بانک مقالات حسابداری و حسابرسی

شيوه هاي داده کاوي جديد مي تواند حسابرسان را در ارايه نوع اظهارنظر حسابرسي ياري رساند. در اين تحقيق براي اولين بار در ايران به منظور توسعه الگوهايي که قادر به شناسايي و پيش بيني نوع اظهارنظر حسابرسان باشد، عملکرد شبکه هاي عصبي در مقايسه با الگوهاي کلاسيک مورد بررسي قرار گرفته است. شيوه هاي مورد استفاده در اين پژوهش شامل شبکه عصبي پرسپترون چند لايه (MLP) و هم چنين رگرسيون لجستيك (LR) است. دوره زماني اين تحقيق از ابتداي سال 1379 تا پايان سال 1386 و جامعه آماري تحقيق تمام شرکتهاي پذيرفته شده در بورس اوراق بهادار تهران است. در اين مطالعه به منظور شناسايي و پيش بيني نوع اظهارنظر حسابرسان، شاخصهاي مرتبط با سودآوري، نقدينگي، اهرمي، فعاليت، رشد، اندازه، دعاوي حقوقي، بهره وري و ساير عوامل تاثيرگذار مورد بررسي قرار گرفته است. نتايج تحقيق حاکي از توان زياد شبکه پرسپترون چندلايه در شناسايي و پيش بيني انواع اظهارنظر حسابرسان است. اين شبکه با ميزان صحت %87.75 بهترين عملکرد را در شناسايي نوع گزارش حسابرسي داشت و رگرسيون لجستيک عملکرد ضعيفي در شناسايي اظهارنظر مشروط دارد و الگوي نامتوازني در شناسايي انواع اظهارنظر حسابرس است. نتايج اين الگوها مي تواند براي پيش بيني نوع اظهارنظر حسابرسي توسط حسابرسان داخلي و مستقل، سرمايه گذاران، اعتباردهندگان، و ساير ذي نفعان سودمند واقع شود.

 نسخه قابل چاپ