ارائه الگوی توسعه یافته مدل بنیش با تاکید بر ویژگی‌های خاص شرکت با استفاده از شبکه عصبی، ماشین بردار و جنگل تصادفی

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 خاص شرکت است. بنیش (1997) با استفاده از نسبت‌های مالی و اقلام تعهدی شیوه های دستکاری سود را پیش بینی نمود. از آنجایی که ویژگی‌های شرکت به عنوان عامل موثر بر عملکرد شرکت مطرح می شود، در این پژوهش مدل بنیش بر اساس ویژگی های خاص شرکت بسط داده می شود که عبارتند از قیمت سهام به جریان نقدی، نسبت جریان نقدی، نسبت سود تقسیمی و رقابت در بازار محصول. از برازش مدل ماشین‌بردار و جنگل تصادفی و شبکه عصبی جهت برازش مدل بسط یافته بهره گرفته شده است. نتایج نشان‌دهنده دقت ضرایب بدست آمده از مدل جنگل تصادفی 99 درصد و بیشتر از دو مدل شبکه عصبی و ماشین‌بردار 94 درصد است. همچنین مدل بسط یافته نسبت به مدل پایه دقت بیشتری دارد. ویژگی های شرکت در پیش بینی تقلب در صورت های مالی تاثیرگذار است و بهتر است توسط مشارکت‌کنندگان بازار سرمایه در نظر گرفته شود. 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 the special characteristics of the company using neural network, vector machine and random forest

abstractas 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. 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 characteristics of the auditor, which include the auditor's size, auditor tenure, reporting delay, auditor class and auditor change.the fitting of the stochastic vector machine, random forest and neural network has been used to fit the extended model. the results show that the coefficients obtained from the random forest model are 99% and more than the two neural network and vector model 94%.