سیستم استنتاج فازی عصبی تطبیقی، الگوریتم‌های بهینهسازی فراابتکاری
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد ارومیه, گروه حسابداری, ایران, دانشگاه آزاد اسلامی واحد ارومیه, گروه حسابداری, ایران, دانشگاه آزاد اسلامی واحد ارومیه, گروه حسابداری, ایران, دانشگاه ارومیه, گروه حسابداری, ایران
|
|
پست الکترونیکی
|
a.zavarirezaei@urmia.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Combination of CDM, ANFIS & MH Algorithms in a model to determine Fraudulent FinancialTax Report
|
|
|
|
|
Authors
|
yokhanehalghyani maryam ,bahrisales jamal ,Jabbarzadeh Kangarluei Saeid ,Zavari Rezaei Akbar
|
|
Abstract
|
Companies sometimes file fraudulent financial statements for tax fraud. The purpose of this study is to combine data mining tools and artificial intelligence with metaheuristic algorithms to explain and optimize a model for detecting fraud and tax evasion by using the capacity of financial reporting. Qualitative and quantitative indicators of financial reports of 1056 year companies in the Tehran Stock Exchange in the period of 2006 to 2019 were studied in the classical approach and used to expand the model in the Adaptive NeuralFuzzy Inference System. Findings show that in optimization with genetic algorithm, particle swarm optimization algorithm and differential evolution algorithm, the most efficient model is obtained by particle swarm algorithm, which is the most efficient algorithm in the study with experimental and educational data. The results indicate that the application of different optimization algorithms in the data mining approach increases the predictive power of the fraudulent financialtax reporting identification model
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|