کشف تقلب با استفاده از مدل تعدیل شده بنیش و نسبت‌های مالی

تقلب یکی از مهمترین موضوعاتی است که در حسابداری و حسابرسی صورت‌های مالی مطرح می‌شود. هدف پژوهش، کشف تقلب با استفاده از مدل تعدیل شده بنیش و شناسایی نسبت‌های مالی حساس به تقلب است. از نظر شیوه جمع‌آوری داده‌ها، پژوهش توصیفی از نوع تحلیل رگرسیون می‌باشد. ابتدا از بین 150 شرکت با استفاده از مدل تعدیل شده بنیش، شرکت‌های متقلب شناسایی و از شرکت‌های غیر متقلب تفکیک شده و از بین نسبت‌هایی که تحقیقات انجام شده قبلی معرفی نموده‌اند، 25 نسبت مالی انتخاب شده و پس از اجرای آزمون کولموگروفاسمیرنوف، 10 نسبت مالی شرکت‌های متقلب و غیرمتقلب تعیین شده است. پس از اجرای مدل رگرسیون در سه مرحله، نتایج نشان می‌دهند، نسبت فروش به مجموع دارایی‌ها و نسبت حقوق صاحبان سهام به مجموع دارایی‌ها دو نسبت مالی حساس به تقلب هستند. این مدل در طبقه بندی نمونه موردنظر در این تحقیق از نرخ دقت کلی 69.1 درصد برخورداراست. در نتیجه این مدل نقش اثربخشی درکشف تقلب صورت‌های مالی داشته است.

Fraudulent Financial Statement detection Using: AdjustedMscoreBeneish models and financial ratios.

Fraud is one of the most important issues arisen in accounting and auditing of financial statements. This research is aimed to detect frauds using the adjusted Beneish model and recognize financial ratios sensitive to fraud. The sample consists of 150 firms listed in Tehran Stock Exchange during the period from 2011 to 2015. This study is descriptive in data gathering and uses regression model in data analysis. Also, this study uses the adjusted Beneish model to recognize Fraudulent firms and separate them from nonFraudulent firms. Then from financial ratios introduced in the previous researches, 25 ones are selected and after Kolmogorov–Smirnov test, 10 financial ratios with significant difference between fraudulent and nonfraudulent firms are determined. Findings, after execution of the regression model in three stages, show that sales to total assets and equity to total assets ratios are two financial ratios sensitive to frauds. The model has an accuracy rate of 69/1 percent in classifying the total sample; therefore, the model plays an effective role in detecting fraudulent financial statements.