ارائه مدلی برای پیش‌بینی صورت‎های‌مالی متقلبانه و مقایسه صورت‌ها و نسبت‌های مالی با قانون بنفورد

هدف پژوهش حاضر ارائه الگویی برای پیش بینی صورتهای مالی متقلبانه و استفاده از قانون بنفورد در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. روش پژوهش از نوع توصیفی پیمایشی و به لحاظ هدف نیز کاربردی است. داده‌های پژوهش از سال‌های 1387 تا 1396 جمع‌آوری گردید. نمونه آماری پژوهش شامل 410 سالشرکت متقلب و 410 سالشرکت غیر متقلب بوده است. جهت تدوین مدل از روش رگرسیون لجستیک استفاده شده است. نتایج نشان می‌دهد که با توجه به نرخ دقت 64.6 درصدی، این مدل نقش اثر بخشی در کشف تقلب صورت‌های مالی دارد. همچنین نتایج آزمونt و آزمون لون در 35 متغیر مستقل بررسی شده نشان داد که در 20 متغیر، تفاوت معناداری در دو گروه متقلب و غیر متقلب وجود دارد. به علاوه تطابق پذیری و انحراف از قانون بنفورد در چهار حالت مختلف بررسی شد و نتایجی بدین شرح حاصل گردید که؛ توجه به ارقام صورت سود و زیان و ترازنامه در شرکت‌های غیر متقلب نشان داد توزیع بنفورد شرکت‌های غیر متقلب را به درستی تشخیص داده ولی شرکت‌های متقلب را به صورت نادرست غیر متقلب تشخیص داده است. توجه به نسبت مالی کل دارایی‌ها به فروش و دوره پرداخت حسابهای پرداختنی در شرکت‌های متقلب نشان داد که توزیع بنفورد این شرکتها را متقلب ارزیابی و به درستی دسته بندی کرده است ولی شرکت‌های غیرمتقلب را به صورت نادرست متقلب ارزیابی کرده است.

Providing a Model for Forecasting fraudulent Financial Statements and Comparing Financial Statements and Ratios with Benford Law

The purpose of the present study is to provide a model for predicting fraudulent financial statements and applying Benford law to listed companies in Tehran Stock Exchange. The research method is descriptivesurvey and in terms of purpose, it is also applicable. The research data were collected from 20082018. The statistical sample of the study consisted of 410 yearscompany of fraudulent companies and 410 yearscompany of nonfraudulent companies. Logistic regression method was used to develop the model. The results show that given the accuracy rate of 64.6%, this model plays an effective role in detecting financial statement fraud. The results of Ttest and Levon test in 35 independent variables showed that in 20 variables, there was a significant difference between the fraudulent and non fraudulent groups. In addition, the compliance and any possible manipulations of the Benford law were examined in four different cases, And the results are as follows: A look at the income statement figures and balance sheets in nonfraudulent companies showed that the Banford distribution correctly identified the fraudulent companies but identified the fraudulent companies as inaccurate. Consideration of the financial ratio of total assets to sales and the Days payable outstanding to fraudulent companies showed that the Bannford distribution classified these companies as fraudulent and correctly classified them, but assessed the nonfraudulent companies as fraudulent