ارزیابی ریسک حسابرسی با استفاده رویکرد داده‌کاوی مبتنی بر شبکه های عصبی در شرکتهای پذیرفته شده در بورس اوراق بهادارتهران

برنامه ریزی حسابرسی با ارزیابی ریسک حسابرسی همراه است. هدف از اجرای این پژوهش ارزیابی ریسک حسابرسی با استفاده از رویکرد داده‌کاوی مبتنی بر شبکه های عصبی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1396تا 1398 بوده است که بر اساس داده‌های گرفته شده از 90 شرکت می باشد. جهت مرتب سازی داده ها از نرم افزار excel  و برای تجزیه و تحلیل یافته های پژوهش و کد نویسی هر یک از الگوریتم های مورد استفاده از نرم افزار matlab استفاده گردیده است. جهت ارزیابی ریسک حسابرسی، از طریق دوالگوی شبکه عصبی به ارزیابی قدرت هر کدام از الگوها پرداخته شد. در این پژوهش ابتدا از روش شبکه عصبی مصنوعی و سپس ترکیب آن با الگوریتم بهینه سازی اجتماع ذرات استفاده گردید. در ادامه به منظور مقایسه نتایج پیش بینی از میانگین درصدخطا، میانگین قدر مطلق خطا، مجذور میانگین مربعات خطا و ضریب همبستگی استفاده شد.  نتایج پژوهش نشان داد الگوی ترکیبی قدرت پیش بینی بالاتری دارد.

assess audit risk using a data mining approach based on neural networks in companies listed on the tehran stock exchange

audit planning is associated with auditing risk assessment. the purpose of this study is to assess audit risk using a data mining approach based on neural networks in companies listed on the tehran stock exchange that has been during the years 2017 to 2019, based on data taken from 90 companies. excel software has been used to sort the data and matlab software has been used to analyze the research findings and codify each of the algorithms used. to assess the audit risk, the strength of each model was assessed through the neural network dialog. first, in this study artificial neural network method was used and then combine it with a particle cluster optimization algorithm. then, in order to compare the prediction results, the mean error percentage, mean absolute error value, squared mean square error and correlation coefficient were used. the results showed that the combined model has a higher predictive power.