ارزیابی ریسک حسابرسی با استفاده از رویکرد داده کاوی (مطالعه موردی: تسهیلات بانکی)

هدف از اجرای این تحقیق ارزیابی ریسک حسابرسی اعتباری با استفاده از رویکرد داده‌کاوی در بانک‌های پذیرفته شده در بورس اوراق بهادار تهران طی سال 1396 بوده است که بر اساس داده‌های گرفته شده از 200 نفر از کسانی است که از بانک تسهیلات گرفته‌اند. ریسک اعتباری ریسک احتمالی است که با احتمال شکست قرض گیرنده در بازپرداخت وام و یا برآورده نمودن تعهدات رخ می‌دهد. به طور سنتی ریسکی است که قرض‌دهنده نمی‌تواند اصل و بهره خود را دریافت نماید که سبب ایجاد فساد جریان‌های نقدی و افزایش هزینه‌ها برای بانک ها می‌شود. اگر چه دقیقاً علت عدم ایفای تعهدات مشخص نیست، اما ارزیابی درست و مدیریت ریسک اعتباری می‌تواند شدت زیان را کاهش دهد. در حسابرسی استخراج اطلاعات مناسب از میان انبوه داده‌ها و تبدیل آنها به دانش، نیازمند استفاده از روش‌های نوین است. داده‌کاوی یکی از این ابزارها و رویکردهاست. روش پژوهش این تحقیق از نظر ماهیت و محتوا از نوع توصیفی پیمایشی  و از نوع تحقیقات کاربردی می‌باشد. متغیرهای ورودی مهم معرفی شده به شبکه عصبی فیدفروارد شامل دریافتی‌های سالانه، حساب جاری، خانه، کار، سابقه‌کاری، افراد تحت تکفل و وضعیت دفترچه چک است. در این تحقیق یک فرضیه اصلی تدوین شد. بعد از انجام تحقیق و انجام آزمون‌های نموداری در تکنیک‌های داده‌کاوی فرضیه تحقیق تایید شد. یافته‌ها نشان داد که تکنیک داده‌کاوی دارای دقتی حدود 97 درصد می‌باشد.

The Evaluating Auditing Risk by Data Mining Approach (Case Study: Bank Loans)

The purpose of this study was to Evaluating credit Auditing Risk by Data Mining Approach in banks listed in the Tehran Stock Exchange during the year of 2017 that has been developed based on data taken from 200 people who take out a loan of bank. Credit risk is the probable risk of loss resulting from a borrower’s failure to repay a loan or meet contractual obligations. Traditionally, it refers to the risk that a lender may not receive the owed principal and interest, which results in an interruption of cash flows and increased costs for banks. Although it is impossible to know exactly who will default on obligations, properly assessing and managing credit risk can lessen the severity of loss. In auditing Extracting appropriate information from infinite number of data requires modern methods. Data mining is one of these tools and approaches. The research methodology is descriptive survival and it can be considered as a type of applied research in terms of nature and content. The important inputs variables have been defined in feed forward neural network are annual income, Deposits go throw, house, job, Work experience, Family status, and check book status. In this research one major hypothesis were set forth. After completing the research and doing graphical tests in data mining technique, the research hypothesis was confirmed. Finding show that data mining technique has precise of 97 percentages approximately.