طراحی مدل بومی جهت کشف رفتار غیراخلاقی مدیران در گزارشگری مالی

افراد در زندگی خود با معضلات اخلاقی روبرو می شوند. مدیران، حسابداران و حسابرسان نیز در حرفه خود با موقعیت‌های متعددی روبرو می‌شوند، موقعیت‌هایی که وسوسه می‌شوند تا عمل غیراخلاقی انجام دهند. یکی از این رفتارهای غیراخلاقی، تقلب و دستکاری سود است که منجر به شکست اخلاقی در شرکت‌ها می‌شود. با توجه به احتمال تقلب در صورت‌های مالی و آثار زیان‌بار آن بر اقتصاد، پیشگیری و کشف تقلب مالی، برای جلوگیری از پیامدهای مخرب آن، اهمیت زیادی دارد. بنابراین معرفی یک ابزار تشخیص زودهنگام، برای هشدار دادن به دستگاه‌های اجرایی برای انجام تحقیقات بیشتر یا اقدامات قانونی، ضروری است. توسعه مدلی که بتوان از طریق آن به پیش‌بینی دستکاری سود و کشف رفتار غیراخلاقی مدیران پرداخت، امکان ارزیابی بهتری از عملکرد شرکت را فراهم می آورد. هدف این پژوهش، بررسی توانایی مدل بنیش و اسپاتیس در جهت کشف گزارشگری مالی متقلبانه است. سپس ضرایب این دو مدل، با استفاده از رگرسیون لجستیک تعدیل شده و توانایی این دو مدل تعدیل شده جدید نیز برای کشف گزارشگری مالی متقلبانه بررسی شد. در این راستا، داده‌های 99 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران (1089 مشاهده) طی سال‌های 1386- 1396 بررسی شد. نتایج نشان می‌دهد مدل اولیه بنیش و اسپاتیس، در کشف گزارشگری مالی متقلبانه قدرت خوبی ندارد، اما مدل تعدیل شده بنیش و مدل تعدیل شده اسپاتیس با دقت به ترتیب 77% و 82% قادر به کشف گزارشگری مالی متقلبانه هستند.

Developing a local model to detect the unethical behavior of managers in financial reporting

People face moral dilemmas in their lives. Managers, accountants, and auditors also face a variety of situations in their careers, situations that tempt them to engage in unethical behavior. One of these unethical behaviors is fraud and earnings manipulation, which leads to ethical failure in companies. Given the potential for financial statement fraud and its detrimental effects on the economy, preventing and detecting financial fraud is important to prevent its disastrous consequences. Therefore, the introduction of an early detection tool is essential to alert executive bodies to further investigation or legal action. Developing a model through which to predict earnings manipulation and detect the unethical behavior of managers, allows for a better evaluation of the company #39;s performance. The purpose of this study is to investigate the ability of Beneish and Spathis models to detect fraudulent financial reporting. Then the coefficients of these two models were adjusted using logistic regression and the ability of these two new adjusted models to detect fraudulent financial reporting was investigated. In this regard, the data of 99 manufacturing companies listed on the Tehran Stock Exchange (1089 observations) during the years 2008 - 2018 were reviewed. The results show that the initial model of Beneish and Spathis does not have good power in detecting fraudulent financial reporting, but the adjusted model of Beneish and the adjusted model of Spathis are able to detect fraudulent financial reporting with 83% and 82% accuracy, respectively.