ارائه الگوی توسعه‌ یافته مدل بنیش با تاکید بر ویژگی ‌های کیفیت حسابرسی با استفاده از شبکه عصبی، ماشین بردار و جنگل تصادفی

هدف: با پیچیده شدن فرایند کسب ‌و کار خطر انحراف صورت های مالی هر روز بیشتر می شود. در این راستا پژوهشگران به دنبال مدل هایی برای کشف تقلب در صورت های مالی بوده اند. هدف پژوهش ارائه مدل بسط یافته بنیش بر اساس ویژگی‌های کیفیت حسابرس است.روش‌شناسی پژوهش: بنیش (1997) با استفاده از نسبت های مالی و اقلام تعهدی شیوه های دست‌کاری سود را پیش بینی نمود. از آنجایی‌که حسابرسان به‌عنوان نظارت خارجی در ساختار راهبری شرکت ها بر عملکرد شرکت مطرح می شود، در این پژوهش مدل بنیش بر اساس ویژگی های کیفی حسابرس بسط داده می شود که عبارت‌اند از اندازه حسابرس، دوره تصدی حسابرس، تاخیر در گزارش حسابرس، طبقه حسابرس و تغییر حسابرس. از برازش مدل ماشین بردار و جنگل تصادفی و شبکه عصبی جهت برازش مدل بسط یافته بهره گرفته شده است.یافته‌ها: نتایج نشان‌دهنده دقت ضرایب به‌دست‌آمده از مدل جنگل تصادفی 98/4 درصد و بیشتر از دو مدل شبکه عصبی و ماشین بردار 93 درصد است. همچنین مدل بسط یافته نسبت به مدل پایه دقت بیشتری دارد. ویژگی های حسابرسی در پیش بینی تقلب در صورت های مالی تاثیرگذار است و بهتر است توسط مشارکت‌کنندگان بازار سرمایه در نظر گرفته شود.اصالت / ارزش افزوده علمی: یافته های پژوهش می تواند در بهبود پیش بینی تقلب در صورت های مالی موثر باشد و همچنین توجه استفاده کنندگان را به ترکیب اطلاعات صورت های مالی و ویژگی های گزارش حسابرس در پیش بینی تقلب جلب می کند.

presenting the developed model of benish model with emphasis on audit quality fea-tures using neural network, vector machine and random forest

purpose: as the business process becomes more complex, the risk of financial statements being distorted increases with each passing day. in this regard, researchers have been looking for models to detect fraud in financial statements. the purpose of this research is to present an expanded model based on the quality characteristics of the auditor.methodology: benish (1997) used a combination of financial ratios and accruals to predict profit manipulation methods. since auditors are presented as external oversight in the corporate governance structure of the company's performance, in this study the model is developed based on the qualitative char-acteristics of the auditor, which include the auditor's size, auditor tenure, reporting delay, auditor class and auditor change. the fitting of the vector machine, random forest and neural network has been used to fit the ex-tended model.findings: the results show that the coefficients obtained from the random forest model are 98.4% and more than the two neural network and vector model 93%. also, the extended model is more accurate than the base model. audit characteristics are influential in predicting fraud in financial statements and should be considered by capital market participants.originality / value: research findings can be effective in improving the prediction of fraud in financial statements and also draw users' attention to the combination of financial statement information and the characteristics of the auditor's report in fraud prediction.