ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تقييم مداخل استخدام تقنيات الت...>الوصف

تقييم مداخل استخدام تقنيات التعلم الآلي في المراجعة الخارجية بغرض تحقيق فعالية التنبؤ بتحريفات القوائم المالية: دراسة تجريبية على الشركات المقيدة في البورصة المصرية

العنوان بلغة أخرى: Evaluation of the Approaches to Using Machine Learning Techniques in External Auditing to Achieve Effectiveness of Financial Misstatements Prediction: An Experimental Study on Companies Listed on the Egyptian Stock Exchange
المصدر: مجلة المحاسبة والمراجعة
الناشر: جامعة بني سويف - كلية التجارة
المؤلف الرئيسي: النقيب، سحر عبدالستار عبدالستار (مؤلف)
المؤلف الرئيسي (الإنجليزية): Elnakeeb, Sahar Abdel-Sattar Abdel-Sattar
المجلد/العدد: ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2023
الشهر: أبريل
الصفحات: 122 - 181
DOI: 10.21608/naus.2023.292554
ISSN: 2314-4793
رقم MD: 1372427
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التقنيات الحديثة | تكنولوجيا التعليم | مهنة المراجعة | القوائم المالية
كلمات المؤلف المفتاحية:
تقنيات التعلم الآلي وبرمجياته | فعالية التنبؤ | تحريفات القوائم المالية | مسؤولية المراجع الخارجي | الشركات المقيدة بالبورصة المصرية | Machine Learning Techniques and Software | Effectiveness of Prediction | Financial Misstatements | External Auditor Responsibility | Companies Listed on the Egyptian Stock Exchange
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

113

حفظ في:
المستخلص: الهدف: يهدف هذا البحث إلى استكشاف مدى فعالية مداخل استخدام تقنيات التعلم الآلي ML في مساعدة المراجع الخارجي في التنبؤ بتحريفات القوائم المالية، بالإضافة إلى فعاليتها في تحديد العوامل والخصائص المميزة للشركات المحرفة والتي تمثل علامات حمراء تمثل تحذيرات هامة من خطر وقوع التحريف. ومن ثم قياس احتمال ومخاطر التحريف، مما يجنب المراجع مخاطر التقاضي نتيجة للإخفاق في عملية المراجعة وعدم إصدار التقرير المناسب. التصميم والمنهجية: قدمت الباحثة دراسة تحليلية للأدب المحاسبي والإصدارات المهنية فيما يتعلق بتقنيات التعلم الآلي ML وتطور استخدامها في مجال المراجعة ودورها في اكتشاف والتنبؤ بالتحريفات وإعادة إصدار القوائم المالية. كما صممت الباحثة دراسة تجريبية على عينة من الشركات المقيدة بالبورصة المصرية والتي تمثل عملاء لمكاتب المراجعة الخارجية؛ وذلك بهدف اختبار فروض الدراسة. فقد تم استخدام برنامج IBM® SPSS® Modeler Premium 18.3 على 33 شركة محرفة للقوائم المالية خلال الفترة من 2012 إلى 2021 (عينة الدراسة)، وعدد 99 شركة مقابلة لهذه الشركات وتتفق معها في الحجم والقطاع الصناعي والفترة الزمنية (العينة المقابلة الضابطة). واستخدمت الباحثة التقارير المالية خلال ثلاث سنوات متتالية تشمل سنة التحريف والسنتين السابقتين لها وذلك لكل شركات الدراسة (محرفة وغير محرفة) بما يعادل 396 مشاهدة. ومن أجل تقييم القدرة التنبؤية لنماذج التعلم الآلي ML في التنبؤ بالشركات المحرفة وخصائصها اعتمدت الباحثة في تصميم دراستها على ثلاث مداخل إما استخدام المؤشرات المالية فقط أو المؤشرات النصية فقط، أو الجمع بين الاثنين؛ وذلك من أجل تطبيق تقنيات التعلم الآلي ML على 70% من بيانات عينتي الدراسة (شركات محرفة وغير محرفة). ثم اختبار مدى دقة تلك التقنيات في التنبؤ بالتحريفات في القوائم المالية في شركات العملاء محل المراجعة باستخدام باقي البيانات (30%). النتائج والتوصيات: توصلت الباحثة من الجانب النظري إلى أن هناك العديد من المصطلحات التي تعبر عن مفهوم التحريفات في القوائم المالية في أدب المراجعة. كما أن هناك توجه كبير من قبل مهنة المراجعة نحو استخدام التقنيات التكنولوجية الحديثة ومنها تقنيات التعلم الآلي بأنواعها المختلفة سواء تخضع للإشراف أو لا تخضع وسواء كانت من نوع التعلم المعزز أو التعلم العميق. أما من الجانب التجريبي فقد أوضحت النتائج أن المدخل المالي لاستخدام تقنيات التعلم الآلي يحقق أعلى درجات دقة في الكشف عن والتنبؤ بتحريفات القوائم المالية، يليه المدخل المختلط ثم المدخل النصي. ومن ثم يجب على المراجع عدم الاعتماد على المدخل النصي فقط في الكشف عن تحريفات القوائم المالية. الأصالة والإضافة: ينفرد البحث بتأصيل إطار نظري لاستخدام تقنيات التعلم الآلي ML في المراجعة من أجل التنبؤ بالتحريفات في القوائم المالية. كما يقدم البحث دراسة تجريبية باستخدام بيانات فعلية من القوائم المالية للشركات محل المراجعة؛ مما يوضح للمراجعين الخارجيين في الواقع العملي كيفية تطبيق تقنيات التعلم الآلي ML الحديثة في الكشف عن والتنبؤ بتحريفات القوائم المالية. بالإضافة إلى تقييم المداخل التي يمكن للمراجع استخدامها وعرض دقة النماذج المستخدمة للمقارنة بينها.

Objective: This research aims to explore the effectiveness of the approaches to using machine learning techniques in assisting the external auditor in predicting misstatements of the financial statements, in addition to its effectiveness in identifying the factors and characteristics of the misrepresented companies, which are red flags that represent important warnings of the risk of misrepresentation. And then measure the possibility and risks of misrepresentation, which avoids the auditor risks litigation because of failure in the audit process and failure to issue the appropriate report. Design and Methodology: The researcher presented an analytical study of accounting literature and professional publications in relation to machine learning techniques, the development of their use in the field of auditing, and their role in detecting and predicting misstatements and restatements. The researcher also designed an experimental study on a sample of companies listed on the Egyptian Stock Exchange, which represent clients of external audit offices to evaluate the hypotheses of the study. The IBM SPSS Modeler Premium 18.3 program was used on 33 companies that distorted the financial statements during the period from 2012 to 2021 (the study sample), and the number of 99 companies corresponding to these companies and corresponding with them in size, industrial sector, and time (the corresponding control sample). The researcher used the financial reports during three consecutive years, including the year of distortion and the two years preceding it, for all study companies (distorted and not distorted), with an equivalent of 396 observations. To evaluate the predictive ability of machine learning models in predicting distorted companies and their characteristics, the researcher relied on designing her study on three approaches, either using financial indicators only or text indicators only, or a combination of the two; This is to apply machine learning techniques to 70% of the data of the two study samples (distorted and non-distorted companies). Then testing the accuracy of these techniques in predicting misstatements in the financial statements of the client companies under review using the rest of the data (30%).

Findings and recommendations: From the theoretical side, the researcher concluded that there are many terms that express the concept of misstatements in the financial statements in the auditing literature. There is also a great trend by the auditing profession towards the use of modern technological techniques, including machine learning techniques of various types, whether subject to supervision or not, and whether they are of the type of reinforcement or deep learning. On the experimental side, the results showed that the financial approach using machine learning techniques achieves the highest degree of accuracy in detecting and predicting misstatements of the financial statements, followed by the mixed approach and then the text approach. Hence, the auditor should not rely solely on the textual approach in detecting misstatements of the financial statements. Originality and addition: The research is unique in rooting a theoretical framework for using machine learning techniques in auditing to predict misstatements in the financial statements. The research also presents an experimental study using actual data from the financial statements of the companies under review. Which shows the external auditors in practice how to apply modern machine learning techniques in detecting and predicting misstatements of the financial statements. In addition to evaluating the entries that the reviewer can use and presenting the accuracy of the models used to compare them.
ISSN: 2314-4793

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.